UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2011 – 2012
Kwaliteitsverschillen tussen BIG4 en second-tier auditkantoren op de Belgische markt Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen
Lien Van Den Bossche onder leiding van Prof. Dr. Ignace De Beelde
PERMISSION Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding.
Lien Van Den Bossche
I
Woord vooraf Bij het tot stand komen van deze masterproef heb ik kunnen rekenen op de begeleiding van een aantal personen die ik hier wil bedanken. Vooreerst wil ik mijn promotor, Prof. Dr. Ignace De Beelde, en zijn assistent, Xavier Walthoff-Borm, bedanken voor de begeleiding en de feedback. Daarnaast wil ik ook Prof. Dr. Philippe Van Cauwenberge bedanken voor de tips omtrent het statistische gedeelte van deze masterproef. Verder wil ik Universiteit Gent bedanken voor het gebruik van de Bel-First databank en voor het ter beschikking stellen van Eviews. Tenslotte dank ik nog de familieleden, vrienden en kennissen die mij gesteund hebben bij de totstandkoming van deze masterproef.
II
Inhoudsopgave
Abstract ........................................................................................................................................................ 1 1.
Inleiding................................................................................................................................................ 2
2.
Literatuuroverzicht en hypothesen ..................................................................................................... 4 2.1.
Angelsaksisch onderzoek .............................................................................................................. 4
2.2.
Continentaal Europees onderzoek: België .................................................................................... 5
2.2.1.
Institutionele omgeving ........................................................................................................ 6
2.2.2.
Auditkwaliteit ....................................................................................................................... 8
2.2.3.
Beursnotering ....................................................................................................................... 9
2.2.4.
Second-tier revisorenkantoren ........................................................................................... 10
2.3. 3.
4.
Onderzoeksmethode ......................................................................................................................... 11 3.1.
Methodologie ............................................................................................................................. 11
3.2.
Univariate analyse ...................................................................................................................... 12
3.3.
Multivariate analyse................................................................................................................... 13
3.4.
Gegevensverzameling................................................................................................................. 16
Analyse ............................................................................................................................................... 18 4.1.
Univariate analyse ...................................................................................................................... 18
4.2.
Correlaties .................................................................................................................................. 22
4.3.
Multivariate analyse................................................................................................................... 22
4.3.1.
Hypothese 1 ........................................................................................................................ 22
4.3.2.
Hypothese 2 ........................................................................................................................ 25
4.4.
5.
Hypothesen ................................................................................................................................. 10
Sensitiviteitsanalyse ................................................................................................................... 29
4.4.1.
Kleinste kwadratenmethode .............................................................................................. 29
4.4.2.
Grootte aan de hand van omzet ......................................................................................... 29
4.4.3.
Vlottende accruals .............................................................................................................. 29
4.4.4.
Conclusie sensitiviteitsanalyse............................................................................................ 30
Besluit................................................................................................................................................. 31
III
Gebruikte afkortingen Big N:
Gedurende de twintigste eeuw werden de grootste internationale revisorenkantoren de ‘Big 8’ genoemd. Er hebben zich echter fusies voorgedaan tussen deze kantoren waardoor de Big 8 evolueerde tot de Big 6, en uiteindelijk tot de Big 4. Om deze samen te vatten wordt hier ‘Big N’ gebruikt.
SEC:
Securities and Exchange Commission
NBB:
Nationale Bank van België
IBR:
Instituut van de Bedrijfsrevisoren
IFRS:
International Financial Reporting Standards
GAAP:
Generally Accepted Accounting Principles
IV
Lijst van tabellen
Tabel 1:
Samenstelling steekproef .................................................................................................. 17
Tabel 2:
Univariate analyse van beursgenoteerde en niet-beursgenoteerde bedrijven ................ 19
Tabel 3:
Univariate analyse van Big 4 klanten en second-tier klanten ........................................... 20
Tabel 4:
Univariate analyse van Big 4 klanten en second-tier klanten voor beursgenoteerde bedrijven ............................................................................................................................ 20
Tabel 5:
Univariate analyse van Big 4 klanten en second-tier klanten voor niet-beursgenoteerde bedrijven ............................................................................................................................ 21
Tabel 6:
Pearson correlatiematrix: volledige dataset ..................................................................... 22
Tabel 7:
Resultaten regressie ter analyse van hypothese 1 ............................................................ 23
Tabel 8:
Resultaten regressie ter analyse van hypothese 1 voor beursgenoteerde en nietbeursgenoteerde bedrijven afzonderlijk ........................................................................... 24
Tabel 9:
Resultaten regressie ter analyse van hypothese 2 ............................................................ 26
Tabel 10:
Resultaten regressie ter analyse van hypothese 2 m.b.t. het verschil in het niveau van winststuring bij beursgenoteerde en niet-beursgenoteerde bedrijven ............................ 27
Tabel 11:
Resultaten regressie ter analyse van hypothese 2 voor beursgenoteerde en nietbeursgenoteerde bedrijven afzonderlijk ........................................................................... 28
Tabel 12:
Overzicht sensitiviteitsanalyse .......................................................................................... 30
V
Abstract In deze masterproef wordt de auditkwaliteit van Big 4 en second-tier revisorenkantoren vergeleken tijdens de periode 2007-2010 op de Belgische markt. Het overgrote deel van de literatuur omtrent dit onderwerp heeft zich geconcentreerd op de Angelsaksische landen. Er zijn echter belangrijke verschillen tussen de Angelsaksische omgeving en de continentaal Europese omgeving en onderzoek hiernaar in de continentaal Europese omgeving is niet eenduidig. Er is dus bijkomend onderzoek vereist. Aangezien het doel van een audit is de kwaliteit van de financiële rapportering te verbeteren, wordt hier gebruik gemaakt van de mate van winststuring bij de klant als proxy voor auditkwaliteit. Verder wordt er ook een onderscheid gemaakt tussen beursgenoteerde en niet-beursgenoteerde ondernemingen. Het onderzoek wordt uitgevoerd door gebruik te maken van de cross-sectionele variant van het Modified Jones Model. Er wordt geen verschil vastgesteld tussen Big 4 en second-tier revisoren op het niveau van winststuring, een Big 4 revisor beperkt winststuring niet meer dan een second-tier revisor. Dit geldt zowel voor beursgenoteerde als voor niet-beursgenoteerde bedrijven. Tenslotte blijkt dat beursgenoteerde bedrijven minder deelnemen aan winststuring. Een beursnotering vormt dus een beperking op het niveau van winststuring.
