UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2013 – 2014
Onderzoek naar het aandeel van klantenen leverancierskrediet in het balanstotaal
Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen
Toon Limpens onder leiding van Prof. Ir. Ludo Theunissen
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2013 – 2014
Onderzoek naar het aandeel van klantenen leverancierskrediet in het balanstotaal
Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen
Toon Limpens onder leiding van Prof. Ir. Ludo Theunissen
PERMISSION Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Toon Limpens
Voorwoord Als eerste wil ik Prof. Ir. Ludo Theunissen bedanken om het onderwerp van deze masterproef aan te bieden en om mij de kans te gaven deze masterproef te schrijven. Verder wil ik hem ook bedanken om steeds beschikbaar te zijn voor vragen, om feedback te geven, het geven van een kritische kijk en om mij de kans te geven aanwezig te zijn op een informatienamiddag over credit management. Deze masterproef heeft mij een beter inzicht gegeven in het gebruik van handelskrediet door bedrijven, een inzicht in de verscheidenheid van bedrijven en een inzicht in het functioneren van bedrijven in het algemeen. Daarnaast wil ik Virginie Mataigne bedanken om steeds aanwezig te zijn bij feedbackmomenten. Haar gerichte vragen en opmerkingen hebben mij geholpen om deze masterproef vorm te geven en bij te schaven. Als laatste wil ik Myriam Heyvaert en Leen Goethals bedanken voor het nalezen van deze masterproef en wil ik mijn ouders bedanken voor de steun die ze mij gaven tijdens mijn studies.
I
II
Inhoudsopgave Voorwoord ............................................................................................................................................... I Inhoudsopgave ....................................................................................................................................... III Lijst van de tabellen................................................................................................................................ IV Lijst van de Figuren.................................................................................................................................. V Lijst van de gebruikte afkortingen .......................................................................................................... VI 1.
Inleiding ........................................................................................................................................... 1
2.
Literatuur en hypotheses ................................................................................................................ 3
3.
2.1.
Handelskrediet ........................................................................................................................ 3
2.2.
Determinanten van handelskrediet en hypotheses ................................................................ 7
2.2.1.
Klantenkrediet ................................................................................................................. 7
2.2.2.
Leverancierskrediet ......................................................................................................... 9
Methodologie ................................................................................................................................ 15 3.1.
Keuze van de sectoren .......................................................................................................... 15
3.2.
Dataverzameling .................................................................................................................... 19
3.3.
Variabelen klantenkrediet ..................................................................................................... 20
3.3.1.
Afhankelijke variabele ................................................................................................... 21
3.3.2.
Onafhankelijke variabelen ............................................................................................. 22
3.4.
4.
5.
Variabelen Leverancierskrediet ............................................................................................. 23
3.4.1.
Afhankelijke Variabelen................................................................................................. 23
3.4.2.
Onafhankelijke variabelen ............................................................................................. 23
Resultaten...................................................................................................................................... 25 4.1.
Beschrijvende Statistiek ........................................................................................................ 25
4.2.
Regressieanalyse ................................................................................................................... 37
4.2.1.
Klantenkrediet ............................................................................................................... 37
4.2.2.
Leverancierskrediet ....................................................................................................... 44
Conclusie ....................................................................................................................................... 54
Bibliografie ............................................................................................................................................. VI Bijlagen ................................................................................................................................................... IX
III
Lijst van de tabellen Tabel 1
Overzicht van de hypothesen en verwacht effect ............................................................ 14
Tabel 2
Aandeel handelsvorderingen in het balanstotaal, aandeel leverancierskrediet in het balanstotaal en asset turnover op basis van globalisaties NBB (2011) ........................... 17
Tabel 3
Verdeling van de aard van het schema over de verschillende sectoren (cijfers in percentages) ..................................................................................................................... 25
Tabel 4
Balansstructuur van gemiddeld bedrijf op basis van gemiddelde van absolute cijfers.... 29
Tabel 5
Structuur van het handelskrediet op basis van Tabel 2 .................................................... 30
Tabel 6
Gemiddelden van het aandeel van verschillende balansposten in het balanstotaal ....... 33
Tabel 7
Structuur van het handelskrediet gerelateerd tot de bedrijfsactiva in relatieve cijfers .. 34
Tabel 8
Financiële activa en bedrijfsactiva .................................................................................... 36
Tabel 9
Correlatiematrix voor de sector PU 250, klantenkrediet.................................................. 39
Tabel 10
Correlatiematrix voor de sector PU 340, klantenkrediet.................................................. 39
Tabel 11
Resultaten regressies i.v.m. handelsvorderingen ............................................................. 40
Tabel 12
Samenvatting van de regressieresultaten, klantenkrediet ............................................... 43
Tabel 13
Correlatiematrix voor de sector PU 250, leverancierskrediet .......................................... 45
Tabel 14
Correlatiematrix voor de sector PU 270 leverancierskrediet ........................................... 46
Tabel 15
Resultaten regressies i.v.m. handelsschulden .................................................................. 47
Tabel 16
Correlatiematrix materiële vaste activa en liquide middelen t.o.v. bedrijfsactiva........... 52
Tabel 17
Samenvatting van de regressieresultaten, leverancierskrediet ....................................... 53
Tabel 18
Overzicht NACE-BEL 2008 codes per gebruikte sector ...................................................... IX
Tabel 19
Structuur van de bedrijfsactiva op basis van gemiddelden in absolute cijfers .................. X
Tabel 20
Gemiddelden van het aandeel van verschillende balansposten in het balanstotaal, zonder outliers in eigen vermogen/totale activa en handelsschulden/bedrijfsactiva ...... XI
Tabel 21
Samenstelling van de bedrijfsactiva ................................................................................ XIII
Tabel 22
Correlatiematrix voor de sector PU 270, klantenkrediet................................................. XIV
Tabel 23
Correlatiematrix voor de sector PU 3101, klantenkrediet............................................... XIV
Tabel 24
Correlatiematrix voor de sector PU 3102, klantenkrediet................................................ XV
Tabel 25
Correlatiematrix voor de sector PU 340, leverancierskrediet ......................................... XVI
Tabel 26
Correlatiematrix voor de sector PU 3101, leverancierskrediet ...................................... XVII
Tabel 27
Correlatiematrix voor de sector PU 3102, leverancierskrediet ..................................... XVIII
IV
Lijst van de Figuren Figuur 1
Berekening van de bedrijfsactiva ...................................................................................... 21
Figuur 2
Aantal dagen klantenkrediet en asset turnover ............................................................... 22
Figuur 3
Verdeling van de aard van het schema over de verschillende sectoren (cijfers in percentages) ..................................................................................................................... 26
V
Lijst van de gebruikte afkortingen NBB
Nationale Bank van België
PU 250
Sector productie van uitrustingsgoederen (behalve auto-industrie)
PU 270
Sector productie van voedings- en genotsmiddelen (behalve zetmeel en voeders voor dieren)
PU 3101
Sector groothandel
PU 3102
Sector kleinhandel
PU 340
Sector diensten aan ondernemingen en particulieren
ROBA
Return on Business Assets
MVA
Materiële vaste activa
VI
1.
Inleiding
In deze masterproef zullen we het aandeel handelskrediet in het balanstotaal onderzoeken. Handelskrediet is een vorm van krediet die wordt verleend door een bedrijf aan een ander bedrijf in een klant – leverancier relatie. We vinden handelskrediet bijgevolg in twee vormen terug in de balans. Aan de actiefzijde enerzijds in de vorm van handelsvorderingen ten opzichte van de klanten van een bedrijf en aan de passiefzijde anderzijds in de vorm van handelsschulden ten opzichte van de leveranciers van een bedrijf. Hoewel het hier in feite om één en dezelfde vorm van krediet gaat vanuit een verschillend standpunt, worden klanten- en leverancierskrediet elk beïnvloed door verschillende factoren. Handelskrediet vormt een belangrijk onderdeel van het working capital van een bedrijf en is op die manier een belangrijk operationeel middel. Een grondig inzicht in de determinanten van deze vorm van krediet zal zorgen voor een beter begrip van working capital. In dit werkstuk trachten we vast te stellen door welke bedrijfsspecifieke eigenschappen deze beide vormen van handelskrediet worden beïnvloed en gaan we na of er verschillen zijn in het gebruik van handelskrediet tussen enkele sectoren. We voeren onderzoek naar het gebruik van handelskrediet in Belgische ondernemingen. Uit wetenschappelijk onderzoek naar handelskrediet, onder meer door Petersen en Rajan (1997), blijkt dat we kleine ondernemingen niet kunnen negeren. Hierdoor worden we geconfronteerd met een specifiek probleem in de Belgische context. In onderzoek naar klantenkrediet wordt namelijk vaak gebruik gemaakt het aantal dagen klantenkrediet van een bedrijf. Belgische kleine ondernemingen zijn echter niet verplicht om hun omzet te rapporteren en omzet is een belangrijk element van dit kengetal. In deze masterproef zullen we bijgevolg gebruik maken van het aandeel handelskrediet in het balanstotaal om het gebruik van handelskrediet te onderzoeken. In de literatuur vinden we verschillende theorieën die het gebruik van handelskrediet verklaren. Vanuit deze literatuur identificeren we enkele bedrijfsspecifieke determinanten die het aandeel klanten- en leverancierskrediet in de balans kunnen beïnvloeden. Op basis van Belfirst van Bureau van Dijk stellen we 5 steekproeven uit 5 sectoren (productie van uitrustingsgoederen, productie van voedings- en genotsmiddelen, groothandel, kleinhandel en diensten aan ondernemingen en particulieren) samen. Door middel van regressieanalyse testen we onze hypotheses i.v.m. de determinanten van handelskrediet. We kunnen een groot deel van de effecten van deze determinanten bevestigen. We worden echter ook geconfronteerd met enkele beperkingen als gevolg van het gebruik van handelskrediet gerelateerd tot het balanstotaal.
1
We beginnen deze masterproef met een eerste deel waar we een algemene bespreking geven van de literatuur over handelskrediet. Vervolgens identificeren we de determinanten van handelskrediet en stellen we de hypotheses op die later gebruikt zullen worden in het empirisch onderzoek. In een tweede deel bespreken we hoe de steekproeven werden opgesteld en leggen we uit welke variabelen zullen gebruikt worden in de regressieanalyse. In deel drie bespreken we de hypotheses op basis van de resultaten van regressieanalyses in 5 sectoren. Als laatste besluiten we deze masterproef met een conclusie van de resultaten en enkele slotbemerkingen.
2
2.
Literatuur en hypotheses
2.1.
Handelskrediet
Onder handelskrediet wordt een schuld verstaan die ontstaat ten opzichte van een leverancier als gevolg van verkoopsvoorwaarden die de klant toestaan uitgesteld te betalen (Ng, Smith and Smith, 1999). We spreken van leverancierskrediet, handelsschulden of schulden ten opzichte van leveranciers wanneer een bedrijf betalingsuitstel krijgt van haar leveranciers. We spreken van klantenkrediet, handelsvorderingen of vorderingen ten opzichte van klanten wanneer een bedrijf betalingsuitstel verleent aan haar klanten. Deze vorm van krediet kan worden gesitueerd in een groter geheel van verkoopsvoorwaarden waarbij de klant kan worden gevraagd om ofwel vóór de levering van het product (prepayment, cash before delivery (CBD)), bij levering van het product (Cash on Delivery (COD)) of na de levering van het product te betalen (Postpayment, Trade Credit) (Ng et al., 1999). Deze laatste vorm kan op zich nog eens worden onderverdeeld in leverancierskrediet zonder korting voor contante betaling (net terms) of met korting voor contante betaling (two-part terms). Deze korting voor contante betaling is een vorm van financiële korting. Ng et al. (1999) identificeren 2/10 net 30 als de meest voorkomende vorm van leverancierskrediet met korting voor contante betaling. Deze notatie moet gelezen worden als een betalingstermijn van 30 dagen met een korting van 2% in geval van een betaling binnen de tien dagen. Deze termijn van 30 dagen laat blijken dat handelskrediet typisch een korte termijn krediet is. In de literatuur zijn hiervoor enkele verklaringen te vinden. Volgens de transactionele theorie van Ferris (1981) heeft handelskrediet tot doel om korte termijn discontinuïteiten in geldvoorraad en de daarbij horende financieringskosten te vermijden (infra). Een andere mogelijke verklaring is dat handelskrediet zijn voordelen verliest op het moment dat het geleverde product verwerkt wordt door de klant (Burkart en Ellingsen, 2004). Als het goed is opgegaan in de productie van de klant kan de leverancier het niet meer terugvorderen in geval van faling. Mocht de leverancier zijn klanten op lange termijn krediet toestaan, stijgt het risico op wanbetaling. Burkart, Ellingsen en Giannetti (2005) vinden verder dat een grote groep bedrijven klantenkrediet krijgt aangeboden zonder financiële korting (net terms). Zij vinden in hun onderzoek dat een meerderheid van bedrijven handelskrediet toegestaan krijgt tegen eerder lage kosten. Vooral grote bedrijven zouden financiële kortingen aangeboden krijgen. Vele auteurs wijzen op de hoge opportuniteitskost in de vorm van een impliciete effectieve interestvoet als gevolg van deze two-part terms. Leverancierskrediet van de vorm 2/10 net 30 stemt overeen met een jaarlijkse effectieve interestvoet van 44,6% (Smith, 1987; Petersen and Rajan, 3
1997). Dit zou het gebruik van handelskrediet duurder maken ten opzichte van bankkrediet. De literatuur voorziet enkele verklaringen waarom bedrijven dan toch gebruik zouden maken van handelskrediet. Er zijn verschillende uiteenlopende theorieën terug te vinden in de literatuur die het gebruik van handelskrediet trachten te verklaren. Schwartz (1974) onderscheidt een financieel en een transactioneel motief bij de verstrekking van handelsschulden. Het transactioneel motief houdt volgens Ferris (1981) in dat de klant er baat bij kan hebben om uitstaande bedragen ten opzichte van zijn leverancier te laten accumuleren en deze dan in één keer te betalen. Zonder een bepaalde betalingstermijn zouden bedrijven immers bij levering moeten betalen (Cash on Delivery (COD)). Daarenboven zijn er transactiekosten verbonden aan het verhandelen van liquide middelen. Een onzekere levertermijn zorgt dan voor het ontstaan van een voorraad van zowel geld als goederen uit voorzorg, precautionary money holdings (Elliehausen and Wolken, 1993). Door de uitwisseling van geld en goederen van elkaar te scheiden, kan men deze transactiekosten doen dalen. Deze transactionele theorie kan verklaren waarom handelskrediet wordt verstrekt voor een kortere termijn. Zoals hoger is vermeld, heeft handelskrediet slechts tot doel om korte termijn discontinuïteiten in geldvoorraad en de daarbij horende financieringskosten te vermijden. Ferris (1981) stelt dat door zijn korte termijn handelskrediet een handelsinstrument is eerder dan een financieringsinstrument. Via het financieel motief kan de leverancier klanten ondersteunen die een tekort hebben aan financiële middelen. Indien de leverancier minder credit constraint is dan zijn klant, zal deze gemakkelijker aan financiële middelen geraken. Door gebruik te maken van zijn eigen, gunstigere financiële positie kan de leverancier geld lenen via financiële instellingen of op de financiële markt (Emery, 1984). Dit zal gebeuren tegen een lagere kost. Via de verstrekking van klantenkrediet kan de leverancier vervolgens klanten ondersteunen die zich in financiële moeilijkheden bevinden. Deze theorie wordt ook de liquidity theory genoemd. Schwartz (1974) argumenteert dat de leverancier hier ook baat bij heeft indien deze een lange termijn relatie heeft met zijn klanten. Door het verstrekken van leverancierskrediet geniet de leverancier niet alleen van de impliciete interestinkomsten, maar ook van de toekomstige verkopen aan deze klanten. Deze theorie heeft tot gevolg dat grotere bedrijven, die doorgaans toegang hebben tot meer financiële middelen, meer handelskrediet zullen verstrekken. Schwartz (1974) stelt ook dat in tijden van monetaire contracties in de economie, handelskrediet als een alternatieve bron van financiering kan dienen voor financieel kwetsbare bedrijven. Bedrijven die vóór de monetaire contracties nog net aanspraak konden maken op bankleningen zullen door dit monetair restrictief klimaat geen bankkrediet meer kunnen krijgen. Nilsen (2002) vindt dat vooral kleine bedrijven minder financiering kunnen genieten van banken en 4
daardoor meer aangewezen zijn op handelskrediet. Op die manier zorgt handelskrediet ervoor dat de gevolgen van deze restrictieve maatregelen deels worden verzacht. Grote bedrijven kunnen wel nog gebruik blijven maken van bankkrediet. Smith (1987) wijst daarnaast ook op het belang van informatie-asymmetrie als verklaring voor het bestaan van handelskrediet. De leverancier kan trachten de kredietwaardigheid van zijn klanten in te schatten door te onderzoeken of de klant al dan niet ingaat op de aangeboden financiële korting. Indien de klant de korting voor snelle betaling aan zich laat voorbijgaan, kan dit erop wijzen dat de klant zich in een ongunstige financiële situatie bevindt. De leverancier kan handelskrediet bijgevolg gebruiken als een screening device; hij kan vervolgens beslissen om niet langer leverancierskrediet aan te bieden en telkens cash on delivery (COD) te eisen als hij van oordeel is dat de klant een groot risico heeft op faling. Smith (1987) wijst er echter ook op dat de leverancier er belang bij kan hebben om bepaalde klanten toch leverancierskrediet aan te bieden. In geval van nonsalvageable investments in de klant, heeft de leverancier er baat bij deze investeringen te beschermen en deze klant alsnog krediet te verschaffen. Ng, Smith and Smith (1999) gaan verder in op deze informatie-asymmetrie door te stellen dat de leverancier een relatief voordeel heeft ten opzichte van financiële instellingen. De leverancier verkrijgt immers informatie over de kredietwaardigheid van zijn klanten als een kosteloos bijproduct als gevolg van de verkoopfunctie. Financiële instellingen daarentegen moeten investeren in kredietwaardigheidsonderzoek om deze informatie te verkrijgen. Daarenboven beschikt de leverancier over een netwerk van gelijkaardige klanten; dit stelt hem in staat om de kredietwaardigheid van onderling vergelijkbare klanten te beoordelen. Bovendien kan hij op basis van informatie van zijn volledig klantenbestand bepalen of problemen bij een klant bedrijf-specifiek zijn of betrekking hebben op de volledige sector. Verder heeft de leverancier het recht om goederen terug te vorderen indien de klant deze nog niet heeft betaald in geval van faling. De relatieve waarde van dit goed zal hoger zijn voor de leverancier van het goed dan voor de financiële instelling. In dit opzicht heeft de leverancier opnieuw een relatief voordeel ten opzichte van de financiële instelling (Petersen and Rajan, 1997). Petersen and Rajan (1997) onderscheiden eveneens een aantal theorieën. Vooreerst zijn er financing advantage theories; de leverancier heeft namelijk een relatief voordeel omwille van een aantal redenen. Zoals Smith (1987) aanhaalde zijn leveranciers beter in staat informatie over hun klant te verzamelen. Petersen and Rajan voegen daaraan toe dat de leverancier ook vaker de klant bezoekt, waardoor hij zich een beter beeld kan vormen over de werkelijke situatie van de klant. In het geval er weinig substituten beschikbaar zijn voor het product van de leverancier, 5
kan de leverancier zijn marktmacht gebruiken als de klant beslissingen neemt die de kans op terugbetaling verkleinen. In geval van faling van de klant is de leverancier ook beter in staat om de nog niet verwerkte voorraad van geleverde goederen in beslag te nemen en opnieuw te verkopen. De leverancier beschikt namelijk over een netwerk van gelijkaardige klanten. Dit in tegenstelling tot financiële instellingen. Als tweede is er de price discrimination theory. Deze stelt dat de leverancier in staat is de effectieve prijs voor haar klanten te beïnvloeden door haar kredietvoorwaarden aan te passen. Op deze manier kan ze klanten ondersteunen die zich in moeilijkheden bevinden. Biais en Gollier (1997) bekijken handelskrediet via signaling theory. Financiële instellingen baseren zich volgens deze theorie op de aanwezigheid van leverancierskrediet in de beoordeling van de kredietwaardigheid van hun klanten. Financiële instellingen worden namelijk geconfronteerd met een adverse selection (infra) probleem en de aanwezigheid van leverancierskrediet kan worden geïnterpreteerd als een signaal dat het bedrijf als kredietwaardig wordt aanzien door haar leveranciers. Een laatste belangrijke theorie in de literatuur is de product quality theory. Deze theorie wijst op handelskrediet als een manier om de kwaliteit van een geleverd product te onderzoeken vooraleer de klant het moet betalen (Smith, 1987; Long et al., 1993). Vooral bedrijven die nog geen sterke reputatie hebben opgebouwd, zullen volgens deze theorie meer handelskrediet verstrekken. Bastos en Pindado (2007) wijzen op een adverse selection probleem enerzijds en een moral hazard probleem anderzijds. Het adverse selection probleem houdt in dat de klant niet ex ante kan weten of het product van een leverancier voldoet aan zijn kwaliteitseisen. De klant kan hierdoor worden weerhouden het product te kopen. Door de klant de tijd te geven om voor de betaling het product grondig te controleren wordt dit probleem deels verholpen. Hoe langer de leverancier handelskrediet toestaat, hoe kleiner het adverse selection probleem. Als het product geleverd is, ontstaat er een moral hazard probleem in hoofde van de leverancier. Ex post is de leverancier onzeker of de klant de geleverde producten wel zal betalen; naarmate men de betalingstermijn aan de klant verlengt, wordt het moral hazard probleem groter. Volgens Bastos en Pindado (2007) zal de optimale trade credit policy ontstaan in het evenwicht van beide effecten. Volgens deze theorie zullen sectoren waar geleverde producten aan een grondige kwaliteitscontrole onderworpen moeten worden meer handelskrediet verlenen dan sectoren waar dit niet noodzakelijk is.