1
1. Inleiding Gedurende de laatste jaren doet er zich een evolutie voor in de auditmarkt, second-tier revisorenkantoren1 worden een waardig alternatief voor de Big 4 revisorenkantoren2 (Byrnes, 2005; Cassel, Giroux, Myers, Omer, 2011; Jenkins & Velury, 2011). Deze groei van second-tier revisorenkantoren is belangrijk aangezien vorig onderzoek suggereert dat auditkwaliteit stijgt met de grootte van de revisorenkantoren. Vooreerst is deze evolutie een gevolg van het feit dat bedrijven op zoek zijn naar een betere dienstverlening, lagere prijs of beide (Byrnes, 2005). Ten tweede heeft de wet in 2002 omtrent de Sarbanes Oxley Act (SOX) ervoor gezorgd dat het aantal uren dat nodig is voor een typische audit stijgt met 30% waardoor Big 4 revisorenkantoren zich meer zijn gaan concentreren op hun grootste en meest winstgevende klanten (Byrnes, 2005). Dit is de reden waarom de Big 4 revisorenkantoren klanten hebben moeten afstoten die ze anders graag zouden behouden hebben (Byrnes, 2005). Onderzoek van Cassel et al. (2011) toont aan dat de geloofwaardigheid van de financiële rapportering door second-tier revisorenkantoren gestegen is na de faling van Anderson. Meer bepaald toont hun onderzoek aan dat, voor de faling van Anderson, de geloofwaardigheid met betrekking tot de financiële rapportering van second-tier klanten lager was dan deze van de Big 4 klanten en niet onderscheidbaar was van deze van andere niet Big 4 klanten. Na de faling van Anderson ligt de geloofwaardigheid met betrekking tot de financiële rapportering van second-tier klanten echter hoger dan deze van andere niet Big 4 klanten en is ze niet meer te onderscheiden van deze van Big 4 klanten. Verder vinden Jenkins en Velury (2011) geen significant verschil in accounting conservatisme tussen klanten van Big N3 en second-tier revisorenkantoren. Wel toont hun onderzoek aan dat er, in de periode na SOX, meer accounting conservatisme is bij Big N en second-tier revisorenkantoren ten opzichte van bij de andere, niet Big N/niet second-tier revisorenkantoren. Als derde argument stellen zij dat er verwacht werd dat de investeerders negatief gingen reageren bij een overschakeling van een Big 4 naar een second-tier revisorenkantoor, maar deze negatieve reactie bleef uit. De laatste reden, gegeven door Jenkins en Velury (2011), voor de opmars van second-tier revisorenkantoren is dat toezichthouders en belangengroepen de second-tier revisorenkantoren promoten als een goed alternatief voor de Big 4.
1
De second-tier revisorenkantoren in dit onderzoek zijn: BDO, Grant Thornton, Mazars, Callens Pirenne & Co en
RSM Interaudit. De wijze waarop deze bepaald werden, kan worden teruggevonden onder punt 2.2.3. Second-tier revisorenkantoren. 2 3
De Big 4 revisorenkantoren zijn: Deloitte, PriceWaterhouseCoopers, Ernst & Young en KPMG. Gedurende de twintigste eeuw werden de grootste internationale revisorenkantoren de ‘Big 8’ genoemd. Er
hebben zich echter fusies voorgedaan tussen deze kantoren waardoor de Big 8 evolueerde tot de Big 6, en uiteindelijk tot de Big 4. Om deze samen te vatten wordt hier Big N gebruikt.
2
Hierbij gaan zij ervan uit dat er geen verschil in kwaliteit is tussen Big 4 en second-tier revisorenkantoren. Nochtans blijft het een open vraag of de kwaliteit tussen beide inderdaad gelijk is. Omwille van deze evolutie richt het onderzoek in deze masterproef zich dan ook op het al dan niet aanwezig zijn van kwaliteitsverschillen tussen Big 4 en second-tier revisorenkantoren en wordt er geen rekening gehouden met niet Big 4/niet second-tier revisorenkantoren. Het doel van deze masterproef is na te gaan of er een verschil in auditkwaliteit is tussen de vier grote revisorenkantoren en de second-tier revisorenkantoren op de Belgische markt in de periode 2007 tot en met 2010. De algemene onderzoeksvraag is de volgende: “Is er een verschil in auditkwaliteit tussen de vier grote revisorenkantoren (Big 4) en de second-tier revisorenkantoren op de Belgische markt?”. De resultaten van dit onderzoek leveren een bijdrage tot de literatuur op twee vlakken. Als eerste wordt er een onderscheid gemaakt tussen beursgenoteerde en niet-beursgenoteerde bedrijven. Ten tweede maakt dit onderzoek een onderscheid tussen de vier grote revisorenkantoren en de second-tier revisorenkantoren in plaats van enkel te focussen op de tweedeling Big 4 en niet Big 4 revisorenkantoren. Om de kwaliteit van de revisorenkantoren te beoordelen wordt gebruikt gemaakt van de crosssectionele variant van het Modified Jones Model. De steekproef bevat 72 ondernemingen waarvan 36 beursgenoteerde en 36 niet-beursgenoteerde ondernemingen. Uit dit onderzoek blijkt dat er geen verschil in kwaliteit is tussen Big 4 en second-tier revisorenkantoren. Big 4 revisorenkantoren vormen geen grotere beperking voor winststuring dan second-tier kantoren. Dit geldt zowel voor beursgenoteerde als voor niet-beursgenoteerde ondernemingen. Verder toont dit onderzoek ook aan dat beursgenoteerde bedrijven minder deelnemen aan winststuring dan nietbeursgenoteerde bedrijven. Hieruit kan afgeleid worden dat een beursnotering een beperking vormt op de mate van winststuring. Bovendien is het ook mogelijk dat een Big 4 revisorenkantoor en een beursnotering substituten zijn in het beperken van winststuring. De opbouw van deze paper is als volgt. Onder punt twee wordt een uitgebreid overzicht gegeven van de bestaande literatuur. Hier wordt zowel ingegaan op de Angelsaksische context als op de Continentaal Europese omgeving. Er wordt ook aandacht besteed aan de Belgische omgeving. Hierop volgend worden de hypothesen die in deze masterproef onderzocht worden uiteengezet. Verder zet punt drie de onderzoeksmethode uiteen. Deze omvat de methodologie, de univariate- en multivariate modellen en de gegevensverzameling. Punt vier behandelt de analyse. Deze omvat een univariate- en multivariate analyse en vervolgens ook een sensitiviteitsanalyse. Tenslotte beschrijft punt vijf het algemeen besluit.
3
2. Literatuuroverzicht en hypothesen 2.1.
Angelsaksisch onderzoek
Vorig onderzoek toont voornamelijk aan dat er een significant verschil is in kwaliteit tussen Big 4 en nietBig 4 revisorenkantoren. Meer bepaald zouden de Big 4 revisorenkantoren een hogere kwaliteit leveren dan niet-Big 4 revisorenkantoren (o.a. DeAngelo, 1981; Francis & Wilson, 1988; Palmrose, 1988; Francis & Yu; 2009; Lennox, 1999a; Lennox, 1999b; Davidson & Neu, 1993; Chen & Hsu, 2009). DeAngelo (1981) definieert auditkwaliteit als het ontdekken van een fout en deze fout vervolgens ook rapporteren. Grotere kantoren zullen waarschijnlijk een hogere kwaliteit leveren bij een specifieke klant aangezien deze klant slechts een klein aandeel heeft in de totale klantportfolio. De auditor zal met andere woorden zijn onafhankelijkheid beter kunnen vrijwaren en is hierdoor beter bestand tegen de druk van klanten om een goedgekeurde auditopinie te rapporteren en/of om winststuring toe te laten. Indien blijkt dat het revisorenkantoor audits levert van lage kwaliteit leidt dit tot verlies aan reputatie, verlies van klanten, stijgende kosten indien er een rechtszaak komt en verlaging van de fees die ze in de toekomst kunnen vragen. Hoe groter het revisorenkantoor, hoe meer het te verliezen heeft en hoe meer motivatie het heeft om een bepaald niveau van kwaliteit aan te houden (DeAngelo, 1981). Dit argument is ook terug te vinden bij Francis en Wilson (1988). Zij argumenteren dat de Big 8 revisorenkantoren een zekere reputatie hebben opgebouwd en hierdoor gemotiveerd zijn om audits van hogere kwaliteit te leveren dan niet-Big 8 revisorenkantoren. Nog anders gezegd, grote auditbedrijven hebben meer rijkdom die op het spel staat, onder de vorm van reputatie, als er een rechtszaak zou komen. Dit zorgt ervoor dat ze meer gemotiveerd zijn om accuraat te rapporteren (Dye, 1993). Ook Palmrose (1988) vindt in haar onderzoek dat de Big 8 revisorenkantoren minder geconfronteerd worden met rechtszaken en dus minder snel gesanctioneerd worden door de SEC dan niet-Big 8 revisorenkantoren. Dit zou erop wijzen dat de Big 8 revisorenkantoren audits van hogere kwaliteit leveren dan niet-Big 8 kantoren. Francis (2004) stelt dat er twee observeerbare outputs van audit zijn. De eerste output is het auditrapport. Onderzoek hiernaar toont aan dat de Big N revisorenkantoren een hogere kwaliteit leveren (Francis & Krishnan, 1999; Lennox, 1999a; Lennox, 1999b). De tweede output is bewijs uit de jaarrekeningen. Dit toont eveneens aan dat de Big N revisorenkantoren een hogere kwaliteit leveren dan de niet-Big N kantoren (Becker, DeFond, Jiambalvo, Subramanyam, 1998; Francis & Krishnan, 1999; Nelson, Elliot, Tarpley, 2002; Teoh & Wong, 1993). 4