6
2.2.
Determinanten van handelskrediet en hypotheses
Vanuit deze theoretische basis kan men factoren identificeren die het aandeel van handelskrediet in het balanstotaal kunnen beïnvloeden. We bespreken dit afzonderlijk voor klantenkrediet en leverancierskrediet aangezien de determinanten voor beide perspectieven kunnen verschillen. 2.2.1. Klantenkrediet Grootte en leeftijd Zoals Schwartz (1974) suggereert met zijn financieel motief zouden bedrijven die meer financiële middelen hebben, meer handelskrediet verstrekken. Petersen en Rajan (1997) benaderen de financiële toestand van het bedrijf door de grootte en de leeftijd van het bedrijf, uitgedrukt als het natuurlijk logaritme van de totale activa en het natuurlijk logaritme van de leeftijd van het bedrijf. Oudere en grotere bedrijven bieden volgens deze theorie meer klantenkrediet aan. De product quality theory langs de andere kant voorspelt dat kleinere bedrijven meer klantenkrediet aanbieden. Volgens deze theorie gebruiken bedrijven klantenkrediet als een vorm van kwaliteitsgarantie. Grotere en oudere bedrijven hebben al een sterke reputatie opgebouwd zullen en daardoor minder klantenkrediet kunnen toestaan. Kleinere en jongere bedrijven hebben nog geen sterke reputatie kunnen opbouwen en zullen daardoor meer klantenkrediet aanbieden als kwaliteitsgarantie (Long et al, 1993). Hypothese 1a
Grootte en leeftijd van een bedrijf zijn positief gerelateerd aan de aangeboden hoeveelheid klantenkrediet.
Hypothese 1b
Grootte en leeftijd van een bedrijf zijn negatief gerelateerd aan de aangeboden hoeveelheid klantenkrediet.
Voorraden Bougheas, Mateut en Mizen (2009) stellen dat bedrijven een incentive hebben om meer handelskrediet aan te bieden en op die manier nieuwe verkopen te promoten waardoor zowel de omzet stijgt als de voorraadkosten dalen. Men beschouwt voorraden en klantenvorderingen bijgevolg binnen een trade-off. Verder kunnen we verwachten dat het effect van voorraden op handelsvorderingen geringer zal zijn voor bedrijven in dienstensectoren. In vergelijking met productiebedrijven moeten deze bedrijven minder voorraden aanhouden voor hun activiteiten. Hypothese2
We verwachten een negatief verband tussen voorraden en de hoeveelheid klantenkrediet die een bedrijf aanhoudt.
7
Liquide middelen De liquidity theory voorspelt dat bedrijven met meer liquide middelen in hun bezit, meer handelskrediet zullen aanbieden (Emery, 1984). In die zin kan men een positieve relatie verwachten tussen de liquiditeitspositie van een bedrijf en de mate waarin het klantenkrediet toestaat (Nadiri, 1969; Ng et al.,1999). Kestens, Van Cauwenberge en Vander Bauwhede (2012) wijzen erop dat bedrijven een hoge liquiditeit kunnen nastreven als prestatiemaatstaf (Bougheas et al., 2009). Bedrijven zullen in dat geval hun liquide middelen niet investeren in handelsdebiteuren. In dit opzicht kan een negatieve relatie worden verwacht tussen de voorraad liquide middelen van een bedrijf en de hoeveelheid handelskrediet die het aanbiedt aan haar klanten. Volgens de transactionele theorie van Ferris (1981) zal eveneens een negatieve relatie worden teruggevonden tussen liquide middelen en de hoeveelheid aangeboden klantenkrediet. De aanwezigheid van klantenkrediet zorgt ervoor dat een bedrijf minder precautionary money holdings moet aanhouden. Hoe meer een bedrijf klantenkrediet verstrekt, hoe minder cash on hand het nodig heeft uit voorzorg. Hypothese 3a
Er is een positieve relatie tussen de hoeveelheid liquide middelen in een bedrijf en het aandeel klantenkrediet in het balanstotaal
Hypothese 3b
Er is een negatieve relatie tussen de liquiditeitspositie van een bedrijf en het aandeel klantenkrediet in het balanstotaal
Intern gegenereerde middelen In navolging van Petersen en Rajan (1997) verwachten we een positieve relatie tussen intern gegeneerde middelen en de hoeveelheid klantenkrediet die een bedrijf verstrekt. Deze bedrijven hebben namelijk meer financiële middelen die ze kunnen vrijmaken om te investeren in handelsvorderingen. Hypothese 4
Er is een positief verband tussen de intern gegeneerde middelen van een bedrijf en de hoeveelheid klantenkrediet die het aanbiedt.
Rendabiliteit Bastos en Pindado (2007) stellen dat de rendabiliteit van een bedrijf de negatieve effecten van het adverse selection probleem kan verminderen. In navolging van de product quality theory zou dit betekenen dat een bedrijf minder klantenkrediet moet aanbieden. Men kan bijgevolg een negatieve relatie verwachten tussen de rendabiliteit van een bedrijf en de hoeveelheid handelsvorderingen. Deze hypothese is nauw verwant aan hypothese 4, beide determinanten (ROBA en intern gegenereerde middelen) zijn rendabiliteitsmaatstaven. 8
Hypothese 5
Er is een negatieve relatie tussen rendabiliteit en het aandeel klantenkrediet in het totaal der activa.
Producteigenschappen en sector Bedrijven die producten verkopen waarvoor een uitgebreidere kwaliteitscontrole noodzakelijk is, zullen volgens de product quality theory meer handelskrediet verstrekken (Biais and Gollier, 1997). Burkart et al. (2005) voorziet een overzicht van sectoren die gedifferentieerde goederen, gestandaardiseerde goederen of diensten verkopen. We verwachten dat bedrijven in sectoren waar gedifferentieerde goederen verkocht worden, meer handelskrediet zullen toekennen. Hypothese 6
In sectoren waar producten verkocht worden waarvoor een uitgebreidere kwaliteitscontrole noodzakelijk is, zullen bedrijven meer handelskrediet toekennen.
2.2.2. Leverancierskrediet Grootte Grotere bedrijven hebben gemakkelijker toegang tot een verscheidenheid aan financiële middelen. Ze zijn minder credit constraint en zullen bijgevolg minder gebruik moeten maken van duur leverancierskrediet (Kestens et al.). Kleinere bedrijven zijn anderzijds meer credit constraint. Kleine bedrijven kennen doorgaans ook een sterke groei waardoor hun vraag naar leverancierskrediet zal stijgen (Petersen and Rajan, 1997). We verwachten dat er een negatief verband is tussen de grootte van een bedrijf en de hoeveelheid leverancierskrediet die het gebruikt. Hypothese 7
Er is een negatieve relatie tussen de grootte van een bedrijf en de hoeveelheid leverancierskrediet die het gebruikt.
Vaste activa Bedrijven met meer vaste activa zullen gemakkelijker hypothecaire kredieten kunnen krijgen bij financiële instellingen op basis van deze activa. Deze bedrijven zullen daarom minder afhankelijk zijn van andere vormen van financiering, zoals leverancierskrediet (Nilsen, 2002). Bastos en Pindado (2007) vullen deze stelling aan door te stellen dat vaste activa de informatie-asymmetrie tussen bedrijven en banken verlichten waardoor het adverse selection probleem bij banken vermindert. We verwachten een negatief verband tussen de vaste activa die een bedrijf bezit en de hoeveelheid handelsschulden die het gebruikt. We willen erop wijzen dat de hypothecaire kredieten die verkregen worden op vaste activa, vaak effectief gebruikt zullen worden ter financiering van deze vaste activa en niet beschikbaar zullen zijn voor andere zaken. Een bedrijf heeft echter ook de mogelijkheid zijn vaste activa te financieren met eigen vermogen. Het bedrijf kan nog niet opgevraagd kapitaal gebruiken of ervoor kiezen nieuw 9
aandelenkapitaal uit te geven. De pecking order theory (Myers and Majluf, 1984) leert ons dat bedrijven hier niet onmiddellijk de voorkeur aan geven, maar het behoort tot de mogelijkheden. Een bedrijf kan in dit geval hypothecair krediet ontvangen op bepaalde vaste activa die al gefinancierd werden met eigen vermogen. Hypothese 8
Er is een negatieve relatie tussen vaste activa in een bedrijf en het aandeel leverancierskrediet op het totaal der passiva.
Voorraden Petersen en Rajan (1997) stellen dat het relatief financieel voordeel van een leverancier ten opzichte van financiële instellingen stijgt naarmate de liquidatiewaarde van de activa van zijn klant groter is. In het geval dat de klant failliet gaat, kan de leverancier eerder geleverde producten terugvorderen en deze opnieuw verkopen. De leverancier beschikt namelijk over een netwerk van gelijkaardige klanten en is op die manier beter in staat de goederen opnieuw door te verkopen. We verwachten dat klanten met een grotere voorraad grondstoffen (en in mindere mate goederen in bewerking en gereed product) meer leverancierskrediet zullen ontvangen (Choi and Kim, 2005). Hypothese 9
Er is een positief verband tussen voorraden in een bedrijf en het aandeel leverancierskrediet in het balanstotaal.
Burkart et al. (2005) beschrijven deze theorie als de collateral hypothesis. Zij stellen dat het effect van voorraden op leverancierskrediet meer uitgesproken zal zijn voor sectoren waarin gedifferentieerde goederen worden verkocht. Het relatief voordeel van leveranciers ten opzichte van financiële instellingen is groter in het geval van gedifferentieerde goederen. Het verschil in waardering van het geleverde tussen de leverancier en de financiële instelling zal groter zijn voor gedifferentieerde goederen. Ook hier kunnen we verwachten dat het effect van voorraden op handelsschulden geringer zal zijn voor dienstenbedrijven dan voor productiebedrijven, Burkart et al. (2005) stellen dat diensten geen collateral value hebben. De database in dit werkstuk staat niet toe om na te gaan uit welke sectoren de leveranciers van een bedrijf afkomstig zijn; we zullen ons moeten beperken tot hypothese 10. Hypothese 10
Het effect van voorraad grondstoffen in een bedrijf op het aandeel leverancierskrediet in het balanstotaal is meer uitgesproken voor sectoren waarin gehandeld wordt in gedifferentieerde goederen.
Klantenkrediet Korte-termijn activa kunnen worden gezien als een maatstaf voor de vraag naar korte-termijn financiering; dit is het matching principle. Het matching principle in finance stelt dat lange-termijn 10
respectievelijk korte-termijn activa gefinancierd moeten worden met lange-termijn respectievelijk korte termijn passiva (Deloof and Jeger, 1999). Bedrijven die dit principe volgen, zullen trachten hun handelsvorderingen te financieren met korte-termijn schulden. We verwachten dat bedrijven die meer klantenkrediet verlenen meer leverancierskrediet zullen gebruiken (Petersen and Rajan, 1997; Deloof and Jegers, 1999). Hypothese 11
Er is een positief verband tussen het aandeel klantenkrediet in totale activa en het aandeel leverancierskrediet in totale passiva.
Liquide middelen Bedrijven met een grote voorraad aan liquide middelen zullen geneigd zijn deze middelen te gebruiken om hun aankopen te betalen. Ze zullen geen gebruik maken van duurder leverancierskrediet (Nilsen, 2002). Bedrijven die een kastekort hebben, zullen dan meer leverancierskrediet gebruiken (Bougheas et al., 2009). Langs de andere kant is het denkbaar dat bedrijven die zich in een slechte liquiditeitspositie bevinden, minder leverancierskrediet aangeboden zullen krijgen (Kestens et al., 2012). Hypothese 12a
Er is een positief verband tussen de liquide middelen in een bedrijf en de hoeveelheid leverancierskrediet.
Hypothese 12b
Er is een negatief verband tussen de liquide middelen in een bedrijf en de hoeveelheid leverancierskrediet.
Bankleningen In de literatuur worden 2 effecten beschreven die de relatie tussen bankleningen en handelskrediet trachten te verklaren. Enerzijds is er een substitutie effect; leveranciers zijn soms geneigd om aan hun klanten te lenen, daar waar banken weigeren deze klanten een lening toe te staan. Dit is in lijn met het financieel motief van Schwartz (1974); bedrijven die gemakkelijker toegang hebben tot financiële middelen zullen deze middelen uitlenen aan hun credit-constrained klanten. In dit opzicht zijn handelskrediet en bankkrediet substituten van elkaar en kunnen we een negatieve relatie veronderstellen (Petersen and Rajan, 1997; Alphonso, Ducret and Serverin, 2006). Langs de andere kant is er een complementair effect. De aanwezigheid van leverancierskrediet kan dienen als een kwaliteitssignaal voor financiële instellingen; het is een teken van vertrouwen van de leverancier ten opzichte van de klant. Binnen deze theorie zijn bankschulden en handelsschulden complementair aan elkaar en kunnen we een positieve relatie verwachten tussen beide (Biais and Gollier, 1997; Burkart and Ellingsen, 2004; Alphonso, Ducret and Serverin, 2006).
11
Hypothese 13a
Er is een positief verband tussen bankschulden en handelsschulden in een bedrijf. (Complementary hypothesis)
Hypothese 13b
Er is een negatief verband tussen bankschulden en handelsschulden in een bedrijf. (Substitution hypothesis)
Intern gegenereerde middelen Intern gegenereerde middelen bevinden zich hoger in de pecking order theory (Myers and Majluf, 1984); een bedrijf dat meer intern gegenereerde middelen heeft, zal minder gebruik maken van extern leverancierskrediet (Kestens et al., 2012; Deloof and Jegers, 1999). Hypothese 14
Bedrijven met meer intern gegenereerde middelen zullen minder handelsschulden hebben.
Groeimogelijkheden Bedrijven die een hoge omzetgroei kennen, zullen een hogere vraag naar financiering hebben om deze groei te ondersteunen. Leverancierskrediet is dan één van de snelst beschikbare vormen van financiering, bijgevolg zal de vraag naar leverancierskrediet stijgen. Vanuit het standpunt van de leverancier zijn bedrijven met sterke omzetgroei interessant om te ondersteunen. Wanneer de activiteit van de klant verhoogt, zal de vraag van die klant naar het product van de leverancier stijgen (Petersen and Rajan, 1997). Hypothese 15
Er is een positieve relatie tussen de omzetgroei van een bedrijf en het aandeel leverancierskrediet in het totaal der passiva.
Overzicht van de hypothesen: H1a Grootte en leeftijd van een bedrijf zijn positief gerelateerd aan de aangeboden hoeveelheid klantenkrediet. H1b Grootte en leeftijd van een bedrijf zijn negatief gerelateerd aan de aangeboden hoeveelheid klantenkrediet. H2
Er is een negatief verband tussen voorraden en de hoeveelheid klantenkrediet die een bedrijf aanhoudt.
H3a Er is een positieve relatie tussen de hoeveelheid liquide middelen in een bedrijf en het aandeel klantenkrediet in het balanstotaal
12
H3b Er is een een negatieve relatie tussen de liquiditeitspositie van een bedrijf en het aandeel klantenkrediet in het balanstotaal H4
Er is een positief verband tussen de intern gegeneerde middelen van een bedrijf en de hoeveelheid klantenkrediet die het aanbiedt.
H5
Er is een negatieve relatie tussen rendabiliteit en het aandeel klantenkrediet relatief tot het totaal der activa.
H6
In sectoren waar producten verkocht worden waarvoor een uitgebreidere kwaliteitscontrole noodzakelijk is, zullen meer handelskrediet toekennen.
H7
Er is een negatieve relatie tussen de grootte van een bedrijf en de hoeveelheid leverancierskrediet die het gebruikt.
H8
Er is een negatieve relatie tussen vaste activa in een bedrijf en het aandeel leverancierskrediet op het totaal der passiva.
H9
Er is een positief verband tussen voorraden in een bedrijf en het aandeel leverancierskrediet in het balanstotaal.
H10 Het effect van voorraad grondstoffen in een bedrijf op het aandeel leverancierskrediet in het balanstotaal is meer uitgesproken voor sectoren waarin gehandeld wordt in gedifferentieerde goederen. H11 Er is een positief verband tussen het aandeel klantenkrediet in totale activa en het aandeel leverancierskrediet in totale passiva. H12a Er is een positief verband tussen de liquide middelen in een bedrijf en de hoeveelheid leverancierskrediet. H12b Er is een negatief verband tussen de liquide middelen in een bedrijf en de hoeveelheid leverancierskrediet. H13a Er is een positief verband tussen bankschulden en handelsschulden in een bedrijf. (Complementary hypothesis) H13b Er is een negatief verband tussen bankschulden en handelsschulden in een bedrijf. (Substitution hypothesis) H14 Bedrijven met meer intern gegenereerde middelen zullen minder handelsschulden hebben. 13
H15 Er is een positieve relatie tussen de omzetgroei van een bedrijf en het aandeel leverancierskrediet in het totaal der passiva.
Tabel 1
H 1 2 3 4 5
Overzicht van de hypothesen en verwacht effect
Klantenkrediet Determinant Grootte/Leeftijd Voorraden Liquide middelen Cashflow ROBA
1
Verw.