Een groot gedeelte van deze literatuur is echter gericht op de jaren 80 en kan dus al verouderd zijn, bovendien concentreert dit onderzoek zich op de Angelsaksische landen. Verder richt het meeste van dit onderzoek zich op de tweedeling Big N/niet-Big N, en wordt er geen onderscheid gemaakt tussen second-tier en niet-Big N/niet-second-tier revisorenkantoren (Becker et al., 1998; Francis & Krishnan, 1999; Krishnan & Schauer, 2000). Onderzoek dat wel rekening houdt met second-tier revisorenkantoren vindt dat de auditkwaliteit tussen Big 4 en second-tier revisorenkantoren vergelijkbaar is (Boone, Khurana, Raman, 2010; Jenkins & Velury, 2011, Van Tendeloo & Vanstraelen, 2008). Dit zou kunnen aantonen dat het verschil in auditkwaliteit tussen Big N en niet-Big N revisorenkantoren vooral te wijten is aan de niet-Big N/niet-second-tier revisorenkantoren. Vervolgens richt Amerikaanse onderzoek zich meestal op beursgenoteerde ondernemingen aangezien enkel deze verplicht zijn om informatie uit de jaarrekening te publiceren. In België hangt de rapporteringsverplichting af van de vennootschapsvorm en de grootte van het bedrijf, en niet van het al dan niet beursgenoteerd zijn (Vander Bauwhede, Gaeremynck, Willekens, 2000). Tenslotte richt onderzoek van Jeong en Rho (2004) zich op het verschil in auditkwaliteit tussen Big 6 en niet-Big 6 revisorenkantoren in Korea. Hieruit blijkt dat er geen verschil is in kwaliteit tussen beide en dit is consistent met ander onderzoek uitgevoerd in Korea. Dit suggereert dat de economische omgeving in beschouwing moet genomen worden om na te gaan of er een verschil in kwaliteit is tussen Big N en niet-Big N revisorenkantoren. Om deze reden wordt hier nagegaan of er een kwaliteitsverschil is tussen de Big 4 en de second-tier revisorenkantoren op de Belgische markt.
2.2.
Continentaal Europees onderzoek: België
Het overgrote deel van de literatuur in verband met auditkwaliteit concentreert zich op de Angelsaksische landen en rapporteert grotendeels eenduidige resultaten (Vander Bauwhede & Willekens, 2003). In deze landen leveren grote revisorenkantoren een hogere kwaliteit dan kleinere revisorenkantoren (DeAngelo, 1981; Becker et al., 1998; Francis & Wilson, 1988; Palmrose, 1988; Francis & Yu, 2009; Lennox, 1999; Davidson & Neu, 1993; Chen & Hsu, 2009). Aangezien de institutionele omgeving in Europa verschilt van deze in de Angelsaksische landen, kan men zich afvragen of deze resultaten veralgemeend kunnen worden naar Europa, en meer bepaald naar België. Onderzoek in verband met auditkwaliteit in Europa is eerder beperkt en bovendien zijn de resultaten in België niet eenduidig (Vander Bauwhede & Willekens, 2003). Vander Bauwhede, Willekens, Gaeremynck (2003) vinden ondersteunend bewijs dat er een verschil in auditkwaliteit zou zijn tussen Big 6 en niet-Big 6 auditoren in het private klantensegment van de Belgische auditmarkt. Dit is consistent met Willekens en Achmadi (2003). Tegengesteld hieraan zijn de resultaten van Secru, Vander Bauwhede, Willekens (2002). Zij vinden geen duidelijke relatie tussen auditkwaliteit en het type auditor (Big N of niet-Big N). 5
Verder vinden Gaeremynck en Willekens (2003) dat er geen verschil is in kwaliteit tussen Big 6 en nietBig 6 auditoren wanneer de financiële problemen van de klant overduidelijk zijn. Zijn deze problemen echter minder zichtbaar, dan zullen Big 6 revisorenkantoren waarschijnlijk sneller een verklaring zonder voorbehoud uitgeven in vergelijking met niet-Big 6 revisorenkantoren. Als laatste vinden ook Vander Bauwhede en Willekens (2004) dat er een verschil in auditkwaliteit is in het private klantensegment van de Belgische auditmarkt. Verder kijken zij ook of de verschillende resultaten uit vorig onderzoek kunnen te maken hebben met de manier waarop de grootte van het revisorenkantoor gemeten wordt, maar ook hier vinden ze geen bewijs. Tenslotte concentreert het merendeel van het onderzoek in België zich op niet-beursgenoteerde ondernemingen aangezien deze de meerderheid van de Belgische bedrijven vertegenwoordigen (Gaeremynck & Willekens, 2003; Vander Bauwhede & Willekens, 1998; Van Tendeloo & Vanstraelen, 2008; Secru et al., 2002). Het aantal bedrijven dat in 2011 hun jaarrekening neerlegde bij de Nationale Bank van België bedraagt 388 015 (NBB, 2012), hiervan zijn er slechts 142 beursgenoteerd (Beursduivel.be, 2012). Deze masterproef behandelt zowel beursgenoteerde als niet-beursgenoteerde bedrijven in een continentaal Europese omgeving, meer bepaald België.
2.2.1. Institutionele omgeving In België zijn bedrijven die bepaalde vastgelegde criteria overschrijden verplicht hun jaarrekening neer te leggen bij de Nationale Bank van België. Externe audit is verplicht voor alle grote bedrijven, het doel hiervan is de stakeholders van een bedrijf te beschermen. Een belangrijk verschil met de Amerikaanse omgeving is dat, in de Belgische context, weinig juridische processen tegen revisorenkantoren voorkomen. Wanneer deze dreiging zeer laag is, kan de auditor eerder geneigd zijn een vriendschappelijke band met de klant aan te gaan teneinde deze klant te behouden (Secru et al., 2002; Gaeremynck & Willekens, 2003; Vander Bauwhede & Willekens, 2004). Dit kan als gevolg hebben dat bepaalde fouten in de financiële staten van de klant niet gerapporteerd worden, waardoor de auditkwaliteit dus lager ligt. Zowel beursgenoteerde als niet-beursgenoteerde bedrijven in België, die voldoen aan bepaalde groottecriteria, moeten jaarlijks een jaarrekening neerleggen bij de Nationale Bank van België. Hier kan elke geïnteresseerde partij ze opvragen (Secru et al., 2002). Verder is in België eveneens een doorlichting verplicht voor alle grote ondernemingen (Secru et al., 2002). Deze doorlichting wordt uitgevoerd door een lid van het Instituut der Bedrijfsrevisoren (IBR) en heeft als doel het formuleren van een onafhankelijk oordeel omtrent de betrouwbaarheid van de jaarrekening. Het auditrapport wordt publiek gemaakt om gebruikers te informeren over de geloofwaardigheid van de jaarrekening (Secru et
6
al., 2002). Dit zou er kunnen voor zorgen dat de audit in België een afschrikking vormt voor onregelmatigheden in de jaarrekening. Naast de verplichting van een externe audit voor grote vennootschappen, worden er ook externe audits geleverd aan vennootschappen die hier niet wettelijk toe verplicht zijn (Roosen, 2010). Deze (vrijwillige) vraag naar auditdiensten kan verklaard worden door de agency-theorie. Deze theorie bestaat uit twee delen. Vooreerst heeft de principaal (opdrachtgever) andere belangen dan de agent (opdrachtnemer) waardoor de agent andere belangen nastreeft dan de principaal. Een voorbeeld hiervan is de relatie tussen aandeelhouders (principalen) en management (agenten). Het tweede deel van de agency-theorie zegt dat er informatie-asymmetrie heerst tussen de principaal en de agent. Het management beschikt, in tegenstelling tot de aandeelhouders, over ondernemingsspecifieke informatie. De audit zorgt ervoor dat het risico op deze informatie-asymmetrie verkleint zodat de belanghebbenden van de onderneming hun beslissingen kunnen baseren op de gecontroleerde jaarrekening. Zoals DeAngelo (1981) stelt, is auditkwaliteit afhankelijk van de onafhankelijkheid van de bedrijfsrevisor. Aangezien in België de dreiging van rechtszaken zeer beperkt blijft, zou men kunnen verwachten dat de kwaliteit van de audit laag ligt (Secru et al., 2002; Vander Bauwhede & Willekens, 2004). Er bestaan echter andere mechanismen om de kwaliteit te vrijwaren. Zo wordt de beroepsactiviteit van een bedrijfsrevisor bijvoorbeeld onderworpen aan een kwaliteitscontrole (IBR, 2008) en moeten er onafhankelijkheidsregels nageleefd worden (IBR, 2008). In een omgeving zoals België is het waarschijnlijker dat er audits van lagere kwaliteit geleverd zullen worden. Vooreerst is de kans dat een fout aan het licht komt kleiner in België dan in de V.S. aangezien de financiële gegevens veel minder gebruikt worden door investeerders, financieel analisten of marktregulatoren (Vander Bauwhede & Willekens, 2004). Verder zijn er ook veel minder juridische processen. Dit kan ervoor zorgen dat de Big 4 revisorenkantoren minder gemotiveerd zijn om audits van hoge kwaliteit te leveren. Een tegenargument hiervoor is echter dat deze auditbedrijven opereren overheen de wereld en dat ze een uniforme kwaliteit zouden kunnen nastreven in al hun vestigingen (Choi, Kim, Kim, Zang, 2010; Van Tendeloo & Vanstraelen, 2008). Het is dus niet duidelijk of er verschillen verwacht worden in auditkwaliteit op de Belgische markt. Andere redenen waarom er een verschil in auditkwaliteit zou kunnen verwacht worden tussen Big 4 en second-tier revisoren zijn de volgende (Boone et al., 2010). Vooreerst bestaat de kans dat de second-tier kantoren nog steeds minder onafhankelijk zijn van hun klanten dan Big 4 revisorenkantoren. Hun wil en mogelijkheid om te weerstaan aan de druk van een klant kan lager zijn dan bij de Big 4 revisorenkantoren aangezien een bepaalde klant een groter deel zal uitmaken van de totale