H
+/+/+ -
7 8 9 11 12
Leverancierskrediet Determinant Verw. Grootte Vaste Activa Voorraden Handelsvorderingen Liquide middelen
13 Bankkrediet 14 Cashflow 15 Groeipotentieel
1
+ + +/+/+
Hypotheses 6 en 10 worden niet weergegeven.
14
3.
Methodologie
In dit deel wordt eerst besproken welke data gebruikt worden bij het empirisch onderzoek. Als tweede bespreken we alle variabelen die gebruikt zullen worden bij de analyse van handelskrediet; afzonderlijk voor klanten- en leverancierskrediet.
3.1.
Keuze van de sectoren
Vooraleer we zijn overgegaan tot dataverzameling, deden we eerst een klein exploratief onderzoek naar het gemiddelde aandeel handelskrediet in het balanstotaal op basis van de globalisaties voorzien door de Nationale Bank van België (NBB). We wilden in de eerste plaats een beeld krijgen van de mate waarin bedrijven uit verschillende sectoren gebruik maken van klanten- en leverancierskrediet. In tweede instantie hadden we als doel om te controleren of er grote verschillen zijn tussen deze verschillende sectoren. Uit de resultaten blijkt dat er inderdaad vrij grote verschillen zijn in het gebruik van handelskrediet tussen bedrijven uit verschillende sectoren. Zo heeft een bedrijf in de sector groothandel gemiddeld 39,11% van zijn bedrijfsactiva geïnvesteerd in handelsvorderingen. Voor een gemiddelde onderneming in de sector diensten aan ondernemingen en particulieren is dit slechts 7,75%. Voor leveranciersschulden vinden we ook een grote spreiding. Groothandelaars financieren 39,09% van hun bedrijfsactiva met leverancierskrediet, bedrijven in de dienstensector 4,14%. Deze grote spreiding kan worden verklaard door grote verschillen in het gebruik van handelskrediet door bedrijven uit verschillende sectoren. Het is ook mogelijk dat deze ratio’s beïnvloed worden door bepaalde bedrijfskarakteristieken die eigen zijn aan de sector waarin deze bedrijven actief zijn. Deze karakteristieken hebben een invloed op de balansstructuur van een bedrijf. Hierdoor wordt de onderlinge vergelijking van bedrijven uit verschillende sectoren moeilijker. Om met deze bedenkingen rekening te houden, hebben we ervoor gekozen om 5 sectoren afzonderlijk te analyseren. We gaan ervan uit dat bedrijven uit eenzelfde sector een vrij homogene groep vormen, waardoor verschillen in balansstructuur minder uitgesproken zijn.
15
We kozen deze sectoren:
Productie van uitrustingsgoederen (behalve auto-industrie) (PU 250, in wat volgt spreken we over de sector uitrustingsgoederen)
Vervaardiging van voedings- en genotmiddelen (behalve zetmeel en voeders voor dieren) (PU 270, voedingssector)
Groothandel (PU 3101)
Kleinhandel (PU 3102)
Diensten aan ondernemingen en particulieren (PU 340, dienstensector)
In het volgende deel motiveren we deze keuze.
16
Tabel 2
Aandeel handelsvorderingen in het balanstotaal, aandeel leverancierskrediet in het balanstotaal en asset turnover op basis van globalisaties NBB (2011)
Handelsvorderingen
Industrie
Asset Turnover
1/Asset Turnover
0,8954 0,8601 1,0444 1,7856 0,4238 1,7266 1,3452 1,7435 2,3886 0,7439 0,5842 2,8174 3,3357 0,6413 0,1220 1,2805
1,1168 1,1627 0,9575 0,5600 2,3596 0,5792 0,7434 0,5736 0,4187 1,3443 1,7118 0,3549 0,2998 1,5592 8,1951 0,7809
4,14%
0,1220
0,2998
59,61%
32,09%
3,3357
8,1951
0,1134
0,0852
0,9266
1,9503
Vol 17,07% 13,64% 13,65% 30,29% 9,03% 28,78% 28,98% 28,49% 28,34% 15,62% 16,78% 40,74% 19,58% 6,80% 7,41% 22,81%
VKT 24,74% 25,61% 26,16% 28,57% 26,64% 30,80% 31,35% 31,15% 18,61% 27,44% 23,83% 32,43% 11,87% 6,28% 9,91% 15,59%
Tot 17,82% 13,75% 13,71% 30,19% 9,13% 29,03% 29,32% 28,82% 27,24% 16,53% 19,05% 39,11% 15,46% 6,51% 7,75% 21,05%
Vol 15,56% 12,69% 12,01% 25,82% 10,39% 27,08% 22,80% 25,80% 27,54% 14,81% 14,35% 33,18% 44,28% 8,48% 3,22% 19,21%
VKT 17,44% 27,49% 59,61% 18,70% 16,47% 20,38% 21,53% 20,61% 18,26% 20,90% 18,20% 27,64% 21,14% 12,95% 10,00% 14,85%
Tot 15,74% 12,83% 12,25% 25,39% 10,43% 26,24% 22,62% 25,15% 26,49% 15,28% 15,59% 32,09% 31,90% 10,99% 4,14% 18,15%
Minimum
6,80%
6,28%
6,51%
3,22%
10,00%
Maximum
40,74%
32,43%
39,11%
44,28%
(Ongewogen) Standaard deviatie
0,1002
0,0827
0,0976
0,1085
Nijverheid van de niet-metaalhoudende mineralen Chemische industrie Vervaardiging van chemische basisproducten Vervaardiging van verf, vernis en drukinkt Farmaceutische nijverheid Metaalverwerkende nijverheid Productie van uitrustingsgoederen (behalve auto-industrie) Vervaardiging van machines, apparaten en werktuigen Vervaardiging van voedings- en genotmiddelen (behalve zetmeel en voeders voor dieren) Productie van niet-duurzame consumptiegoederen (met uitzondering van Bouwnijverheid Groothandel Kleinhandel Verblijfsaccommodaties, restaurants en cafés Diensten aan ondernemingen en particulieren Geheel van de niet-financiële ondernemingen behalve de coördinatiecentra
2
Handelsschulden
2
Handelsvorderingen worden berekend als: Handelsvorderingen op ten hoogste 1 jaar + Handelsvorderingen op meer dan 1 jaar Handelsschulden worden berekend als: Handelsschulden op ten hoogste 1 jaar (i.e. Leveranciers + te innen wissels) + Handelsschulden op meer dan 1 jaar De percentages onder Handelsvorderingen worden berekend als: Handelsvorderingen / totale bedrijfsactiva De percentages onder Handelsschulden worden berekend als: Leveranciers(schulden) / totale bedrijfsactiva Totale bedrijfsactiva worden berekend als: Totale activa – (Financiële Vaste Activa + Geldbeleggingen + Liquide middelen); in navolging van Deloof en Jegers (1996) worden bedrijfsactiva gebruikt in plaats van de totale activa.
17
18
3.2.
Dataverzameling
De data die voor het empirisch onderzoek worden gebruikt, werden verzameld uit Belfirst, een databank voorzien door Bureau van Dijk die financiële gegevens verzamelt van een groot aantal bedrijven actief in België. Gegevens uit het jaar 2012 werden geselecteerd omdat nog niet alle data voor het jaar 2013 beschikbaar waren. We kozen 5 sectoren om onze hypotheses te testen. We selecteerden 2 productiesectoren; enerzijds de productie van uitrustingsgoederen (PU 250) anderzijds de vervaardiging van voedings- en genotmiddelen (PU 270). Deze sectoren werden gekozen omwille van de aard van hun producten. Producenten van uitrustingsgoederen zoals machines en installaties handelen doorgaans in complexere, meer op maat gemaakte en gedifferentieerde producten. Voedingsproducten daarentegen vervaardigen voornamelijk grote hoeveelheden van gelijkaardige, minder op maat gemaakte producten. Verder kozen we ook de distributiesectoren groothandel (PU 3101) en kleinhandel (PU 3102). Deze worden afzonderlijk bestudeerd omwille van het grote verschil in activiteiten tussen beide sectoren. Als laatste bestudeerden we de dienstensector; diensten aan ondernemingen en particulieren (PU 340). Deze sector bevat een grote verscheidenheid aan bedrijven en is de meest heterogene van de 5 sectoren. Er werden een aantal voorwaarden opgelegd aan de steekproef. Enkel actieve bedrijven werden geselecteerd. Daarnaast werden de sectoren gespecifieerd op basis van de NACE-BEL 2008 codes waarmee de Nationale Bank van België (NBB) haar globalisaties opstelt (zie bijlage, tabel 18 voor een overzicht van deze codes). Een belangrijke opmerking bij deze stap is dat enkel rekening werd gehouden met de NACE-BEL-code van de hoofdactiviteit van een bedrijf. Vervolgens selecteerden we enkel bedrijven waarvoor het totaal der activa beschikbaar was voor het jaar 2012 en die rapporteren volgens het verkorte of volledige schema. Zo worden geconsolideerde jaarrekeningen buiten beschouwing gelaten, ook Belgische associaties en Luxemburgse ondernemingen werden uitgesloten van de steekproef. Als laatste werd opgelegd dat het bedrijf zich in een normale rechtstoestand moet bevinden. Bedrijven die niet meer operationeel zijn omdat ze bijvoorbeeld in vereffening zijn, hebben vaak een zeer afwijkende balansstructuur. Op deze manier krijgen we een database van 5838 bedrijven in de sector uitrustingsgoederen en 3948 in de voedingssector. Voor de sectoren groothandel, kleinhandel en diensten werd een willekeurige steekproef getrokken van 6000 bedrijven in elke sector.
19
Als laatste stap werd de consistentie van de balansgegevens uit de database gecontroleerd. Zoals in het volgende onderdeel wordt uitgelegd zijn de bedrijfsactiva van een bedrijf zeer belangrijk voor verdere analyse. Voor de berekening van deze bedrijfsactiva zijn verschillende balansposten nodig, die vaak als ‘niet beschikbaar’ worden weergegeven door Belfirst. Dit is vaak het geval voor balansposten waarbij de subcategorieën van deze balanspost nul zijn. Zo zal de post financiële vaste activa niet beschikbaar zijn als de sub-posten verbonden ondernemingen, ondernemingen waarmee een deelnemingsverhouding bestaat en andere financiële vaste activa allemaal nul zijn. Om te testen of de data consistent zijn, wordt nagegaan of de som van alle grote actief- en passiefposten gelijk is aan het balanstotaal in het geval we niet beschikbare data als nul veronderstellen. We vinden een zeer hoge consistentie in de data, er worden geen gevallen vastgesteld waarbij niet beschikbare data noemenswaardig afwijken van nul (rekening houdend met afrondingen). Het belang van deze bewerking blijkt uit een kleine steekproef; voor 45,28% van de bedrijven uit de sector productie van uitrustingsgoederen (PU 250) zijn de financiële vaste activa niet beschikbaar. Financiële activa zijn een belangrijk onderdeel om bedrijfsactiva te berekenen, bijgevolg zou men de bedrijfsactiva van deze bedrijven niet kunnen berekenen. Nadat we de consistentie van de data testten, bleek dat deze niet beschikbare data nul zijn.
3.3.
Variabelen klantenkrediet
Opnieuw zullen we klanten- en leverancierskrediet afzonderlijk bespreken, in overeenstemming met de theoretische bespreking van de determinanten van handelskrediet. In dit deel zullen we een beschrijving geven van de eigenlijke afhankelijke, onafhankelijke en controlevariabelen die in het empirisch onderzoek gebruikt zullen worden en de wijze waarop deze worden berekend. Zowel bij het onderzoek naar klantenkrediet als leverancierskrediet worden de (meeste) variabelen berekend op basis van de bedrijfsactiva van een bedrijf. In dat opzicht onderzoeken we eerder het aandeel van handelskrediet op bedrijfsactiva dan het balanstotaal. We maken gebruik van bedrijfsactiva in plaats van de totale activa, omdat we merken dat het aandeel van financiële activa in de totale activa sterk kan verschillen tussen bedrijven (beschrijvende statistiek, zie tabel 4, p. 27). Handelskrediet is in essentie een operationeel middel en staat los van de puur financiële activiteiten van een bedrijf. Een bedrijf met aanzienlijke deelnemingen in verbonden ondernemingen kan niet worden vergeleken met een bedrijf dat operationeel gezien identiek is als men gebruik zou maken van handelskrediet op het balanstotaal.
20
De bedrijfsactiva kunnen op 2 manieren worden berekend:
Figuur 1
Berekening van de bedrijfsactiva
Een tekortkoming van deze methode is dat ze geen rekening houdt met het gedeelte liquide middelen dat gebruikt wordt voor operationele doeleinden.
3.3.1. Afhankelijke variabele In de literatuur maakt men bij de analyse van klantenkrediet vaak gebruik van het aantal dagen klantenkrediet. Door middel van deze ratio kan men onmiddellijk de structuur van het klantenkrediet waarnemen. Daarenboven wordt door deze ratio de vergelijking tussen bedrijven mogelijk. Omzet is een zeer belangrijk element in de berekening van het aantal dagen klantenkrediet. In de Belgische context is het echter niet altijd mogelijk om deze kengetallen te berekenen. Belgische ondernemingen die hun jaarrekening rapporteren volgens het verkorte schema zijn immers niet verplicht om hun omzet bekend te maken. Er kan een vertekening ontstaan wanneer men onderzoek verricht op basis van die bedrijven die in hun verkorte jaarrekening hun omzet wel vermelden. Uit een onderzoek door Petersen en Rajan (1994) blijkt het belang van handelskrediet voor kleine ondernemingen. Om alsnog onderzoek te kunnen verrichten naar het belang van handelskrediet in alle Belgische ondernemingen zal men op zoek moeten gaan naar een ander meetinstrument. In navolging van Cuñat (2006) zou men gebruik kunnen maken van handelskrediet gerelateerd aan het totaal van de activa. Zoals werd vastgesteld uit een exploratief onderzoek op basis van de globalisaties voorzien door de Nationale Bank van België (tabel 1), blijkt dat er zeer grote verschillen zijn tussen verschillende sectoren. Zoals eerder werd gesteld kunnen er distorsies ontstaan wanneer men kiest voor handelskrediet gerelateerd aan bedrijfsactiva als substituut voor het aantal dagen handelskrediet. We zullen deze distorsies trachten te minimaliseren door onderzoek te verrichten in 5 sectoren afzonderlijk.
21
De relatie tussen het aantal dagen klantenkrediet en het aandeel handelsvorderingen in het totaal actief is gegeven door de inverse van de asset turnover of de omloopsnelheid van het actief.
Figuur 2
Aantal dagen klantenkrediet en asset turnover
De relatief grote spreiding in de omloopsnelheid van het actief die Long, Malitz and Ravid vinden (1993), laat vermoeden dat de ratio’s aantal dagen klantenkrediet en het aandeel handelsvorderingen in de bedrijfsactiva geen perfecte substituten zijn. Long et al. (1993) rapporteren een standaarddeviatie van 0,615 met een gemiddelde van 1,514. Op basis van de globalisaties van de NBB vinden we ook een vrij grote spreiding. Met deze bemerkingen in het achterhoofd kiezen we handelsvorderingen op bedrijfsactiva als afhankelijke variabele. Handelsvorderingen bevatten zowel handelsvorderingen op meer dan één jaar als handelsvorderingen op ten hoogste één jaar. 3.3.2. Onafhankelijke variabelen Om onze hypotheses te verklaren worden volgende onafhankelijke variabelen gebruikt: Grootte. De grootte van een bedrijf wordt berekend als het natuurlijk logaritme van de bedrijfsactiva, we gebruiken het natuurlijk logaritme om de invloed van zeer grote bedrijven te verkleinen. Daarnaast wordt ook het kwadraat van grootte (grootte²) toegevoegd om te onderzoeken of er een kwadratisch verband is. Omwille van de hoge correlatie tussen deze beide variabelen, werd grootte gecentreerd rond het gemiddelde en werd grootte² berekend als het kwadraat van deze gecentreerde variabele. Leeftijd. De variabele leeftijd wordt berekend als het natuurlijk logaritme van het aantal jaren dat het bedrijf actief is, berekend op basis van de oprichtingsdatum van het bedrijf. Opnieuw werden deze waarden gecentreerd en werd een gekwadrateerde variabele leeftijd² geïntroduceerd, in navolging van Alfphonso, Ducret en Severin (2003).
22
Voorraden. Deze variabele wordt berekend door voorraden te delen door bedrijfsactiva. Hypothese 2 heeft voornamelijk betrekking op de voorraad eindproducten; de jaarrekening volgens het verkorte schema voorziet echter niet in een opdeling van de voorraad. Bijgevolg wordt enkel voor bedrijven die rapporteren volgens het volledige schema, het aandeel van gereed product en handelsgoederen op bedrijfsactiva berekend (Voorraad Gereed Product en Handelsgoederen). Liquide middelen. Deze variabele wordt uitzonderlijk berekend in relatie tot de totale activa. Uit de data is gebleken dat de ratio liquide middelen op bedrijfsactiva een te grote spreiding kent om voor analyse in aanmerking te komen. Bovendien vermoeden we dat bedrijven hun liquiditeitspositie eerder zullen beoordelen op basis van alle activa in plaats van enkel bedrijfsactiva. Cash Flow. Als maatstaf voor de intern gegenereerde middelen wordt de cash flow van het bedrijf gedeeld door de bedrijfsactiva gebruikt. We gebruiken variabele cash flow uit Belfirst, deze wordt berekend als het resultaat van het boekjaar verhoogd met de afschrijvingen van dat boekjaar. Return on Business Assets (ROBA). Om de rendabiliteit van het bedrijf uit te drukken wordt de ratio van winst of verlies van het boekjaar gedeeld door bedrijfsactiva gebruikt. Deze variabelen zullen ook dienen als controlevariabele voor hypotheses waar ze niet expliciet dienst doen als onafhankelijke variabele.
3.4.
Variabelen Leverancierskrediet
In dit deel beschrijven we de variabelen die gebruikt worden bij de analyse van het aandeel leverancierskrediet in de bedrijfsactiva. Opnieuw worden de meeste variabelen gerelateerd aan de bedrijfsactiva en dus niet aan de totale activa. 3.4.1. Afhankelijke Variabelen Analoog aan klantenkrediet zullen we de verhouding leverancierskrediet tot bedrijfsactiva gebruiken. Het totale verstrekte leverancierskrediet wordt berekend als de som van handelsschulden op meer dan één jaar en handelsschulden op ten hoogste één jaar gedeeld door de bedrijfsactiva. Handelsschulden zijn steeds samengesteld uit leveranciers enerzijds en te betalen wissels anderzijds. Meer beschrijvende statistiek over de samenstelling van het leverancierskrediet in de balans wordt gegeven in tabellen 5 en 7. 3.4.2. Onafhankelijke variabelen De variabelen Grootte, Grootte², Leeftijd, Leeftijd², Liquide middelen en Cash Flow zijn dezelfde als deze beschreven bij klantenkrediet en zullen niet opnieuw worden uitgelegd.