7
klantportfolio van deze second-tier kantoren. Verder kan ook het loutere feit dat second-tier kantoren, hoewel ze sterk groeien, kleiner zijn dan Big 4 kantoren ervoor zorgen dat ze minder bestand zijn tegen druk van klanten aangezien de second-tier kantoren minder kapitaal hebben en dus ook minder middelen hebben om terug te vechten tegen druk van klanten. Nochtans zijn er ook redenen waarom men zou verwachten dat de kwaliteit tussen beide vergelijkbaar is. Zoals hierboven reeds aangegeven, zijn de second-tier revisorenkantoren aan een opmars bezig en groeien ze aan een hoger tempo dan de Big 4 revisorenkantoren (Byrnes, 2005). Dit kan als gevolg hebben dat de motivatie van second-tier kantoren om hun onafhankelijkheid en kwaliteit te vrijwaren vandaag even hoog ligt als deze van de Big 4 kantoren. Verder heeft de hervorming door SOX ervoor gezorgd dat er meer motivatie is om accuraat te rapporteren. Dit zou er kunnen voor zorgen dat er een meer uniforme kwaliteit geleverd wordt overheen de auditortypes (Nelson, 2006). De hierboven genoemde argumenten zouden ertoe kunnen leiden dat de auditkwaliteit geleverd door de Big 4 revisorenkantoren gelijk is aan deze geleverd door de second-tier revisorenkantoren. De vraag of de Big 4 revisorenkantoren al dan niet een hogere kwaliteit bieden dan de second-tier revisorenkantoren blijft een interessante vraag. 2.2.2. Auditkwaliteit In de literatuur zijn twee veel gebruikte maatstaven voor het meten van auditkwaliteit terug te vinden. Ten eerste is er het al dan niet uitgeven van een going-concern auditopinie voor bedrijven die in moeilijkheden zitten (Boone et al., 2010; Francis & Yu, 2009; Geiger & Rama, 2006). Ten tweede is er de mate van beperking van winststuring door de klant (Boone et al., 2010, Francis & Yu, 2009; Davidson & Neu, 1993; Jeong & Rho, 2004). In dit onderzoek wordt ervoor geopteerd om de mate van winststuring te gebruiken als maatstaf voor kwaliteit. De boekhoudkundige cijfers, en meer bepaald de winst, zijn een belangrijke samenvattende maatstaf voor de financiële prestaties van een onderneming (Vander Bauwhede et al., 2000; Vander Bauwhede & Willekens, 2003). Ondernemingen maken hun winstcijfer bekend in hun jaarrekening. Het is echter mogelijk om dit winstcijfer te sturen en zo de resultaten van de onderneming in een bepaalde richting te sturen (Healy & Wahlen, 1999). Aan de ondernemingsleiding wordt immers een zekere mate van vrijheid toegestaan om te handelen binnen de grenzen van de boekhoudprincipes. Deze vrijheid is nodig opdat de ondernemingsleiding de informatie waarover ze beschikt op een zo efficiënt mogelijke manier zou kunnen weergeven. Het nadeel van deze vrijheid is echter dat ze de ondernemingsleiding de mogelijkheid geeft om de winst te sturen in haar eigen voordeel. Dit geeft dan een vertekend beeld van
8
de onderneming waardoor de belanghebbenden zich baseren op gegevens die geen getrouw beeld van de werkelijkheid weergeven (Vander Bauwhede et al., 2000; Vander Bauwhede & Willekens, 2003). Onderzoek van Vander Bauwhede en Willekens (2003) toont aan dat in België vooral winststuring optreedt om belastingen te verminderen, om schommelingen in het resultaat te voorkomen en om relaties met externe kredietgevers te beïnvloeden. Verder vinden ze ook dat Belgische beursgenoteerde bedrijven significant minder aan neerwaartse winststuring doen dan de Belgische niet-beursgenoteerde bedrijven. Dit geeft een bijkomende reden om in deze masterproef zowel onderzoek te doen naar beursgenoteerde als naar niet-beursgenoteerde ondernemingen op de Belgische markt.