23
Materiële vaste activa. We benaderen de activa waarvoor het bedrijf een hypothecair krediet kan krijgen door materiële vaste activa en niet door alle vaste activa. We denken dat deze categorie van vaste activa het meest in aanmerking komt om een hypothecair krediet te krijgen, andere vaste activa zoals oprichtingskosten, immateriële vaste activa en financiële vaste activa voldoen niet echt aan deze voorwaarde. Voorraden. De variabele voorraden is identiek aan deze vermeld onder klantenkrediet. Daarnaast wordt voor bedrijven die rapporteren volgens het volledige schema de verhouding van grondstoffen en hulpstoffen op de bedrijfsactiva berekend (Voorraad Grondstoffen en Hulpstoffen). Hypothese 9 heeft namelijk eerder betrekking op grondstoffen en hulpstoffen dan op de totale voorraad. Handelsvordering. We gebruiken handelsvorderingen gedeeld door bedrijfsactiva, zoals bij klantenkrediet. Bankkrediet. Deze maatstaf wordt berekend als de som van kredietinstellingen op meer dan één jaar en kredietinstellingen op ten hoogste één jaar gedeeld door bedrijfsactiva. Voor bedrijven die rapporteren volgens het verkorte schema werd noodgedwongen de rubriek kredietinstellingen, leasingschulden en soortgelijke schulden gebruikt in plaats van kredietinstellingen op meer dan één jaar. Om het groeipotentieel van een bedrijf te benaderen gebruiken we 3 alternatieven: de groeivoet van de toegevoegde waarde, EBIT en omzet. Toegevoegde waardegroei (TW-groei). De groeivoet van de toegevoegde waarde wordt berekend met deze formule:
EBIT-groei. Deze variabele wordt berekend op dezelfde manier als TW-groei Omzet-groei. Voor bedrijven waarvoor de omzet beschikbaar is, wordt de groeivoet van de omzet berekend. Deze variabelen zullen ook dienen als controlevariabele voor hypotheses waar ze niet expliciet dienst doen als onafhankelijke variabele.
24
4.
Resultaten
We gaan nu over tot het beschrijven van de resultaten van het empirisch onderzoek. Eerst voorzien we beschrijvende statistiek van de steekproeven in het algemeen, als tweede kijken we naar de resultaten van het onderzoek naar handelskrediet in het bijzonder. Dit tweede gedeelte zal opnieuw worden opgesplitst in de resultaten van het onderzoek naar klantenkrediet enerzijds en leverancierskrediet anderzijds, analoog aan de bespreking van de theoretische determinanten en de empirische variabelen.
4.1.
Beschrijvende Statistiek
Vooraleer we de hypothesen over handelskrediet in de verschillende sectoren onderzoeken is het belangrijk om een algemeen beeld te krijgen van de verschillende steekproeven die werden genomen uit 5 verschillende sectoren. Als eerste zullen we kijken naar de gemiddelde balansstructuur van bedrijven uit deze sectoren. Op basis van tabel 4 kunnen we allereerst afleiden dat bedrijven uit de sector diensten aan bedrijven en particulieren (PU 340) op basis van het balanstotaal en de bedrijfsactiva veruit de grootste zijn. Ze hebben gemiddeld ook meer
werknemers. Bedrijven uit de
sectoren
productie van
uitrustingsgoederen (PU 250) en kleinhandel (PU 3102) zijn dan weer de kleinste. We trekken dezelfde conclusie als we kijken naar het aandeel van grote en kleine bedrijven in de verschillende sectoren, i.e. het aandeel bedrijven dat rapporteert volgens het volledige respectievelijk het verkorte schema. Deze resultaten worden weergegeven in tabel 3 en figuur 2. Hieruit blijkt dat voor de sector uitrustingsgoederen, de voedingssector en de sector kleinhandel het merendeel van de bedrijven rapporteren volgens het verkorte schema en dus kleine bedrijven zijn. Anderzijds zijn in de sectoren groothandel en diensten voornamelijk grote bedrijven actief. Tabel 3
Verdeling van de aard van het schema over de verschillende sectoren (cijfers in percentages)
Sector Uitrustingsgoederen Voeding Groothandel Kleinhandel Diensten Totaal
Schema Volledig
Verkort
15,99 17,89 71,84 21,00 70,83 42,22
84,01 82,11 28,16 79,00 29,17 57,78
25
100%
80%
60% Verkort Volledig
40%
20%
0% PU 250
PU 270
PU 3101
PU 3102
PU 340
Totaal
Figuur 3 Verdeling van de aard van het schema over de verschillende sectoren (cijfers in percentages)
3
3
Verder kunnen we uit tabel 4 aflezen dat veel bedrijven een aanzienlijk deel van hun vermogen investeren in financiële vaste activa. Voor de sector productie van voedings- en genotsmiddelen (PU 270) bedraagt de post financiële vaste activa zelfs 56,89%. Het resultaat hiervan is dat in 3 van de 5 sectoren het aandeel bedrijfsactiva in totale activa gemiddeld niet eens 50% bedraagt. Verderop zullen we deze financiële activa uitgebreider analyseren (i.e. financiële vaste activa, liquide middelen en geldbeleggingen). Omwille van dit groot aandeel financiële vaste activa is in tabel 19 (in bijlage) een overzicht van de bedrijfsactiva weergegeven. Daaruit blijkt dat bedrijven uit de sector productie van voedings- en genotsmiddelen (PU 270) een groter deel van hun vermogen hebben geïnvesteerd in vaste activa. Daarnaast zien we dat bedrijven uit de sector diensten aan bedrijven en particulieren (PU 340) aanzienlijk minder voorraden aanhouden, slechts 3.47% van de bedrijfsactiva tegenover 13.55% tot 27.66% in de ander sectoren. Deze bevinding is in overeenstemming met de verwachtingen. Door de activiteiten van bedrijven in deze sector zijn zij minder genoodzaakt om grote hoeveelheden voorraden aan te houden.
3
PU 250: sector uitrustingsgoederen PU 270: voedingssector PU 340: dienstensector
PU 3101: groothandel PU 3102: kleinhandel
26
Tabel 19 staat ons toe om al een eerste analyse te maken van de structuur van het handelskrediet in de verschillende sectoren. Deze resultaten worden weergegeven in tabel 5; de gegevens werden berekend in verhouding tot de gemiddelde bedrijfsactiva. De percentages die we vinden, zijn gelijkaardig aan deze die we vonden op basis van de globalisaties van de NBB. Uit deze gewogen gemiddelden kunnen we afleiden dat bedrijven uit de dienstensector het minst gebruik maken van handelskrediet; ze hebben het kleinste aandeel handelsvorderingen en handelsschulden op bedrijfsactiva. Bedrijven uit de sector groothandel bezitten de meeste handelsvorderingen, bedrijven uit de sector kleinhandel financieren de meeste met handelsschulden. Op basis van deze cijfers kunnen we ook zien dat handelskrediet typisch een korte termijn middel is. Zowel handelsvorderingen op lange termijn als handelsschulden op lange termijn worden nauwelijks gebruikt. Een uitzondering hierop zijn bedrijven uit de dienstensector 340 die 4,11% van hun activa geïnvesteerd hebben in handelsvorderingen op lange termijn.
27
28
Tabel 4
Balansstructuur van gemiddeld bedrijf op basis van gemiddelde van absolute cijfers Uitrustingsgoederen
Vaste activa Oprichtingskosten
3.244.534,16 44,87%
4
Voeding 8.992.668,72 70,28%
Groothandel 8.882.931,84 39,74%
Kleinhandel
Diensten
3.678.194,84 60,36%
43.049.991,23 52,86%
1.522,48 0,02%
1.951,11 0,02%
3.972,21 0,02%
3.769,82 0,06%
30.010,08 0,04%
Immateriële vaste activa
172.914,10 2,39%
248.075,00 1,94%
605.966,69 2,71%
97.925,66 1,61%
553.107,25 0,68%
Materiële vaste activa
791.310,30 10,94%
1.463.743,65 11,44%
1.408.009,11 6,30%
Financiële vaste activa
2.278.787,29 31,52%
7.278.898,72 56,89%
6.864.983,99 30,71%
2.854.243,92 46,84%
34.736.504,32 42,66%
3.986.077,76 55,13%
3.802.334,80 29,72%
13.469.788,83 60,26%
2.415.764,39 39,64%
38.385.936,58 47,14%
Vorderingen op meer dan één jaar
328.792,08 4,55%
119.031,28 0,93%
493.819,32 2,21%
89.038,49 1,46%
8.647.660,07 10,62%
Handelsvorderingen (>1j)
25.593,65 0,35%
3.987,42 0,03%
20.138,07 0,09%
32.120,75 0,53%
1.626.102,20 2,00%
Overige vorderingen (>1j)
303.198,43 4,19%
115.043,86 0,90%
473.681,25 2,12%
56.919,29 0,93%
7.021.558,04 8,62%
935.158,00 12,93%
823.768,89 6,44%
3.401.522,08 15,22%
751.585,79 12,33%
1.720.505,16 2,11%
Vlottende activa
Voorraden en Best. In Uitv Voorraden
722.245,53 11,85%
7.730.370,58 9,49%
581.389,44 8,04%
823.027,20 6,43%
3.308.939,31 14,80%
723.677,33 11,88%
1.370.357,63 1,68%
2.024.445,18 28,00%
2.066.990,52 16,15%
7.639.682,81 34,18%
913.352,55 14,99%
20.114.777,31 24,70%
Handelsvorderingen (<1j)
1.148.132,24 15,88%
1.277.970,96 9,99%
5.361.899,10 23,99%
552.158,50 9,06%
3.804.998,98 4,67%
Overige vorderingen (<1j)
876.312,95 12,12%
789.019,56 6,17%
2.277.784,05 10,19%
361.203,95 5,93%
16.309.779,17 20,03%
Geldbeleggingen
213.651,30 2,95%
187.701,42 1,47%
586.929,98 2,63%
263.264,68 4,32%
4.891.602,59 6,01%
Liquide middelen
447.882,18 6,19%
559.004,88 4,37%
1.217.313,59 5,45%
360.567,03 5,92%
2.272.792,54 2,79%
36.148,88 0,50%
45.836,30 0,36%
130.521,04 0,58%
37.922,64 0,62%
738.599,09 0,91%
Vorderingen op ten hoogste één jaar
Overlopende Rekeningen (Actief) Totaal der activa
7.230.611,91
Eigen vermogen
3.357.388,62 46,43%
5.006.544,72 39,13%
9.157.347,14 40,97%
210.352,06 2,91%
131.999,81 1,03%
297.377,82 1,33%
3.662.871,24 50,66%
7.656.458,22 59,84%
12.897.995,20 57,70%
3.618.702,34 59,38%
36.080.980,59 44,31%
1.302.337,66 18,01%
3.905.469,24 30,52%
3.688.263,29 16,50%
1.471.924,13 24,15%
16.309.534,20 20,03%
1.147.143,86 15,87%
3.817.166,56 29,83%
3.391.284,14 15,17%
1.427.957,72 23,43%
15.755.117,63 19,35%
Voorzieningen en uitgestelde belastingen Schulden Schulden op meer dan één jaar Financiële schulden (>1j)
4
12.795.002,76
22.352.720,48
6.093.959,21
81.435.928,48
2.422.130,38 39,75%
43.599.802,78 53,54%
53.126,17 0,87%
1.755.144,79 2,16%
Gemiddelden werden berekend op basis van de onbewerkte steekproeven en op basis van de balansposten in absolute cijfers Percentages werden berekend op basis van het balanstotaal
29
Handelsschulden (>1j)
3.977,79 0,06%
1.936,22 0,02%
2.815,53 0,01%
825,00 0,01%
12.462,17 0,02%
Leveranciers (>1j)
3.761,31 0,05%
1.656,29 0,01%
2.213,25 0,01%
208,39 0,00%
11.896,57 0,01%
0,00 0,00%
0,00 0,00%
31,03 0,00%
1,01 0,00%
0,00 0,00%
Te betalen wissels (>1j) Schulden op ten hoogste één jaar
2.265.565,09 31,33%
3.651.592,03 28,54%
8.921.254,79 39,91%
2.095.834,08 34,39%
18.850.186,11 23,15%
Financiële schulden (<1j)
336.190,73 4,65%
1.346.132,74 10,52%
2.090.687,96 9,35%
298.246,40 4,89%
6.356.165,06 7,81%
Handelsschulden (<1j)
842.164,25 11,65%
1.257.810,13 9,83%
4.476.114,72 20,02%
1.030.973,62 16,92%
2.816.500,07 3,46%
Leveranciers (<1j)
838.206,85 11,59%
1.256.532,46 9,82%
4.470.125,99 20,00%
1.026.842,73 16,85%
2.815.309,83 3,46%
Te betalen wissels (<1j) Overlopende Rekeningen (Passief)
3.957,40 0,05%
1.277,67 0,01%
5.988,73 0,03%
4.131,82 0,07%
1.190,08 0,00%
94.968,50 1,31%
99.397,21 0,78%
288.477,63 1,29%
50.927,37 0,84%
921.259,78 1,13%
Totaal der passiva
7.230.611,91
Bedrijfsactiva (gemiddelde)
4.290.291,15 59,34%
Bedrijfsactiva (mediaan)
12.795.002,76 4.769.397,74 37,28%
22.352.720,48
6.093.959,21
81.435.928,48
13.683.492,91 61,22%
2.615.883,58 42,93%
39.535.029,03 48,55%
424.317,00
304.169,00
3.216.909,00
232.200,00
2.893.615,50
Gemiddeld aantal werknemers
17,14
16,24
24,53
13,91
49,20
Leeftijd
21,66
21,99
27,01
17,86
21,41
Valid N (listwise)
5838
3948
6000
6000
6000
Tabel 5
Structuur van het handelskrediet op basis van Tabel 2
5
Uitrustingsgoederen
Voeding
Groothandel
Kleinhandel
Diensten
Handelsvorderingen Handelsvorderingen (>1j) Handelsvorderingen (<1j)
27,36% 0,60% 26,76%
26,88% 0,08% 26,80%
39,33% 0,15% 39,19%
22,34% 1,23% 21,11%
13,74% 4,11% 9,62%
Handelsschulden Handelsschulden (>1j) Leveranciers (>1j) Te betalen wissels (>1j) Handelsschulden (<1j) Leveranciers (<1j) Te betalen wissels (<1j)
19,72% 0,09% 0,09% 0,00% 19,63% 19,54% 0,09%
26,41% 0,04% 0,03% 0,00% 26,37% 26,35% 0,03%
32,73% 0,02% 0,02% 0,00% 32,71% 32,67% 0,04%
39,44% 0,03% 0,01% 0,00% 39,41% 39,25% 0,16%
7,16% 0,03% 0,03% 0,00% 7,12% 7,12% 0,00%
5
Percentages werden berekend op basis van de gemiddelde bedrijfsactiva in absolute cijfers.
30
We merken op dat de mediaan van de bedrijfsactiva consequent lager is dan het gemiddelde van de bedrijfsactiva; weergegeven in tabel 4. Hieruit blijkt dat er een kleiner aantal zeer grote bedrijven is ten opzichte van een meerderheid aan kleinere bedrijven. Het gemiddelde van de balansposten in absolute cijfers zal dan vooral beïnvloed worden door deze grote bedrijven. Daarom kiezen we ervoor naast de gegevens uit tabel 4 ook de gemiddelden te berekenen van de verhoudingen van de verschillende balansposten op het balanstotaal. Deze gegevens worden weergegeven in tabel 6. In tabel 6 valt onmiddellijk op dat het aandeel van financiële vaste activa in het balanstotaal sterk kleiner is dan in tabel 4. Dit kan erop wijzen dat vooral grote bedrijven veel financiële vaste activa in hun balans hebben. Langs de andere kant merken we dat vooral het aandeel liquide middelen hoger ligt. Opnieuw stellen we vast dat bedrijven uit de sector PU 340 minder voorraden aanhouden. Langs de passiefzijde stellen we vast dat het aandeel eigen vermogen in het balanstotaal voor de sectoren PU 250 en PU 270 sterk negatief is. Dit merkwaardige fenomeen kan worden verklaard door een aantal sterke outliers in deze sectoren in de variabele eigen vermogen gedeeld door het balanstotaal. Het betreft bedrijven die niet meer rendabel zijn en een aanzienlijke hoeveelheid overgedragen verlies geboekt hebben als eigen vermogen. Dit negatief eigen vermogen ondergraaft het balanstotaal en verhoogt de verhouding handelsschulden op het balanstotaal. We hebben ervoor gekozen om deze outliers te verwijderen in alle 5 sectoren. Verder werden ook voor de variabele handelsschulden op bedrijfsactiva enkele sterke outliers gevonden en verwijderd op basis van gestandaardiseerde scores (z-scores). In dit geval zijn het vaak bedrijven die een aanzienlijke hoeveelheid financiële activa bezitten. Hierdoor is het aandeel bedrijfsactiva op de totale activa zeer klein. In het geval dat deze bedrijven hun activa financieren met handelsschulden, wordt de verhouding handelsschulden op bedrijfsactiva zeer groot. Bedrijven die werden verwijderd uit de steekproef, hadden vaak een verhouding bedrijfsactiva op totale activa van minder dan 10%. Dit illustreert dat bepaalde bedrijven hun financiële activa financieren met handelskrediet. Handelskrediet wordt blijkbaar niet altijd gebruikt als een puur operationeel middel. Op deze manier werden 220 bedrijven verwijderd uit een totaal van 27.566 (23, 37, 56, 60 en 64 respectievelijk voor de sectoren PU 250, PU 270, PU 3101, PU 3102 en PU 340). Nadat deze outliers verwijderd werden, blijken de gemiddelde resultaten realistischer geworden. Deze resultaten zijn weergegeven in tabel 20 (in bijlage). Deze bewerking verandert weinig aan de structuur van de activa.
31
Verder merken we ook op dat de standaardafwijking van de meeste balansposten over alle sectoren heen redelijk groot is. Dit wijst erop dat binnen sectoren verschillen in balansstructuur te vinden zijn. De standaarddeviaties voor de sector PU 340 zijn het hoogste. Dit is in overeenstemming met wat we verwacht hadden, namelijk dat deze sector het meest heterogeen is. Op basis van tabel 20 kunnen we opnieuw de structuur van handelskrediet afleiden, maar dit keer op basis van relatieve cijfers, i.e. de verhouding van de verschillende bestanddelen van handelskrediet tot de bedrijfsactiva. We rapporteren gemiddelde, mediaan en standaarddeviatie. Deze resultaten worden weergegeven in tabel 7. Op basis van deze cijfers krijgen we een heel ander beeld dan aan de hand van tabel 5. Bedrijven uit de dienstensector gebruiken niet langer opvallend minder handelskrediet, integendeel. Dienstenbedrijven hebben gemiddeld 36,72% van hun vermogen geïnvesteerd in handelskrediet en financieren 27,96% van hun activa met leverancierskrediet. Op basis van deze cijfers kunnen we verder stellen dat groothandelaars gemiddeld het meeste handelskrediet verstrekken en ook het meeste gebruik maken van leverancierskrediet. Langs de andere kant constateren we dat kleinhandelaars minder klantenkrediet verstrekken, gemiddeld 15,19% met een mediaan van 4,98%. Dit lijkt een realistische bevinding; klanten van een kleinhandelaar betalen typisch contant en er wordt doorgaans geen klantenkrediet verleend. Het grote verschil tussen de mediaan en het gemiddelde in deze sector illustreert dat een meerderheid aan bedrijven minder klantenkrediet toekent. We zien ook dat bedrijven uit de voedingssector minder handelskrediet verlenen aan hun klanten dan bedrijven uit de sector uitrustingsgoederen 6 . Burkart et al. (2005) definiëren de sector uitrustingsgoederen als een sector waarin gedifferentieerde goederen worden verkocht; voedingsproducenten langs de andere kant verkopen gestandaardiseerde goederen volgens deze opdeling. Aan de hand hiervan kunnen we, met de nodige voorzichtigheid, hypothese 6 bevestigen (In sectoren waar producten verkocht worden waarvoor een uitgebreidere kwaliteitscontrole noodzakelijk is, zullen bedrijven meer handelskrediet toekennen.). Deze hypothese zal verder niet meer besproken worden bij gebrek aan de nodige gegevens om deze stelling te testen.
6
Gemiddelden zijn significant verschillend van elkaar op het 1% significantieniveau op basis van een onafhankelijke t-test voor verschillen.
32
Tabel 6
Gemiddelden van het aandeel van verschillende balansposten in het balanstotaal Uitrustingsgoederen
Mean
Std. Dev.
Voeding
Mean
Std. Dev.
Groothandel
Mean
Kleinhandel
Diensten
Std. Dev.
Mean
Std. Dev.
Mean
Std. Dev.
Vaste activa Oprichtingskosten Immateriële vaste activa Materiële vaste activa Financiële vaste activa
30,45% 0,06% 1,50% 25,71% 3,18%
0,2637 0,0095 0,0703 0,2494 0,1268
47,92% 0,12% 1,82% 42,65% 3,33%
0,2974 0,0127 0,0721 0,2987 0,1277
20,39% 0,03% 1,32% 14,41% 4,64%
0,2261 0,0042 0,0554 0,1825 0,1481
30,90% 0,09% 3,00% 24,93% 2,88%
0,2603 0,0124 0,0962 0,2410 0,1042
36,02% 0,05% 2,51% 22,54% 10,92%
0,3383 0,0060 0,0885 0,2975 0,2412
Vlottende activa Vorderingen op meer dan één jaar Handelsvorderingen (>1j) Overige vorderingen (>1j) Voorraden en Best. In Uitv Voorraden Vorderingen op ten hoogste één jaar Handelsvorderingen (<1j) Overige vorderingen (<1j) Geldbeleggingen Liquide middelen Overlopende Rekeningen (Actief)
69,55% 0,69% 0,12% 0,58% 13,20% 11,32% 34,85% 26,12% 8,72% 3,26% 16,52% 1,03%
0,2637 0,0565 0,0218 0,0522 0,1672 0,1571 0,2469 0,2109 0,1660 0,1135 0,2019 0,0348
52,08% 0,77% 0,11% 0,66% 9,19% 9,13% 25,33% 14,85% 10,48% 2,00% 13,59% 1,21%
0,2974 0,0583 0,0203 0,0545 0,1299 0,1291 0,2507 0,1900 0,1898 0,0844 0,1739 0,0390
79,61% 0,90% 0,12% 0,79% 20,81% 20,45% 43,41% 34,71% 8,70% 2,04% 11,51% 0,94%
0,2261 0,0604 0,0185 0,0576 0,2038 0,2034 0,2563 0,2351 0,1637 0,0881 0,1523 0,0278
69,10% 0,36% 0,06% 0,30% 30,13% 29,99% 20,70% 11,76% 8,94% 1,85% 14,78% 1,27%
0,2603 0,0363 0,0137 0,0334 0,2681 0,2680 0,2342 0,1789 0,1656 0,0856 0,1727 0,0407
63,98% 1,99% 0,44% 1,55% 7,00% 5,31% 37,42% 25,83% 11,60% 2,79% 13,05% 1,72%
0,3383 0,0957 0,0504 0,0816 0,1780 0,1597 0,3074 0,2622 0,1963 0,0985 0,1821 0,0510
Totaal der activa
100,00% 0,0000
Eigen vermogen
-84,07%
Voorzieningen en uitgestelde belastingen Schulden Schulden op meer dan één jaar Financiële schulden (>1j) Handelsschulden (>1j) Leveranciers (>1j) Te betalen wissels (>1j)
7,03% 177,04% 41,60% 15,35% 0,02% 0,00% 0,00%
33,0823 4,1029 31,6265 15,0333 0,7681 0,0071 0,0005 0,0000
100,00% 0,0000 -397,34% 0,90% 496,44% 44,48% 40,26% 0,05% 0,00% 0,00%
155,5998 0,0462 155,5999 9,4106 9,3293 0,0131 0,0011 0,0000
100,00% 0,0000
100,00% 0,0000
100,00% 0,0000
31,00%
0,8350
18,01%
1,1331
28,27%
0,7995
1,46%
0,0681
0,59%
0,0400
1,61%
0,0582
67,55% 9,60% 8,46% 0,05% 0,02% 0,00%
0,8251 0,2216 0,2006 0,0136 0,0059 0,0002
81,40% 18,09% 15,84% 0,11% 0,04% 0,00%
1,1308 0,3693 0,2844 0,0296 0,0227 0,0000
70,12% 17,41% 15,18% 0,07% 0,05% 0,00%
0,7974 0,6521 0,5736 0,0176 0,0165 0,0000
33
Schulden op ten hoogste één jaar Financiële schulden (<1j) Handelsschulden (<1j) Leveranciers (<1j) Te betalen wissels (<1j) Overlopende Rekeningen (Passief)
134,07% 8,89% 59,46% 59,40% 0,06% 1,36%
Totaal der passiva
27,7384 1,9828 23,1166 23,1166 0,0157 0,1903
100,00% 0,0000
Verh. bedrijfsactiva op totale activa
77,04%
Valid N
155,0410 0,2606 0,6343 0,6343 0,0100 1,6629
100,00% 0,0000
0,2468
81,08%
5838
Tabel 7
448,25% 4,75% 21,00% 20,97% 0,03% 3,71%
56,67% 8,95% 29,96% 29,87% 0,09% 1,28%
0,7987 0,4084 0,5910 0,5905 0,0279 0,0448
100,00% 0,0000
0,2192
81,81%
3948
0,2156
6000
Structuur van het handelskrediet gerelateerd aan de bedrijfsactiva in relatieve cijfers
62,43% 4,61% 25,38% 25,30% 0,08% 0,87%
1,0600 0,2689 0,5290 0,5286 0,0119 0,0425
100,00% 0,0000 80,49%
49,76% 5,61% 18,23% 18,18% 0,05% 2,95%
0,4461 0,1549 0,2210 0,2208 0,0116 0,0856
100,00% 0,0000
0,2076
73,23%
6000
0,2836
6000
7
Uitrustingsgoederen Mean Med Std. Dev.
Mean
Voeding Med
Std. Dev.
Mean
34,91%
31,37%
25,35%
19,01%
9,13%
23,08%
43,06%
40,21%
26,72%
15,19%
4,98%
21,94%
36,72%
30,08%
32,42%
Handelsvorderingen (>1j)
0,15%
0,00%
2,75%
0,16%
0,00%
2,64%
0,14%
0,00%
2,30%
0,07%
0,00%
1,43%
0,55%
0,00%
5,78%
Handelsvorderingen (<1j)
34,76%
31,27%
25,27%
18,86%
9,04%
22,98%
42,92%
40,09%
26,69%
15,13%
4,93%
21,89%
36,17%
29,04%
32,24%
23,69%
15,98%
30,64%
24,31%
14,53%
32,78%
35,79%
27,90%
31,64%
30,26%
19,84%
33,87%
27,96%
14,93%
40,88%
Handelsschulden (>1j)
0,03%
0,00%
0,77%
0,06%
0,00%
1,44%
0,05%
0,00%
1,43%
0,15%
0,00%
3,84%
0,09%
0,00%
2,28%
Leveranciers (>1j)
0,00%
0,00%
0,07%
0,00%
0,00%
0,12%
0,02%
0,00%
0,67%
0,06%
0,00%
2,56%
0,07%
0,00%
2,19%
Te betalen wissels (>1j)
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,03%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
Handelsschulden (<1j)
23,66%
15,95%
30,63%
24,25%
14,50%
32,76%
35,73%
27,87%
31,63%
30,11%
19,81%
33,67%
27,88%
14,90%
40,82%
Leveranciers (<1j)
23,58%
15,93%
30,52%
24,21%
14,49%
32,75%
35,67%
27,83%
31,62%
29,99%
19,76%
33,56%
27,80%
14,78%
40,81%
Te betalen wissels (<1j)
0,08%
0,00%
2,23%
0,04%
0,00%
1,13%
0,06%
0,00%
1,25%
0,11%
0,00%
1,52%
0,07%
0,00%
1,52%
Handelsvorderingen
Handelsschulden
7
Groothandel Med Std. Dev.
Mean
Kleinhandel Med Std. Dev.
Mean
Diensten Med Std. Dev.
De gerapporteerde resultaten werden berekend zonder outliers en op basis van verhoudingen tot de bedrijfsactiva.
34
Als laatste bespreken we, zoals eerder vermeld, de financiële activa binnen de 5 sectoren. Onder financiële activa verstaan we financiële vaste activa, liquide middelen en geldbeleggingen. De voornaamste resultaten hieromtrent worden weergegeven in tabel 8. Eerste en vooral merken we op dat liquide middelen over de 5 sectoren heen de belangrijkste vorm van financiële activa zijn, met een gemiddeld aandeel van 11,51% tot 16,52% in het balanstotaal. Opnieuw wijzen we erop dat we geen rekening kunnen houden met het gedeelte liquide middelen dat bestemd is voor operationele doeleinden. Het is mogelijk dat de verhouding liquide middelen op totale activa hoger ligt omwille van deze voorraad aan operationele liquide middelen. Geldbeleggingen zijn het minst belangrijke financiële actiefbestanddeel. We merken vooral op dat voor de 5 sectoren 75% van de bedrijven geen geldbeleggingen aanhouden. Verder zijn financiële vaste activa van minder belang voor sectoren met een meerderheid aan kleine bedrijven (sector uitrustingsgoederen, voedingssector en kleinhandel). Voor de overige 2 sectoren, groothandel en de dienstensector zien we een hoger aandeel financiële vaste activa. Voor de dienstenbedrijven bedraagt dit aandeel zelfs 10,92%. Gemiddeld bedraagt het aandeel bedrijfsactiva in het balanstotaal 73,23% tot 81,81%. Opnieuw merken we dat de dienstensector het hoogste aandeel financiële activa heeft. Als laatste merken we op dat het maximum van elk bestanddeel van de financiële activa tot 100% bedraagt. Dit illustreert dat de gebruikte database enkele (minstens één) extreme gevallen bevat waarvoor deze vormen van financiële activa het volledige balanstotaal omvatten. We vinden deze grote spreiding terug bij de vrij hoge standaardafwijking voor de financiële activa in alle 5 sectoren.
35
Tabel 8
Financiële activa en bedrijfsactiva
Cijfers in deze tabel zijn gebaseerd op de steekproeven inclusief outliers. Cijfers werden berekend op basis van balansposten gerelateerd aan de totale activa.
Sector
Mean
Std. Dev.
Min.
Max.
25
Percentiles 50
PU 250
Financiële vaste activa Geldbeleggingen Liquide middelen Bedrijfsactiva
3,18% 3,26% 16,52% 77,04%
12,68% 11,35% 20,19% 24,68%
0 0 0 0
1,00 1,00 1,00 1,00
0,00% 0,00% 2,08% 64,82%
0,01% 0,00% 8,32% 86,71%
0,33% 0,00% 23,82% 96,29%
PU 270
Financiële vaste activa Geldbeleggingen Liquide middelen Bedrijfsactiva
3,33% 2,00% 13,59% 81,08%
12,77% 8,44% 17,39% 21,92%
0 0 0 0
1,00 1,00 1,00 1,00
0,00% 0,00% 2,06% 73,29%
0,02% 0,00% 6,77% 89,82%
0,48% 0,00% 18,43% 96,69%
PU 3101 Financiële vaste activa Geldbeleggingen Liquide middelen Bedrijfsactiva
4,64% 2,04% 11,51% 81,81%
14,81% 8,81% 15,23% 21,56%
0 0 0 0
0,99 0,93 1,00 1,00
0,00% 0,00% 1,53% 74,60%
0,09% 0,00% 5,53% 90,26%
0,98% 0,00% 15,07% 96,94%
PU 3102 Financiële vaste activa Geldbeleggingen Liquide middelen Bedrijfsactiva
2,88% 1,85% 14,78% 80,49%
10,42% 8,56% 17,27% 20,76%
0 0 0 0
1,00 0,96 1,00 1,00
0,00% 0,00% 2,68% 72,00%
0,05% 0,00% 8,25% 88,06%
0,81% 0,00% 20,74% 95,90%
PU 340
10,92% 2,79% 13,05% 73,23%
24,12% 9,85% 18,21% 28,36%
0 0 0 0
1,00 0,99 1,00 1,00
0,00% 0,00% 0,98% 58,22%
0,16% 0,00% 5,30% 84,33%
4,32% 0,00% 17,47% 95,94%
Financiële vaste activa Geldbeleggingen Liquide middelen Bedrijfsactiva
75
36
4.2.
Regressieanalyse
Nadat we een beter beeld hebben gekregen van de steekproeven, kunnen we de eigenlijke hypotheses testen. In lijn met wat we vooraf hebben vermeld zullen deze resultaten afzonderlijk voor klanten- en leverancierskrediet besproken worden. Vooreerst is het van belang om erop te wijzen dat opnieuw enkele outliers werden verwijderd, dit keer voor de variabelen bankkrediet op bedrijfsactiva, cashflow op bedrijfsactiva en return on business assets. Het gaat hier vooral om bedrijven met een laag aandeel bedrijfsactiva in de totale activa (vaak niet meer dan 10%). Op deze manier werden in totaal 238 bedrijven uit de steekproef geweerd (53, 47, 54, 29 en 55 resp. in de sectoren PU 250, PU 270, PU 340, PU 3101 en PU 3102). We zullen gebruik maken van ordinary least squares regressies om onze hypothesen te testen.
4.2.1. Klantenkrediet De variabelen die gebruikt zullen worden in het onderzoeken van de hypotheses voor klantenkrediet werden eerder beschreven in het deel ‘Variabelen Klantenkrediet’. Deze variabelen zijn handelsvorderingen gerelateerd aan de bedrijfsactiva als afhankelijke variabele en de variabelen grootte, grootte², leeftijd, leeftijd², voorraden, liquide middelen, cash flow en return on business assets als onafhankelijke variabelen. Vooraleer we overgaan tot de regressies, bekijken we de correlatiematrix, weergegeven in tabel 9 en 10. We geven hier enkel de correlatiematrix van de sector uitrustingsgoederen en de dienstensector, de andere correlatiematrices worden weergegeven in bijlage. We merken op dat de correlatie tussen return on business assets (ROBA) en cashflow op bedrijfsactiva zeer hoog en significant is. Deze hoge correlatie bestaat bij de andere 3 sectoren. ROBA en cashflow op bedrijfsactiva blijken beide gelijkaardige maatstaven van rendabiliteit te zijn. Deze hoge correlatie is waarschijnlijk het gevolg van de berekeningswijze van de variabele cash flow in Belfirst. Om deze reden kiezen we ervoor om twee verschillende modellen te introduceren, één waarbij we ROBA gebruiken als maatstaf voor rendabiliteit en een andere waarbij we cashflow op bedrijfsactiva gebruiken. Verder zullen we nog een derde model toevoegen. Daarbij zullen data gebruikt worden die enkel beschikbaar zijn voor bedrijven die rapporteren volgens het volledige schema.
37
De resultaten van deze 3 modellen worden weergegeven in tabel 11. Er werden geen problemen vastgesteld in verband met multicollineariteit, bepaald op basis van de variance inflation factor (VIF). Dit geldt voor de 15 regressies.
38
Tabel 9
Correlatiematrix voor de sector uitrustingsgoederen, klantenkrediet
Leeftijd Handelsvorderingen Leeftijd Grootte Leeftijd² Grootte² Voorraden Liquide Middelen Cashflow ROBA Tabel 10
-0,015 1
Grootte -0,030 ** 0,373 *** 1
Correlatiematrix voor de dienstensector, klantenkrediet
Leeftijd Handelsvorderingen Leeftijd Grootte Leeftijd² Grootte² Voorraden Liquide Middelen Cashflow
-0,138 *** 1
Grootte -0,351 *** 0,354 *** 1
8
Leeftijd²
Grootte²
Voorraden
Liq. Mid.
Cashflow
0,016 -0,243 *** -0,028 ** 1
0,011 0,110 *** 0,313 *** 0,149 *** 1
-0,164 0,143 0,091 -0,032 -0,006 1
0,137 -0,048 -0,338 0,010 0,022 -0,056 1
0,039 -0,123 -0,161 0,022 -0,029 -0,112 0,382 1
Leeftijd²
Grootte²
Voorraden
Liq. Mid.
Cashflow
-0,095 *** 0,027 ** 0,087 *** 1
-0,111 0,042 0,299 0,163 1
-0,194 0,010 0,037 0,027 -0,031 1
0,218 -0,143 -0,400 0,030 0,055 -0,063 1
-0,009 -0,020 -0,143 -0,016 0,111 -0,030 0,194 1
*** *** *** ***
*** *** *** * ***
*** *** *** * ** *** ***
ROBA 0,089 -0,048 -0,037 0,004 -0,049 -0,055 0,310 0,943 1
*** *** *** *** *** *** ***
7
*** *** *** ***
ROBA
*** *** ** ***
*** *** *** ** *** ***
* *** *** ** ***
ROBA 0,006 -0,016 -0,119 -0,011 0,109 -0,016 0,185 0,975
*** *** *** ***
1
8
* significant op 10% significantieniveau ** significant op 5% significantieniveau *** significant op 1% significantieniveau We hanteren deze significantieniveaus gebaseerd op de literatuur omtrent handelskrediet. Alle correlatiematrices in dit werkstuk maken gebruik van Pearson correlaties.
39
Tabel 11
Resultaten regressies i.v.m. handelsvorderingen
Model 1 (Constant) Grootte Grootte² Leeftijd Leeftijd² Voorraden Liquide middelen Cashflow Adjusted R² N Model 2 (Constant) Grootte Grootte² Leeftijd Leeftijd² Voorraden Liquide middelen ROBA Adjusted R² N Model 3 (Constant) Grootte Grootte² Leeftijd Leeftijd² Voorraden GP en HG Liquide middelen Cashflow Adjusted R² N
9
Uitrustingsgoederen
0,3473 0,0319 -0,0069 0,0038 0,0132 -0,1618 0,1515 -0,0320
*** **
*** *** **
9
Voeding 0,1475 0,2346 0,0522 0,0546 0,0268 0,0290 0,1085 -0,0258
*** *** *** *** * ***
Diensten 0,3859 -0,2967 -0,0148 -0,0175 -0,0648 -0,1774 0,1013 -0,0769
*** ***
*** *** *** ***
Groothandel 0,5316 0,0750 -0,0713 -0,0372 0,0280 -0,4098 0,1312 -0,0921
*** *** *** *** ** *** *** ***
Kleinhandel 0,2297 0,0431 -0,0195 0,0632 0,0144 -0,3478 0,0460 -0,0081
*** *** *** *** ***
0,044 5436
0,076 3694
0,170 5432
0,191 5678
0,133 5641
Uitrustingsgoederen
Voeding
Diensten
Groothandel
Kleinhandel
0,1519 0,1756 0,0847 0,0616 0,0301 0,0110 0,0876 0,0320
0,3891 -0,3031 -0,0149 -0,0297 -0,0485 -0,2086 0,0802 -0,0520
0,3550 0,0429 -0,0470 0,0015 0,0143 -0,1644 0,1431 0,0038
*** *** ***
*** ***
*** *** *** *** * *** **
*** *** ** *** *** *** ***
0,5303 0,0620 -0,0664 -0,0430 0,0433 -0,4100 0,1166 -0,0166
*** *** *** *** *** *** ***
0,2423 0,0311 -0,0241 0,0553 0,0110 -0,3599 0,0285 0,0615
*** ** * *** *** ** ***
0,046 5740
0,060 3854
0,180 5853
0,191 5931
0,146 5881
Uitrustingsgoederen
Voeding
Diensten
Groothandel
Kleinhandel
0,4626 -0,2197 0,0279 0,0369 -0,0688 0,2219 -0,0668 -0,0584 0,114 839
*** ***
* *** ** *
0,2537 0,2348 -0,2989 0,1127 -0,0133 0,2103 0,0592 -0,0782 0,058 550
*** * ** ** *** *
0,3816 -0,4032 0,0703 0,0090 -0,0659 -0,0128 0,1581 -0,0670 0,205 3808
*** *** *** *** *** ***
0,5239 -0,0314 -0,0232 -0,0416 0,0094 -0,3285 0,1331 -0,0796
***
*** *** *** ***
0,136 4016
0,3733 -0,2976 0,1851 0,0606 0,0172 -0,3781 0,0227 -0,0647 0,158 1125
Voor een uitgebreide uitleg over de berekening van de variabelen verwijzen we naar 3.3. Variabelen Klantenkrediet. * significant op 10% significantieniveau ** significant op 5% significantieniveau *** significant op 1% significantieniveau De gerapporteerde coëfficiënten zijn de gestandaardiseerde bèta-coëfficiënten.