2.2.3. Beursnotering Beursgenoteerde ondernemingen en niet-beursgenoteerde ondernemingen opereren in verschillende omgevingen. Deze verschillen betreffen de eigendomsstructuur en de manier waarop de financiering gebeurt (Vander Bauwhede et al., 2000). Bij beursgenoteerde ondernemingen zal het risico op het ontdekken van fouten hoger liggen dan bij niet-beursgenoteerde ondernemingen. Deze ondernemingen zijn immers onderhevig aan meer controle. Dit wil ook zeggen dat de motivatie voor de auditor hoger ligt om bij deze ondernemingen audits van hogere kwaliteit te leveren om eventuele rechtszaken en schade aan de reputatie te voorkomen. Nog een verschil tussen beursgenoteerde en niet-beursgenoteerde ondernemingen heeft betrekking op de rapportering. Sinds 1 januari 2005 zijn alle beursgenoteerde bedrijven in Europa verplicht hun geconsolideerde jaarrekening op te stellen volgens de ‘International Financial Reporting Standards’ (IFRS). In tegenstelling tot dit is het voor de (niet-geconsolideerde) financiële rapportering van ondernemingen in België nog steeds verplicht om te rapporteren volgens Belgische GAAP (Generally Accepted Accounting Principles). De reden hiervoor is dat de belastingen in België hierop berekend worden. Aangezien er duidelijke verschillen zijn in de rapportering tussen IFRS en Belgische GAAP, zijn de jaarrekeningen volgens beide methoden niet vergelijkbaar. Er blijkt echter verder geen verschil te zijn tussen beide standaarden wat de beperking van winststuring betreft. IFRS beperkt winststuring niet (Van Tendeloo & Vanstraelen, 2005). Omwille van deze verschillen tussen beursgenoteerde en niet-beursgenoteerde ondernemingen wordt in dit onderzoek geopteerd om beide afzonderlijk te beschouwen.
9
2.2.4. Second-tier revisorenkantoren De Big 4 auditkantoren zijn: Deloitte, PriceWaterhouseCoopers, Ernst & Young en KPMG. Om te bepalen welke bedrijven vallen onder de noemer ‘second-tier’ wordt gekeken naar het aantal bedrijfsrevisoren, het aantal organisaties van openbaar belang geauditeerd, de totale omzet en de omzet gerealiseerd door auditwerkzaamheden. Een overzicht hiervan is terug te vinden in bijlage 1. Verder wordt ook een beroep gedaan op het sectorklassement opgesteld volgens TrendsTop (www.trendstop.knack.be). Op basis hiervan worden de volgende revisorenkantoren als ‘second-tier’ gedefinieerd: BDO, Grant Thornton, Mazars, Callens Pirenne & Co en RSM Interaudit.
2.3.
Hypothesen
Vorig onderzoek (o.a. Becker et al., 1998; Francis et.al., 1999, Vander Bauwhede et al., 2003; Willekens & Achmadi, 2003; Secru et al., 2002; Gaeremynck & Willekens, 2003) heeft getracht auditkwaliteit te relateren aan winststuring. Managers kunnen redenen hebben om de winsten te sturen in een bepaalde richting. Dit kan nadelige gevolgen hebben voor de belanghebbenden van de onderneming aangezien deze hun beslissingen dan baseren op vertekende informatie terwijl het doel van een audit juist is om een getrouw beeld te geven van de onderliggende economische situatie. Onderzoek hiernaar in België geeft geen eenduidig resultaat (Vander Bauwhede & Willekens, 2003). Verder onderzoek is dus vereist. De nulhypothese die hieruit voortvloeit is de volgende: HYPOTHESE 1: Het niveau van winststuring bij klanten van Big 4 revisorenkantoren verschilt niet van dit bij klanten van second-tier revisorenkantoren. Zoals uiteengezet onder punt 2.2.2. verschilt de omgeving waarin beursgenoteerde ondernemingen opereren sterk van deze waarin niet-beursgenoteerde ondernemingen opereren. De jaarrekening van beursgenoteerde ondernemingen wordt dan ook grondiger onderzocht waardoor de kans groter is dat een fout ontdekt wordt (Vander Bauwhede & Willekens, 2004; Vander Bauwhede et al., 2003). Dit kan ertoe leiden dat de revisoren geneigd zijn om winststuring voor beursgenoteerde klanten meer te beperken dan voor niet-beursgenoteerde klanten. Anderzijds is er in België ook controle op de jaarrekening van de niet-beursgenoteerde ondernemingen door de belastingautoriteiten (Van Tendeloo & Vanstraelen, 2008). Verder is het risico op een rechtszaak hoger bij beursgenoteerde ondernemingen. Het is dus mogelijk dat winststuring door beursgenoteerde ondernemingen meer beperkt wordt. HYPOTHESE 2: Zowel Big 4 als second-tier revisorenkantoren zijn even waarschijnlijk in het ontdekken en rapporteren van winststuring bij beursgenoteerde bedrijven als bij niet-beursgenoteerde bedrijven.