40
*** *** *** * *** **
Op basis van deze resultaten kunnen we onze hypothesen bespreken in verband met klantenkrediet. Als eerste stellen we vast dat de bèta-coëfficiënt voor de variabele grootte in model 1 en 2 en voor alle sectoren significant is op het 5%- of 1%-significantieniveau. Daarnaast merken we dat de gekwadrateerde variabele grootte² significant is voor de sectoren uitrustingsgoederen, voeding, groot- en kleinhandel. Voor de sectoren uitrustingsgoederen, groot- en kleinhandel vinden we een negatief kwadratisch verband. Dit betekent dat, in een eerste fase, naarmate bedrijven groter worden, ze meer klantenkrediet zullen verstrekken. In een tweede fase, wanneer bedrijven een bepaalde grootte bereiken, zullen bedrijven in deze sectoren minder klantenkrediet verstrekken. Voor de voedingssector vinden we echter een positief kwadratisch verband. Dit betekent dat bedrijven in een eerste fase minder klantenkrediet zullen verstrekken naarmate ze groter worden. In een tweede fase, als het bedrijf een bepaalde grootte heeft bereikt, zullen bedrijven uit de voedingssector opnieuw meer klantenkrediet aanbieden naarmate ze groter worden. Voor de dienstensector vinden we geen kwadratisch verband, we stellen een lineair negatief verband vast. De bevindingen voor de sectoren uitrustingsgoederen, groot- en kleinhandel lijken verrassend vanuit een theoretisch standpunt. Er zijn inderdaad 2 tegengestelde theorieën die een verband leggen tussen grootte van een bedrijf en het verstrekken van klantenkrediet. Enerzijds is er de product quality theory die stelt dat kleinere bedrijven meer klantenkrediet zullen verlenen omdat ze nog geen sterke reputatie hebben kunnen uitbouwen. Binnen deze visie dient klantenkrediet als een kwaliteitssignaal naar de klant. Daartegenover staat de financiële theorie van Schwartz (1974) die stelt dat naarmate bedrijven groter worden, ze kleinere, financieel beperkte klanten financieel zullen ondersteunen door klantenkrediet te verstrekken. Hoewel we inderdaad, op basis van tabel 10, beide effecten waarnemen in de vorm van een kwadratisch verband, stellen we vast dat juist bij de kleinere bedrijven een positief verband is en bij de grotere bedrijven een negatief verband. Door deze tegenstrijdige resultaten kiezen we ervoor om enkel rekening te houden met het positieve lineaire verband dat we vaststellen bij deze 3 sectoren. Bovendien merken we dat dit kwadratisch verband niet significant is in model 1 voor de sectoren uitrustingsgoederen en kleinhandel. Een mogelijke verklaring hiervoor kan zijn dat de regressies uit model 2 werden uitgevoerd op ongeveer 300 extra bedrijven per sector. We bevestigen met voorzichtigheid enkel hypothese 1A voor de sectoren uitrustingsgoederen, groot- en kleinhandel. Voor de voedingssector vinden we wel een negatief verband tussen de grootte van een bedrijf en het aandeel klantenkrediet in bedrijfsactiva bij kleinere bedrijven en een positief verband voor grotere bedrijven. We besluiten dat we voor deze sector beide hypothesen kunnen bevestigen.
41
Voor de dienstensector vinden we enkel een negatief lineair verband tussen de grootte van een onderneming en klantenkrediet op bedrijfsactiva. We bevestigen hypothese 1B voor deze sector. Grootte en leeftijd werden vervat in dezelfde hypothese en voor voedingssector, de dienstensector en kleinhandel vinden we dezelfde effecten. De coëfficiënten voor de sector uitrustingsgoederen zijn niet significant. Voor de sector groothandel vinden we tegengestelde effecten tussen grootte en leeftijd. Er is een positief kwadratisch verband. Dit positief kwadratisch verband suggereert opnieuw een negatief verband in een eerste fase. Vanaf een bepaalde leeftijd, in een tweede fase, wordt er een positief verband vastgesteld. Omwille van deze tegenstrijdigheid kiezen we ervoor om voor de sector groothandel geen van beide hypothese (1a of 1b) te bevestigen. Op basis van de variabele voorraden kunnen we hypothese 2 testen. Zoals de theorie suggereert, is er een significant negatief verband voor alle sectoren behalve de voedingssector. Voor de voedingssector vinden we in model 1 een zwak positief verband significant op het 10% significantieniveau. Dit effect blijkt echter te zijn verdwenen in model 2. We bevestigen hypothese 2 voor de overige 4 sectoren. Bedrijven zien voorraden en handelsvorderingen binnen een trade-off en zullen meer klantenkrediet verstrekken om voorraadkosten te doen dalen. Opvallend is dat we een significant effect vinden voor de dienstensector; we hadden verwacht hier geen verband vast te stellen. Als we kijken naar de coëfficiënt van de variabele liquide middelen, zien we dat deze positief is voor alle sectoren en significant op het 1%-significantieniveau. Dit bevestigt hypothese 3A; bedrijven met meer financiële middelen zijn beter in staat om klantenkrediet te verlenen aan hun klanten. Verder vinden we voor de sector uitrustingsgoederen, de dienstensector en groothandel een negatief verband tussen intern gegenereerde middelen en de verhouding handelskrediet op bedrijfsactiva. We vinden geen positieve relaties. We kunnen hypothese 4 niet bevestigen. Hieruit blijkt dat bedrijven met meer intern gegenereerde middelen niet geneigd zijn om meer klantenkrediet te verstrekken, zoals hypothese 4 suggereerde. Voor de dienstensector vinden we dan weer een positief significant effect van ROBA op de afhankelijke variabele; dit levert bewijs voor hypothese 5. Als laatste bespreken we model 3. In dit model worden enkel bedrijven opgenomen die rapporteren volgens het volledige schema. Deze bedrijven zullen bijgevolg meer gedetailleerde informatie voorzien voor bepaalde balansposten. Specifiek voor het onderzoek naar klantenkrediet is dat we een onderscheid kunnen maken tussen verschillende soorten voorraad. In dit geval zullen we gebruik maken van de voorraad grondstoffen en hulpstoffen. Voor de sectoren groot- en kleinhandel worden 42
eerder gevonden resultaten bevestigd, voor de sector uitrustingsgoederen en de voedingssector vinden we echter een significant positief verband tussen voorraden en de aangeboden hoeveelheid klantenkrediet. Op basis van dit model zien we ook een significant negatief lineair verband tussen de grootte van een bedrijf en de hoeveelheid klantenkrediet die het aanbiedt. Dit bevestigt het kwadratische verband dat we vinden in model 1 en 2. Als samenvatting voorzien we een tabel waarin alle gevonden resultaten worden samengevat: Tabel 12
Klantenkrediet Determinant
H 1 2 3 4 5
Samenvatting van de regressieresultaten, klantenkrediet
Grootte/Leeftijd Voorraden Liquide middelen Cashflow ROBA
10
10
Sectoren Verw. +/+/+ -
Uitrustingsgoederen Voeding
(+) + 0 0
+/0 + 0 0
Diensten
Groothandel
Kleinhandel
+ 0 -
0 + 0 0
(+) + 0 0
‘+’ en ‘-‘ stellen de richting van het verband voor tussen de onafhankelijke variabelen en de afhankelijke variabele, ‘0’ betekent een insignificant effect.
43
4.2.2. Leverancierskrediet Analoog aan de bespreking van klantenkrediet zullen we in dit onderdeel de regressieresultaten van het onderzoek naar het aandeel van leverancierskrediet in de bedrijfsactiva bespreken. De variabelen die hiervoor gebruikt zijn, worden uitvoerig besproken in het onderdeel 3.4. Variabelen leverancierskrediet. Op basis van de correlatiematrix voor de sectoren uitrustingsgoederen en de diensten, weergegeven in tabel 13 en 14, kunnen we concluderen dat er geen storende correlaties zijn tussen de variabelen. Opnieuw werden er op basis van de variance inflation factor (VIF) geen problemen vastgesteld in verband met multicollineariteit. We rapporteren opnieuw 3 modellen. Model 1 en 2 bevatten resultaten van regressies uitgevoerd op de volledige steekproeven; model 3 bevat enkel bedrijven die rapporteren volgens het volledige schema. In model 3 gebruiken we omzetgroei als een maatstaf voor het groeipotentieel van een bedrijf. Voor model 1 en 2 gebruiken we 2 verschillende alternatieven voor het groeipotentieel van een bedrijf; respectievelijk toegevoegde waardegroei en EBIT-groei. Deze twee variabelen hebben een lage correlatie, wat op zich doet vermoeden dat ze geen perfecte alternatieven zijn voor groeipotentieel. We verkiezen 2 regressies omdat beide variabelen een maatstaf zijn voor dezelfde grootheid. De resultaten van de uitgevoerde regressie zijn weergegeven in tabel 15.
44
Tabel 13
Correlatiematrix voor de sector uitrustingsgoederen, leverancierskrediet
A/P Leeftijd Leeftijd² Grootte Grootte² MVA A/R Voorraden Liquide Middelen Bankkrediet Cashflow EBIT-groei
Grootte
Leeftijd
Leeftijd²
-0,049 ***
0,032 **
1
-0,047 ***
0,352 ***
0,121 *** -0,077 *** -0,016
1
0,056 ***
0,177 *** -0,063 ***
-0,006
1
Grootte²
9
MVA
0,038 *** -0,323 ***
A/R
Voorraden
Liq. Mid.
0,357 ***
0,047 ***
0,068 *** -0,141 *** -0,113 ***
0,015
0,329 *** -0,076 *** -0,027 ** 1
-0,163 *** 1
0,010
Cashflow
0,136 *** -0,040 *** -0,111 *** -0,115 *** -0,005
-0,007
0,086 *** -0,337 *** -0,005
0,018 *
-0,573 *** -0,345 *** -0,052 *** 1
Bankkrediet
-0,160 *** 1
-0,021 *
-0,007
0,044 *** -0,160 *** -0,102 *** -0,033 ***
EBIT-groei 0,020 *
TW-Groei 0,002
-0,009
0,016
-0,008
0,010
0,019 *
0,010
0,010
0,009
0,365 ***
0,062 ***
-0,013
0,013
0,137 *** -0,241 ***
0,034 ***
-0,001
-0,011
-0,052 *** -0,088 *** -0,105 *** 1
0,027 **
0,011
-0,222 ***
0,376 ***
-0,011
-0,004
1
-0,068 ***
-0,002
0,007
1
-0,005
0,011
1
0,001
TW-Groei
1
45
Tabel 14
Correlatiematrix voor de voedingssector leverancierskrediet
Leeftijd A/P
0,010
Leeftijd
1
Leeftijd² Grootte Grootte²
Leeftijd² 0,017
Grootte
Grootte²
MVA
Voorraden
Liq. Mid.
Bankkrediet
Cashflow
EBIT-groei
TW-Groei
0,152 *** -0,315 ***
0,320 ***
0,144 ***
0,150 *** -0,118 *** -0,106 ***
0,002
0,035 **
0,324 ***
0,187 *** -0,146 ***
0,133 ***
0,147 *** -0,039 *** -0,176 *** -0,056 ***
0,020
0,009
1
0,128 ***
0,159 *** -0,078 ***
0,065 ***
0,071 *** -0,027 *
-0,003
-0,016
1
0,462 *** -0,131 ***
0,245 ***
0,069 *** -0,368 ***
0,003
-0,007
0,182 ***
0,197 *** -0,013
-0,003
0,009
-0,003
-0,001
0,001
-0,014
-0,015
0,006
0,019
-0,001
-0,008
-0,014
-0,003
1
-0,001
0,020
1
0,018
-0,277 *** 1
A/R
A/R
-0,072 ***
1
MVA
11
-0,624 *** -0,439 *** -0,030 ** 1
Voorraden Liquide Middelen Bankkrediet Cashflow EBIT-groei
0,074 *** 1
-0,044 *** -0,041 *** 0,003
-0,085 ***
-0,162 *** -0,030 ** 0,330 ***
0,084 ***
0,014
-0,220 *** -0,022 *
0,033 **
-0,127 *** -0,077 ***
1
-0,137 *** 1
0,290 ***
-0,025 *
TW-Groei
11
1
* significant op 10% significantieniveau ** significant op 5% significantieniveau *** significant op 1% significantieniveau We hanteren deze significantieniveaus gebaseerd op de literatuur omtrent handelskrediet.
46
Tabel 15
Resultaten regressies i.v.m. handelsschulden
Model 1 (Constant) Grootte Grootte² Leeftijd Leeftijd² MVA Voorraden Handelsvorderingen Liquide Middelen Bankkrediet Cashflow TW-Groei Adjusted R² N
Model 2 (Constant) Grootte Grootte² Leeftijd Leeftijd² MVA Voorraden Handelsvorderingen Liquide Middelen Bankkrediet Cashflow EBIT-groei Adjusted R² N
12
Uitrustingsgoederen
0,1620 0,0194 0,0062 -0,0838 0,0117 -0,1327 0,0406 0,2752 0,0823 -0,0241 -0,1490 0,0091
***
*** *** *** *** *** * ***
0,172 5231
Uitrustingsgoederen
0,1610 0,0195 0,0060 -0,0838 0,0123 -0,1310 0, 0414 0, 2770 0,0793 -0,0246 -0,1475 0,0169 0,172 5232
***
*** *** *** *** *** * ***
12
Voeding
0,1699 -0,1920 0,1593 -0,0160 -0,0141 -0,0928 0, 0568 0, 2760 0,1131 0,0183 -0,1327 -0,0219
*** *** ***
*** *** *** *** ***
Diensten
0,1414 -0,0290 -0,0255 -0,0674 0,0772 -0,1549 -0,0234 0,2144 0,2538 0,0343 -0,0360 0,0005
*** * * *** *** *** * *** *** *** ***
0,189 3508
0,225 5237
Voeding
Diensten
0,1695 -0,1922 0,1586 -0,0161 -0,0143 -0,0921 0, 0561 0, 2786 0,1125 0,0181 -0,1332 0,0019 0,190 3508
*** *** ***
*** *** *** *** ***
0,1415 -0,0288 -0,0253 -0,0673 0,0771 -0,1550 -0,0239 0,2143 0,2539 0,0344 -0,0359 0,0045
Groothandel
Kleinhandel
0,1465 -0,0185 0,0272 -0,1167 0,0723 -0,0258 0,1176 0,3416 0,1056 -0,1359 -0,1285 -0,0353
0,2213 0,0248 0,0640 -0,0900 -0,0452 -0,0567 0,0749 0,1905 0,2073 -0,0709 -0,1491 -0,0102
*** ** *** *** *** *** *** *** *** ***
0,203 5528
*** * * *** *** *** * *** *** *** ***
0,225 5238
*** *** *** *** *** *** *** *** *** ***
0,119 5210
Groothandel
Kleinhandel
0,1456 -0,0188 0,0275 -0,1169 0,0723 -0,0262 0,1177 0,3421 0,1056 -0,1339 -0,1274 0,0033
0,2210 0,0246 0,0641 -0,0898 -0,0452 -0,0566 0,0750 0,1905 0,2076 -0,0710 -0,1489 0,0081
0,202 5528
*** ** *** *** *** *** *** *** ***
*** *** *** *** *** *** *** *** *** ***
0,118 5213
* significant op 10% significantieniveau ** significant op 5% significantieniveau *** significant op 1% significantieniveau De gerapporteerde coëfficiënten zijn de gestandaardiseerde bèta-coëfficiënten.
47
(Vervolg)
Model 3 (Constant) Grootte Grootte² Leeftijd Leeftijd² MVA VR Grondstoffen Handelsvorderingen Liquide Middelen Bankkrediet Cashflow Omzetgroei Adjusted R² N
Uitrustingsgoederen
0,1798 -0,1532 0,1127 0,0502 -0,0279 -0,0532 0, 0156 0, 3239 0,1121 -0,0222 -0,2087 0,0637 0,213 789
*** *
*** *** *** **
Voeding
0,1797 0,0149 -0,0299 -0,0468 0,0052 -0,0973 0, 0111 0, 4692 0,0049 0,0239 -0,0979 0,0127 0,277 521
***
** ***
**
Diensten
0,1125 -0,0295 -0,0263 -0,0254 0,0552 -0,1059 0,0375 0,3265 0,1492 0,0054 -0,0141 -0,0021 0,143 3580
***
*** *** ** *** ***
Groothandel
Kleinhandel
0,1953 0,0080 -0,0086 -0,1149 0,1204 -0,0526 0,0188 0,2849 0,1342 -0,1130 -0,1198 0,0537
0,3711 -0,3775 0,3666 -0,1281 0,0162 -0,0281 -0,0195 0,1553 0,2812 -0,0603 -0,0839 0,0080
0,195 3800
***
*** *** *** *** *** *** *** ***
*** *** *** ***
*** *** ** ***
0,179 1025
48
Op basis van de resultaten gepresenteerd in tabel 15, kunnen we onze hypothesen over leverancierskrediet evalueren. We zien dat model één en twee vrijwel identiek zijn. We zullen in de verdere bespreking bijgevolg geen rekening houden met het onderscheid tussen beide modellen. Als eerste valt op dat enkel voor de voedingssector een sterk significant en negatief verband wordt gevonden tussen de grootte van een bedrijf en het aandeel handelsschulden in de bedrijfsactiva. Ook voor de dienstensector wordt een negatief verband gevonden, slechts significant op het 10% significantieniveau. Voor de sectoren uitrustingsgoederen, groothandel en kleinhandel vinden we ook een positief kwadratisch verband. Dit betekent dat kleinere bedrijven in eerste fase in toenemende mate gebruik zullen maken van handelsschulden. In een tweede fase, eens een bedrijf een bepaalde grootte heeft bereikt, zal het gebruik van leverancierskrediet afnemen. We besluiten dat we hypothese 7 voor deze 4 sectoren slechts gedeeltelijk kunnen bevestigen. Naarmate bedrijven groter worden, zullen ze minder handelsschulden gebruiken. Voor bepaalde sectoren vinden we ook een initiële positieve relatie. Een mogelijke verklaring hiervoor is dat kleinere bedrijven als onvoldoende betrouwbaar worden gezien door hun leveranciers. Het aanbod van leverancierskrediet zal voor de kleinste bedrijven laag zijn. Bedrijven zullen dan meer leverancierskrediet aangeboden krijgen naarmate ze groeien. Vanaf een bepaalde grootte daalt de vraag naar leverancierskrediet van deze bedrijven zelf. We dienen erop te wijzen dat deze verklaring speculatief is; in de literatuur wordt hiervoor geen verklaring gegeven. Als we leeftijd bekijken, merken we voor de sector uitrustingsgoederen, de voedingssector, groot- en kleinhandel een significant negatief verband met het aandeel handelsschulden. We kunnen stellen dat ook oudere bedrijven minder gebruik zullen maken van leverancierskrediet als financieringsbron. Voor de variabele materiële vaste activa stellen we voor alle sectoren behalve de sector groothandel een sterk significant en negatief verband vast. Dit bevestigt hypothese 8; bedrijven met meer materiële vaste activa maken minder gebruik van handelsschulden. Een mogelijke verklaring hiervoor is dat deze bedrijven gemakkelijker aanspraak kunnen maken op hypothecair krediet. Deze stelling wordt bevestigd door de positieve significante correlatie tussen materiële vaste activa en bankkrediet in de correlatiematrices (tabellen 13, 14, 25, 26 en 27). Verder vinden we een significant en positief verband tussen het aandeel handelsschulden in de bedrijfsactiva en het aandeel voorraden in de bedrijfsactiva voor de sector uitrustingsgoederen, de voedingssector, groot- en kleinhandel. Dit levert bewijs voor hypothese 9. Voor de dienstensector vinden we, in overeenstemming met de verwachtingen, slechts een zeer zwak verband. Voor deze sector kunnen we hypothese 9 niet bevestigen. Hypothese 10 stelde dat voor bedrijven in sectoren waar gedifferentieerde goederen worden verhandeld, het effect van voorraden op het aandeel 49
handelsschulden sterker zou zijn. Op basis van tabel 15 vinden we hiervoor geen evidentie. Het effect van voorraden op handelsschulden in de voedingssector is minstens even sterk als in de sector uitrustingsgoederen. We kunnen hypothese 10 niet bevestigen. In model 3 zien we dat voor de sectoren uitrustingsgoederen en voeding het effect van de voorraad grondstoffen en hulpstoffen op het aandeel handelsschulden groter is dan het effect van de volledige voorraad. Voor de variabele handelsvorderingen zien we voor elke sector een significant positieve relatie met het aandeel handelsschulden. Dit betekent dat bedrijven inderdaad gebruik maken van het matching principle en korte termijn activa zullen financieren met korte termijn passiva; in dit geval handelsschulden. We vinden sterke evidentie om hypothese 11 te bevestigen voor de 5 sectoren. Tevens vinden we sterke evidentie voor hypothese 12a. Deze hypothese stelt dat bedrijven die zich in een slechte liquiditeitspositie bevinden minder leverancierskrediet zullen aangeboden krijgen. We vinden een positief verband tussen het aandeel liquide middelen in het balanstotaal13 en het aandeel leverancierskrediet in de bedrijfsactiva. We bevestigen hypothese 12a voor de 5 onderzochte sectoren. Zoals in de theoretische bespreking werd gesteld kan de relatie tussen het aandeel bankkrediet en het aandeel handelsschulden op de bedrijfsactiva 2 richtingen aannemen. Enerzijds is er de substitution hypothesis die een negatief verband voorspelt tussen bankleningen en handelsschulden, anderzijds is er de complementary hypothesis die een positief verband voorhoudt. In tabel 13 merken we dat beide richtingen waargenomen kunnen worden. Voor de dienstensector vinden we een sterk significant positief effect terwijl we voor de sectoren groot- en kleinhandel een negatief effect vinden. Dit betekent dat voor dienstenbedrijven de aanwezigheid van leverancierskrediet geldt als een kwaliteitssignaal naar financiële instellingen, waardoor deze bedrijven meer bankkrediet kunnen krijgen. Voor groot- en kleinhandelaars zijn handelsschulden en bankschulden substituten van elkaar en zullen bedrijven minder leverancierskrediet gebruiken als ze toegang hebben tot bankkrediet. We bevestigen hypothese 13a voor de dienstensector en hypothese 13b voor de sectoren groot- en kleinhandel. We willen erop wijzen dat beide effecten zich binnen één sector kunnen voordoen. Het vastgestelde effect is dan het resultaat van deze 2 tegengestelde effecten. We hebben om deze effecten verder te onderzoeken geen bijkomende opsplitsing gemaakt binnen de verschillende steekproeven.
13
Zoals wordt uiteengezet in deel 3.3.2 onafhankelijke variabelen maken we gebruik van liquide middelen gerelateerd aan de totale activa
50
De variabele cashflow is voor alle sectoren negatief gerelateerd aan het aandeel handelsschulden. Dit illustreert dat bedrijven met meer interne financiële middelen, minder gebruik zullen maken van leverancierskrediet. We kunnen hypothese 14 voor alle sectoren bekrachtigen. Als laatste controleren we de invloed van groeimogelijkheden op het gebruik van leverancierskrediet. In de literatuur wordt gesteld dat bedrijven met meer groeimogelijkheden meer leverancierskrediet aangeboden zullen krijgen. Deze bedrijven zullen in de toekomst meer producten van de leverancier vragen. Doordat omzetcijfers niet verplicht moeten worden gerapporteerd in het verkorte schema, kunnen we de groeivoet van de omzet niet gebruiken voor de volledige steekproef als maatstaf voor de groeiopportuniteiten van een bedrijf. We opteerden daarom voor twee alternatieven; toegevoegde waardegroei en EBIT-groei. We stellen vast dat we geen significant effect terugvinden voor deze variabelen. Om aan dit probleem enigszins tegemoet te komen, kunnen we model 3 gebruiken. In model 3 worden enkel bedrijven opgenomen die rapporteren volgens het volledige schema en waarvan omzetcijfers wel beschikbaar zijn. Hier vinden we wel een significant en positief effect terug voor de sectoren uitrustingsgoederen en groothandel. We kunnen, met enige voorzichtigheid, hypothese 15 bevestigen voor deze twee sectoren. We willen erop wijzen dat vooral jonge, kleine bedrijven het grootste groeipotentieel vertonen. Op basis van model 3 kunnen we in verband met deze bedrijven geen conclusies trekken. Verder merken we op dat groeiopportuniteiten zich in de toekomst bevinden, de groeicijfers die wij gebruikten in dit onderzoek zijn gebaseerd op het boekjaar 2012 en bevinden zich in het verleden. Een laatste belangrijke bemerking is dat het effect van de variabele materiële vaste activa en liquide middelen op handelsschulden een gevolg kan zijn van de definiëring van de variabelen. Deze actiefposten beïnvloeden de grootte van de bedrijfsactiva en kunnen op die manier ook hun invloed uitoefenen op het aandeel handelsschulden op bedrijfsactiva. Een stijging van de materiële vaste activa zal ceteris paribus de bedrijfsactiva doen toenemen. Bij gelijkblijvende handelsschulden zal de verhouding handelsschulden op bedrijfsactiva dalen als gevolg van de definitie van de variabelen. Hetzelfde geldt voor liquide middelen; bij een stijging van de liquide middelen zullen de bedrijfsactiva ceteris paribus dalen, op gelijkaardige wijze zal de verhouding handelsschulden op bedrijfsactiva stijgen. Om te onderzoeken of de vastgestelde effecten endogeen zijn als gevolg van de definitie van de variabelen, kijken we naar de correlatie van materiele vaste activa en liquide middelen met de bedrijfsactiva.
51
Tabel 16
Correlatiematrix materiële vaste activa en liquide middelen ten opzichte van bedrijfsactiva
14
Correlaties van materiële vaste activa op de totale activa en liquide middelen op de totale activa met bedrijfsactiva op totale activa.
Sector Uitrustingsgoederen Voeding Diensten Groothandel Kleinhandel
Correlatie met bedrijfsactiva MVA 0,347 0,416 0,350 0,196 0,264
Liq. Middelen *** *** *** *** ***
-0,744 -0,731 -0,466 -0,624 -0,772
*** *** *** *** ***
In tabel 16 worden de correlaties tussen materiële vaste activa en liquide middelen ten opzichte van de bedrijfsactiva gerapporteerd. We zien dat de correlaties voor materiële vaste activa niet hoger zijn dan 0,5. Er is zeker sprake van enige invloed, maar de invloed is niet problematisch groot. De correlaties tussen liquide middelen en bedrijfsactiva zijn wel zeer hoog. Zoals verwacht is er een endogene negatieve invloed van liquide middelen op bedrijfsactiva. Tabel 16 illustreert dat we de zeer significante resultaten voor liquide middelen en in mindere mate materiële vaste activa met enige voorzichtigheid moeten interpreteren. De vastgestelde effecten kunnen in werkelijkheid minder sterk zijn. Deze bemerking geldt ook voor de resultaten die gevonden werden voor het verband tussen liquide middelen en klantenkrediet. Om de robuustheid van de resultaten van de overige hypothesen te controleren werden de regressies voor de 5 sectoren zowel voor klanten- als leverancierskrediet hernomen (deze resultaten worden niet gerapporteerd). We ondervinden dat geen van de voorgaande conclusies in gedrang komen, de aanwezigheid van de variabele liquide middelen heeft dus geen nefast effect op de andere variabelen.
14
*** resultaten zijn significant op het 1% significantieniveau Resultaten op basis van steekproeven zonder outliers en op basis van cijfers in verhouding tot de totale activa
52
Opnieuw voorzien we een besluitende tabel met alle gevonden resultaten: Tabel 17
Samenvatting van de regressieresultaten, leverancierskrediet
15
Leverancierskrediet H 7 8 9 11 12 13 14 15
Determinant Grootte MVA Voorraden Handelsvorderingen Liquide middelen Bankkrediet Cashflow Groeipotentieel
15
16
Sectoren Verw. + + +/+/+
Uitrustingsgoederen
0 + + + 0 (+)
Voeding 16
(-) + + + 0 0
Diensten
Groothandel
Kleinhandel
(-) 0 + + + 0
(-) 0 + + + (+)
(-) + + + 0
‘+’ en ‘-‘ stellen de richting van het verband voor tussen de onafhankelijke variabelen en de afhankelijke variabele, ‘0’ betekent een insignificant effect. Resultaten tussen haakjes dienen met voorzichtigheid geïnterpreteerd te worden.
53
5.
Conclusie
Het aandeel handelskrediet in de bedrijfsactiva vanuit beide perspectieven - klanten- en leverancierskrediet - wordt beïnvloed door een verscheidenheid aan factoren. In deze masterproef bestuderen we wat het effect is van deze factoren op het gebruik van klanten- en leverancierskrediet door bedrijven in 5 verschillende sectoren. In dit onderzoek kiezen we er allereerst voor om handelskrediet te relateren aan de totale bedrijfsactiva en niet aan het balanstotaal van een bedrijf. We doen dit omdat we merken dat er grote verschillen zijn tussen bedrijven op het vlak van financiële activa in het balanstotaal. We argumenteren dat handelskrediet een operationeel middel is en dat de operationele activa hiervoor de geschikte basis vormen voor onderzoek. Voor de 5 geselecteerde sectoren (productie van uitrustingsgoederen, productie van voedings- en genotsmiddelen, groothandel, kleinhandel en diensten aan ondernemingen en particulieren) stellen we vast dat er noemenswaardige verschillen zijn in grootte en balansstructuur van de bedrijven. Dienstenbedrijven zijn gemiddeld de grootste en producenten van uitrustingsgoederen en kleinhandelaars gemiddeld de kleinste. We vinden verder dat, in lijn met de verwachtingen, kleinhandelaars het minste klantenkrediet verstrekken. We stellen 15 hypothesen op die de verschillende factoren omvatten die handelskrediet kunnen beïnvloeden. Zes hiervan verklaren het gebruik van klantenkrediet; de overige 9 verklaren het gebruik van leverancierskrediet. We testen deze hypotheses op basis van 5 steekproeven die samengesteld werden uit data verzameld uit Belfirst. Voor de variabele klantenkrediet op bedrijfsactiva kunnen we niet alle hypothesen bevestigen. We vinden geen uniforme resultaten voor de 5 sectoren voor het verband tussen de grootte en leeftijd van een bedrijf en het gebruik van klantenkrediet. We vinden wel dat voor 4 van de 5 sectoren bedrijven met meer voorraden minder klantenkrediet zullen verstrekken. We vinden verder voor alle sectoren dat een bedrijf met meer kasmiddelen geneigd zal zijn om meer klantenkrediet te verstrekken. Bij het onderzoek naar het gebruik van leverancierskrediet vinden we heel wat verwachte effecten terug. Opnieuw is het moeilijk om een conclusie te trekken over het verband tussen de grootte van een bedrijf en het gebruik van leverancierskrediet. We kunnen met de nodige voorzichtigheid stellen dat grotere bedrijven minder leverancierskrediet vragen. We stellen vervolgens vast dat bedrijven met meer voorraden meer leverancierskrediet gebruiken. Voor de dienstensector vinden we geen
54
significant verband tussen voorraden en het gebruik van leverancierskrediet, dit ligt in lijn met wat we verwachtten. We vinden dat bedrijven uit 4 sectoren minder leverancierskrediet zullen gebruiken naarmate ze meer materiële vaste activa hebben. Deze bedrijven zouden de mogelijkheid hebben om meer hypothecair krediet te krijgen bij banken op basis van deze activa. We wijzen erop dat in bepaalde gevallen deze verkregen middelen noodzakelijk zullen zijn ter financiering van deze materiele vaste activa en niet gebruikt kunnen worden voor andere doeleinden. Verder zullen bedrijven met meer handelsvorderingen meer leverancierskrediet gebruiken om deze te financieren. Bedrijven met meer liquide middelen maken ook meer gebruik van handelsschulden. Deze bedrijven worden als meer kredietwaardig gezien door hun leveranciers en zouden daardoor meer leverancierskrediet aangeboden krijgen. Verder we vinden zowel een negatief als een positief verband tussen het gebruik van leverancierskrediet en het gebruik van bankkrediet. Dit bevestigt zowel de substitution hypothesis als de complementary hypothesis i.v.m. bancair krediet. Verder, zoals de theorie suggereert, gebruiken bedrijven met meer interne middelen minder leverancierskrediet. Als laatste is er weinig evidentie voor het positieve verband tussen groeipotentieel van een bedrijf en de aangeboden hoeveelheid leverancierskrediet. Er zijn enkele opmerkingen bij dit onderzoek. Als eerste merken we op dat we de tax theory of trade credit door Brick en Fung (1984) niet in rekening hebben genomen. Daarnaast stellen we vast dat er een probleem van endogeniteit kan optreden voor de variabele liquide middelen. Liquide middelen beïnvloeden de grootte van de bedrijfsactiva en oefenen op die manier een invloed uit op de afhankelijke variabelen. We willen erop wijzen dat de resultaten met betrekking tot liquide middelen met voorzichtigheid dienen geïnterpreteerd te worden. Dit probleem ontstaat omdat we gebruik maken van handelskrediet gerelateerd aan de bedrijfsactiva en geen gebruik maken van het aantal dagen klantenkrediet. We zijn echter genoodzaakt om deze afhankelijke variabelen te gebruiken als we rekening willen houden met kleine bedrijven. Deze opmerking geldt in mindere mate ook voor andere actiefbestanddelen die deel uitmaken van bedrijfsactiva. Op basis van deze masterproef zien we verschillende mogelijkheden tot verder onderzoek. Zo kan de relatie tussen de grootte van een bedrijf en het gebruik van handelskrediet verder onderzocht worden. Daarnaast kunnen de verschillen tussen bedrijven uit verscheidene sectoren in een Belgisch kader verder worden onderzocht.
55
Bibliografie Aaronson, D., Bostic, R.W., Huck, P., Townsend, R., 2004. Supplier relationships and small business use of trade credit. Journal of Urban Economics 55, 46–67. Alphonse, P., Ducret, J., Severin, E., 2003. When trade credit facilitates access to bank finance: Evidence from US small business data. Working Paper. University of Lille. Bastos, R., & Pindado, J. 2007. An agency model to explain trade credit policy and empirical evidence. Applied Economics, 39, 2631–2642. Biais, B., and C. Gollier, 1997, ‘‘Trade Credit and Credit Rationing,’’ Review of Financial Studies, 10(4), 903–937. Bougheas, S., Mateut, S., & Mizen, P. 2009. Corporate trade credit and inventories: New evidence of a trade-off from accounts payable and receivable. Journal of Banking & Finance, 33, 300–307. Brennan, Michael J., Vojislav Maksimovic, and Josef Zechner, 1988, Vendor financing, Journal of Finance 43, 1127-1141. Brick, Ivan E. and K. H. Fung, 1984, Taxes and the theory of trade debt, Journal of Finance 39, 11691176. Burkart, M., and T. Ellingsen, 2004, In-kind finance: a theory of trade credit, American Economic Review 94, 569–590. Burkart, M., Ellingsen, T., Giannetti, M., 2005. What you sell is what you lend? Explaining trade credit contracts. Finance Working Paper No 71/2005, ESGI. Choi, W. G., and Y. Kim, 2005, Trade credit and the effect of macro-financial shocks: evidence from US panel data, Journal of Financial and Quantitative Analysis 40, 897–925. Cunat, V., 2007, Trade credit: suppliers as debt collectors and insurance providers, Review of Financial Studies 20, 491–527. Danielson, M.G. and J.A. Scott, 2000, “Additional Evidence on the Use of Trade Credit by Small Firms: The Role of Trade Credit Discounts,” Temple University Working Paper. Deloof, M., and M. Jegers, 1996, Trade credit, product quality, and intragroup trade: some European evidence, Financial Management 25, 33–43. Deloof, M., and M. Jegers, 1999, Trade credit, corporate groups, and the financing of Belgian firms, Journal of Business Finance and Accounting 26, 945–966. Elliehausen, G. E., and J. D. Wolken, 1993, The demand for trade credit: an investigation of motives for trade credit use by small businesses, The Federal Reserve Board, working paper. Emery, G. W., 1984, A pure financial explanation for trade credit, Journal of Financial and Quantitative Analysis 19, 271–285. VI
Ferris, J. S., 1981, A transactions theory of trade credit use, Quarterly Journal of Economics 96, 243– 270. Fisman, R., and I. Love, 2003, Trade credit, financial intermediary development, and industry growth, Journal of Finance 58, 353–374. Frank, M., Maksimovic, V., 2005. Trade credit, collateral, and adverse selection. Working Paper. University of Maryland. Jain, N., 2001. Monitoring costs and trade credit. Quarterly Review of Economics and Finance 41, 89– 110. Kestens, K., P. Van Cauwenberge, and H. V. Bauwhede, 2012, Trade credit and company performance during the 2008 financial crisis, Accounting and Finance 52, 1125–1151. Lee, Y. W., and J. D. Stowe, 1993, Product risk, asymmetric information, and trade credit, Journal of Financial and Quantitative Analysis 28, 285–300. Long, M. S., I. B. Malitz, and S. A. Ravid, 1993, Trade credit quality guarantees, and product marketability, Financial Management 22, 117–127. Martinez-Sola, C., Garcia-Teruel, PJ., Martinez-Solano, P. 2013. Trade credit policy and firm value. Accounting and Finance 53, 791-808 Mateut, S., Bougheas, S.,&Mizen, P. 2006. Trade credit, bank lending and monetary policy transmission. European Economic Review, 50, 603–629. Mian, S., and C. Smith, 1992, Accounts receivable management policy: theory and evidence, Journal of Finance 47, 167–200. Nadiri, N. I., 1969, The determinants of trade credit terms in the U.S. total manufacturing sector, Econometrica 37, 408–423. Ng, C. K., J. K. Smith, and R. L. Smith, 1999, Evidence on the determinants of credit terms used in interfirm trade, Journal of Finance 54, 1109–1129. Nilsen, J. H., 2002, Trade credit and the bank lending channel, Journal of Money, Credit and Banking 34, 226–253. Opler, Tim, Lee Pinkowitz, Rene Stulz, and Rohan Williamson. 1999. The Determinants and Implications of Corporate Cash Holdings. Journal of Financial Economics 52:1, 3-46. Petersen, M. A. and Rajan, R. G. 1994. The benefits of lending relationships: evidence from small business data, The Journal of Finance, 49, 3–37. Petersen, M. A., and R. G. Rajan, 1997, Trade credit: theories and evidence, Review of Financial Studies 10, 661–691. Santos, J. A. C., and S. D. Longhofer, 2003, The Paradox of Priority, Financial Management, 32(1), 69– 82.
VII
Schwartz, R. A., 1974, An economic model of trade credit, Journal of Financial and Quantitative Analysis 9, 643–657. Smith, Janet Kiholm, 1987, Trade credit and informational asymmetry, Journal of Finance 62, 863871. Wei, P. and Zee, S. M. L., 1997. Trade credit as quality signal: an international comparison, Managerial Finance, 23, 63–72. Wilner, B. S., 2000. The exploitation of relationship in financial distress: The case of trade credit. Journal of Finance, 55, 153–178.
VIII
Bijlagen Tabel 18
Overzicht NACE-BEL 2008 codes per gebruikte sector
Sector Uitrustingsgoederen
NACE-BEL 2008 codes 251 tot 254 + 28 + 262 + 263 + 265 + 2711 + 301 tot 303 + 325 +332
Voeding
10 - 106 - 109 + 11 + 12
Groothandel
46 - 461
Kleinhandel
47 - 473
Diensten
37 + (38 - 383 - 38222) + 39 + 411 + 582 + 59 + 60 + 62 + 63 + 66 tot 69 + (7- 75 - 79) + 80 tot 82 + 855 + 90 tot 93 + 95 + 96 + 97
IX
Tabel 19
Structuur van de bedrijfsactiva op basis van gemiddelden in absolute cijfers
Overzicht van de onderdelen van de bedrijfsactiva. Op basis van gemiddelden van de gemiddelde balansposten in absolute cijfers. Descriptive Statistics Vaste activa Oprichtingskosten Immateriële vaste activa Materiële vaste activa
Vlottende activa Vorderingen op meer dan één jaar Handelsvorderingen (>1j) Overige vorderingen (>1j) Voorraden en Best. In Uitv Voorraden Vorderingen op ten hoogste één jaar Handelsvorderingen (<1j) Overige vorderingen (<1j) Overlopende Rekeningen (Actief) Bedrijfsactiva
Uitrustingsgoederen
Voeding
Groothandel
Kleinhandel
Diensten
965.746,88 22,51% 1.522,48 0,04%
1.713.769,76 35,93% 1.951,11 0,04%
2.017.948,01 14,75% 3.972,21 0,03%
823.941,01 31,50% 3.769,82 0,14%
8.313.487,91 21,03% 30.010,08 0,08%
172.914,10 4,03% 791.310,30 18,44%
248.075,00 5,20% 1.463.743,65 30,69%
605.966,69 4,43% 1.408.009,11 10,29%
97.925,66 3,74% 722.245,53 27,61%
553.107,25 1,40% 7.730.370,58 19,55%
3.324.544,14 77,49% 328.792,08 7,66%
3.055.626,99 64,07% 119.031,28 2,50%
11.665.545,26 85,25% 493.819,32 3,61%
1.791.899,47 68,50% 89.038,49 3,40%
31.221.541,63 78,97% 8.647.660,07 21,87%
25.593,65 0,60% 303.198,43 7,07%
3.987,42 0,08% 115.043,86 2,41%
20.138,07 0,15% 473.681,25 3,46%
32.120,75 1,23% 56.919,29 2,18%
1.626.102,20 4,11% 7.021.558,04 17,76%
935.158,00 21,80% 581.389,44 13,55%
823.768,89 17,27% 823.027,20 17,26%
3.401.522,08 24,86% 3.308.939,31 24,18%
751.585,79 28,73% 723.677,33 27,66%
1.720.505,16 4,35% 1.370.357,63 3,47%
2.024.445,18 47,19% 1.148.132,24 26,76%
2.066.990,52 43,34% 1.277.970,96 26,80%
7.639.682,81 55,83% 5.361.899,10 39,19%
913.352,55 34,92% 552.158,50 21,11%
20.114.777,31 50,88% 3.804.998,98 9,62%
876.312,95 20,43% 36.148,88 0,84%
789.019,56 16,54% 45.836,30 0,96%
2.277.784,05 16,65% 130.521,04 0,95%
361.203,95 13,81% 37.922,64 1,45%
16.309.779,17 41,25% 738.599,09 1,87%
4.290.291,15
4.769.397,74
13.683.492,91
2.615.883,58
39.535.029,03
X
Tabel 20
Gemiddelden van het aandeel van verschillende balansposten in het balanstotaal, zonder outliers in eigen vermogen/totale activa en handelsschulden/bedrijfsactiva Uitrustingsgoederen
Mean Vaste activa
Std. Dev.
Voeding
Mean
Std. Dev.
Groothandel
Mean
Std. Dev.
Kleinhandel
Mean
Std. Dev.
Diensten
Mean
Std. Dev.
30,50% 0,2634 0,06% 0,0095
48,16% 0,2955 0,12% 0,0128
20,44% 0,2262 0,03% 0,0042
30,99% 0,2602 0,09% 0,0125
36,21% 0,3382 0,05% 0,0060
Materiële vaste activa
1,50% 0,0704 25,81% 0,2494
1,83% 0,0724 43,02% 0,2975
1,32% 0,0556 14,45% 0,1827
3,00% 0,0963 25,05% 0,2409
2,51% 0,0886 22,73% 0,2983
Financiële vaste activa
3,13% 0,1253
3,19% 0,1221
4,64% 0,1482
2,83% 0,1033
10,93% 0,2408
69,50% 0,2634 0,70% 0,0566
51,84% 0,2955 0,77% 0,0586
79,56% 0,2262 0,91% 0,0606
69,01% 0,2602 0,37% 0,0365
63,79% 0,3382 2,01% 0,0962
0,12% 0,0218 0,58% 0,0523
0,11% 0,0204 0,66% 0,0548
0,12% 0,0186 0,79% 0,0577
0,06% 0,0137 0,31% 0,0336
0,45% 0,0507 1,57% 0,0820
13,25% 0,1674 11,36% 0,1573
9,27% 0,1302 9,21% 0,1294
20,87% 0,2039 20,51% 0,2034
30,23% 0,2676 30,09% 0,2676
7,07% 0,1788 5,36% 0,1605
34,90% 0,2463 26,22% 0,2107
25,27% 0,2491 14,92% 0,1898
43,42% 0,2557 34,72% 0,2345
20,70% 0,2338 11,79% 0,1789
37,49% 0,3067 25,86% 0,2616
8,69% 0,1649
10,35% 0,1869 1,99% 0,0833
11,63% 0,1965 2,75% 0,0967
Oprichtingskosten Immateriële vaste activa
Vlottende activa Vorderingen op meer dan één jaar Handelsvorderingen (>1j) Overige vorderingen (>1j) Voorraden en Best. In Uitv Voorraden Vorderingen op ten hoogste één jaar Handelsvorderingen (<1j) Overige vorderingen (<1j) Geldbeleggingen Liquide middelen
3,27% 0,1137 16,34% 0,1984
8,70% 0,1635
8,91% 0,1646
2,04% 0,0878 11,41% 0,1497
1,87% 0,0860 14,61% 0,1700
0,92% 0,0272
1,23% 0,0391
12,74% 0,1757 1,73% 0,0512
1,04% 0,0348
13,31% 0,1677 1,22% 0,0392
Totaal der activa
100,00% 0,0000
100,00% 0,0000
100,00% 0,0000
100,00% 0,0000
100,00% 0,0000
Eigen vermogen
25,96% 1,5853
10,46% 1,4461
34,74% 0,3147
25,28% 0,4646
31,79% 0,3382
1,67% 0,1841
0,91% 0,0463
1,32% 0,0467
0,57% 0,0389
1,58% 0,0555
72,37% 1,5745 17,61% 0,8289
88,64% 1,4476 24,71% 0,3700
63,94% 0,3163 9,17% 0,1658
74,15% 0,4645 17,22% 0,2614
66,63% 0,3389 15,77% 0,2536
15,38% 0,7694 0,02% 0,0071
22,44% 0,3080 0,05% 0,0132
8,13% 0,1523 0,05% 0,0136
15,30% 0,2310 0,11% 0,0297
14,08% 0,2392 0,07% 0,0177
Overlopende Rekeningen (Actief)
Voorzieningen en uitgestelde bel. Schulden Schulden op meer dan één jaar Financiële schulden (>1j) Handelsschulden (>1j)
XI
Leveranciers (>1j) Te betalen wissels (>1j) Schulden op ten hoogste één jaar Financiële schulden (<1j) Handelsschulden (<1j) Leveranciers (<1j) Te betalen wissels (<1j) Overlopende Rekeningen (Passief) Totaal der passiva Verh.TA Bedrijfsactiva Valid N
17
17
0,00% 0,0005 0,00% 0,0000
0,00% 0,0011 0,00% 0,0000
0,02% 0,0059 0,00% 0,0002
0,04% 0,0228 0,00% 0,0000
0,05% 0,0166 0,00% 0,0000
53,52% 1,2394 5,36% 0,4849
62,86% 1,3936 4,46% 0,1681
53,52% 0,2998 8,04% 0,1505
56,08% 0,4380 4,24% 0,1290
47,97% 0,3413 5,50% 0,1415
18,08% 0,3970 18,02% 0,3966
18,52% 0,2337 18,49% 0,2335
28,32% 0,2409 28,27% 0,2408
23,01% 0,2439 22,92% 0,2431
17,78% 0,2134 17,73% 0,2132
0,06% 0,0157 1,24% 0,1743
0,03% 0,0101 1,07% 0,1055
0,05% 0,0104 1,25% 0,0427
0,08% 0,0119 0,83% 0,0373
0,05% 0,0116 2,89% 0,0827
100,00% 0,0000
100,00% 0,0000
100,00% 0,0000
100,00% 0,0000
100,00% 0,0000
77,26% 0,2438
81,50% 0,2125
81,92% 0,2138
80,69% 0,2050
73,58% 0,2800
5815
3911
5964
5940
5936
23
37
36
60
64
Het aantal bedrijven in elke steekproef, de cijfers weergegeven in de laatste rij zijn het aantal verwijderde outliers.
XII
Tabel 21
Samenstelling van de bedrijfsactiva
In de eerste kolom worden de klassen weergegeven waarin de steekproeven worden verdeeld. Bedrijven met een verhouding bedrijfsactiva op totale activa van 100% tot 50%, 50% tot 30%,… In de verdere kolommen wordt eerst weergegeven hoeveel bedrijven in de steekproef voldoen aan dit criterium. Het tweede cijfer zijn cumulatieve percentages.
BA / TA 100% - 50% 50% - 30% 10% - 30% 5% - 10% 0% - 5%
Uitrustingsgoederen
84,70 8,30 5,00 0,80 1,30
84,70 92,90 97,90 98,70 100,00
Voeding
89,70 5,60 2,90 0,60 1,20
89,70 95,30 98,20 98,80 100,00
Groothandel
Kleinhandel
79,50 8,80 6,70 2,10 2,90
89,90 5,50 3,10 0,70 0,80
79,50 88,30 95,00 97,10 100,00
89,90 95,50 98,60 99,20 100,00
Diensten
89,80 6,30 3,20 0,30 0,40
89,80 96,10 99,30 99,60 100,00
XIII
Tabel 22
Correlatiematrix voor de voedingssector, klantenkrediet
Handelsvorderingen Leeftijd Grootte Leeftijd² Grootte² Voorraden Liquide Middelen Cashflow ROBA
Tabel 23
Leeftijd
Grootte
Leeftijd²
Grootte²
0,136 *** 1
0,240 *** 0,333 *** 1
0,029 ** -0,234 *** 0,038 *** 1
0,173 0,173 0,434 0,115 1
*** *** *** ***
Voorraden 0,069 0,141 0,060 0,039 0,197 1
*** *** *** *** ***
Liq. Mid. 0,014 -0,031 -0,369 -0,028 0,001 0,043 1
** *** ** ***
Cashflow -0,018 -0,014 -0,071 -0,069 -0,031 -0,071 0,282 1
*** *** ** *** ***
ROBA 0,096 0,070 0,099 -0,063 -0,009 -0,027 0,158 0,919 1
*** *** *** *** ** *** ***
Correlatiematrix voor de sector groothandel, klantenkrediet
Leeftijd Handelsvorderingen Leeftijd Grootte Leeftijd² Grootte² Voorraden Liquide Middelen Cashflow ROBA
-0,015 1
Grootte
Leeftijd²
0,028 ** 0,291 *** 1
0,002 -0,381 *** -0,100 *** 1
Grootte² -0,055 -0,075 0,065 0,150 1
*** *** *** ***
Voorraden -0,410 *** -0,023 ** -0,007 0,056 *** 0,001 1
Liq. Mid. 0,116 -0,027 -0,318 0,005 0,085 -0,100 1
*** ** *** *** ***
Cashflow -0,019 -0,009 -0,108 -0,008 0,072 -0,116 0,295 1
* *** *** *** ***
ROBA 0,040 0,005 -0,061 -0,012 0,057 -0,089 0,274 0,980 1
*** *** *** *** *** ***
XIV
Tabel 24
Correlatiematrix voor de sector kleinhandel, klantenkrediet
Handelsvorderingen Leeftijd Grootte Leeftijd² Grootte² Voorraden Liquide Middelen Cashflow ROBA
Leeftijd
Grootte
Leeftijd²
0,074 *** 1
0,106 *** 0,360 *** 1
0,001 -0,149 *** 0,036 *** 1
Grootte² 0,024 0,150 0,389 0,113 1
** *** *** ***
Voorraden -0,355 *** -0,001 -0,170 *** 0,010 -0,041 *** 1
Liq. Mid. 0,042 -0,016 -0,274 0,006 0,042 -0,033 1
*** *** *** ***
Cashflow 0,043 -0,011 -0,070 -0,002 0,057 -0,119 0,321 1
*** *** *** *** ***
ROBA 0,084 0,034 0,016 0,008 0,043 -0,046 0,250 0,954 1
*** ***
*** *** *** ***
XV
Tabel 25
Correlatiematrix voor de dienstensector, leverancierskrediet
Leeftijd A/P Leeftijd Leeftijd² Grootte Grootte² MVA A/R Voorraden Liquide Middelen Bankkrediet Cashflow EBIT-groei TW-Groei
-0,145 *** 1
Leeftijd² 0,005
Grootte
Grootte²
MVA
-0,248 *** -0,050 *** -0,309 ***
A/R
Voorraden
0,371 *** -0,052 ***
Liq. Mid.
Bankkrediet
0,330 *** -0,112 ***
Cashflow
EBIT-groei
TW-Groei
0,003
0,012
-0,014
0,010
0,017 -0,004
0,223 ***
0,333 ***
0,064 ***
0,156 *** -0,146 ***
0,014
-0,119 ***
0,071 *** -0,006
1
0,167 ***
0,167 ***
0,157 *** -0,116 ***
0,028 **
-0,015
0,116 *** -0,036 ***
-0,015
1
0,338 ***
0,214 *** -0,352 ***
0,041 *** -0,394 ***
0,110 *** -0,131 ***
-0,021 *
0,003
0,037 ***
0,041 ***
0,079 ***
-0,005
0,008
-0,589 *** -0,153 *** -0,140 ***
0,309 ***
0,018 *
-0,009
0,016
1
0,039 *** -0,121 *** -0,032 *** 1
1
-0,191 *** 1
0,220 *** -0,262 *** -0,009 -0,061 *** 1
0,063 *** -0,036 *** -0,162 *** 1
0,171 ***
0,022 * -0,041 *** 0,009
0,032 **
0,009
-0,005
-0,017
-0,004
0,016
1
-0,008
0,004
1
0,076 *** 1
XVI
Tabel 26
Correlatiematrix voor de sector groothandel, leverancierskrediet
Leeftijd A/P Leeftijd Leeftijd² Grootte Grootte² MVA A/R Voorraden Liquide Middelen Bankkrediet Cashflow EBIT-groei
-0,149 *** 1
Leeftijd²
Grootte
0,124 *** -0,064 *** -0,229 *** 1
Grootte²
MVA
0,022 **
-0,269 ***
0,261 *** -0,035 ***
A/R
0,341 *** -0,019 *
0,037 *** -0,024 **
-0,025 **
0,110 *** -0,068 ***
0,016
1
0,110 *** -0,127 ***
0,026 **
1
-0,074 *** -0,055 *** 1
Voorraden -0,009
Liq. Mid.
0,005
-0,021 * -0,315 ***
-0,410 *** 1
-0,018 *
1
-0,031 **
-0,045 *** -0,032 ***
-0,003
0,002
0,057 *** -0,101 ***
-0,001
0,008
0,062 ***
-0,012
-0,008
0,091 ***
-0,010
0,001
0,122 *** -0,135 *** -0,016 -0,099 ***
0,013
TW-Groei 0,008
0,256 ***
0,000
EBIT-groei -0,002
0,068 *** -0,012
-0,477 *** -0,195 *** -0,013 1
Cashflow
0,138 *** -0,193 *** -0,104 ***
0,044 *** -0,009 -0,004
Bankkrediet
0,073 *** -0,111 ***
0,019 * -0,016
0,002 -0,005
-0,223 ***
0,291 ***
0,015
1
-0,092 ***
-0,005
1
-0,011
-0,048 ***
-0,025 ** -0,025 ** 1
0,035 ***
TW-Groei
1
XVII
Tabel 27
Correlatiematrix voor de sector kleinhandel, leverancierskrediet
Leeftijd A/P Leeftijd Grootte Leeftijd² Grootte² MVA A/R Voorraden Liquide Middelen Bankkrediet Cashflow EBIT-groei
Grootte
Leeftijd²
-0,057 *** -0,033 *** -0,038 *** 1
Grootte²
MVA
A/R
Voorraden
Liq. Mid.
0,064 *** -0,191 ***
0,191 ***
0,055 ***
0,172 *** -0,149 *** -0,085 ***
0,347 ***
0,159 ***
0,159 *** -0,010
0,076 *** -0,009
1
0,136 ***
0,428 ***
0,105 *** -0,170 *** -0,276 ***
1
0,089 ***
0,158 *** -0,033 *** 1
-0,065 *** 1
0,013 0,028 **
0,024 ** -0,053 ***
-0,001 -0,012 0,029 **
-0,352 *** 1
Cashflow
-0,093 *** -0,006 0,030 **
-0,066 ***
-0,046 *** -0,007
EBIT-groei
TW-Groei
0,005
-0,012
0,008
-0,005
0,011
0,012
0,006
-0,003
-0,110 ***
0,055 ***
-0,002
0,007
0,376 ***
0,081 ***
0,010
0,004
0,041 *** -0,137 ***
-0,295 *** -0,508 *** -0,009 1
Bankkrediet
-0,029 ** 1
0,035 ***
-0,001
-0,204 *** -0,120 ***
-0,007
-0,023 **
-0,133 ***
0,311 ***
-0,003
-0,019 *
1
-0,053 ***
0,008
1
-0,002 1
0,008
0,018 -0,020 * 0,270 ***
TW-Groei
1
XVIII