10
3. Onderzoeksmethode 3.1.
Methodologie
In de literatuur wordt winststuring voornamelijk gemeten aan de hand van ‘accruals’. “Accruals zijn kosten-en opbrengstelementen die de winst van de cash flow onderscheiden, en die dus afhankelijk zijn van boekhoudkundige keuzes” (Vander Bauwhede, Gaeremynck, Willekens, 2000, p.368). Om deze reden kan het niveau van de accruals gemanipuleerd of gemanaged worden (Vander Bauwhede et al., 2000). De meest voorkomende modellen voor het meten van de accruals zijn: het Healy model (Healy, 1985), het DeAngelo model (DeAngelo, 1981), het industrie-model (Dechow & Sloan, 1991), het Jones model (Jones, 1991) en het Modified Jones model (Dechow, Sloan, Sweeny, 1995). Onderzoek naar deze modellen heeft uitgewezen dat de aangepaste versie van het Jones model de beste resultaten geeft in het ontdekken van winststuring (Dechow et al., 1995; Guay, Kothari, Watts, 1996). Verder vergelijken Bartov, Gul, Tsui (2001) de cross-sectionele variant van het (Modified) Jones model met hun tijdserie varianten. Hun onderzoek toont aan dat enkel de cross-sectionele varianten in staat zijn om op consistente wijze winststuring te ontdekken. In dit onderzoek wordt dan ook gebruikt gemaakt van de cross-sectionele variant van het Modified Jones Model zoals gespecificeerd door Dechow et al. (1995). Met behulp van dit model worden de totale accruals geschat en verdeeld in verwachte en onverwachte accruals (Roosen, 2010). Als definitie voor de onverwachte accruals wordt hier verwezen naar Vander Bauwhede et al. (2000). Zij stellen dat, “uitgaande van de assumptie dat het niveau van de accruals meestal in een bepaalde proportie staat met de grootte van een bedrijf, kan men becijferen of een bedrijf onverwachte accruals rapporteert. De onverwachte accruals omvatten die accruals die niet meer in proportie staan met de bedrijfsgrootte. Zij zijn een indicatie van winstmanagement.” (Vander Bauwhede, Gaeremynck, Willekens, 2000, p.368). De cross-sectionele variant van het Modified Jones Model schat de totale accruals per jaar en per industrie. In navolging van Roosen (2010) wordt hier geen schatting uitgevoerd per industrie aangezien er in België maar een beperkt aantal gegevens zijn. Zij gebruikt in haar onderzoek een aangepaste versie van het Modified Jones model waarbij enkel per jaar geschat wordt. In dit onderzoek wordt gebruikt gemaakt van dit aangepast model.
11
3.2.
Univariate analyse
De totale accruals bestaan uit een deel dat verwacht wordt (‘non-discretionary accruals’) en een deel dat niet verwacht wordt (‘discretionary accruals’). Het onverwachte deel van de accruals kan beïnvloed worden door de keuzes die de ondernemingsleiding maakt binnen de grenzen van de boekhoudregels. Het is dus dit deel van de totale accruals dat gebruikt wordt om te kijken of er al dan niet gebruikt gemaakt wordt van winststuring. Het model dat hier gebruikt wordt, zoals aangepast door Roosen (2010), is het volgende: TAit / Ait-1 = αt (1 / Ait-1) + β1t ((ΔREVit – ΔRECit) / Ait-1) + β2t (PPEit / Ait-1) + εit
(1)
Waarbij: TAit
= Totale accruals voor bedrijf i in jaar t
Ait-1
= Totale activa voor bedrijf i in jaar t-1
∆REVit = Wijziging in omzet voor bedrijf i in jaar t t.o.v. jaar t-1 ∆RECit = Wijziging in vorderingen voor bedrijf i in jaar t t.o.v. jaar t-1 PPEit
= Aanschaffingswaarde van materiële vaste activa voor bedrijf i in jaar t
De storingsterm van dit model geeft het onverwachte deel van de totale accruals weer. Om de totale accruals te schatten wordt onderstaande vergelijking gebruikt. Hier wordt de verandering in het werkkapitaal verminderd met de afschrijvingen (Vander Bauwhede & Willekens, 1998).
TAit / Ait-1 = (Δ CAit – Δ CLit – Δ Cashit + Δ STDit – DEPit) / Ait-1
(2)
Waarbij: TAit
= Totale accruals voor bedrijf i in jaar t
Ait-1
= Totale activa voor bedrijf i in jaar t-1
∆CAit
= Verandering in vlottende activa voor bedrijf i in jaar t t.o.v. jaar t-1
∆CLit
= Verandering in kortlopende verplichtingen voor bedrijf i in jaar t t.o.v. jaar t-1
∆Cashit = Verandering in kas en kasequivalenten voor bedrijf i in jaar t t.o.v. jaar t-1 ∆STDit = Verandering in schulden op meer dan één jaar die binnen het jaar vervallen en overige kortlopende schulden voor bedrijf i in jaar t t.o.v. jaar t-1 DEPit
= Afschrijvingen en waardeverminderingen voor bedrijf i in jaar t
In de volgende vergelijking worden STDit en CLit vervangen door TDit. Deze variabele geeft de variabele ‘kortlopende handelsschulden’ weer (Roosen, 2010). 12
TAit / Ait-1 = (Δ CAit – Δ TDit – Δ Cashit – DEPit) / Ait-1
(3)
Waarbij: TAit
= Totale accruals voor bedrijf i in jaar t
Ait-1
= Totale activa voor bedrijf i in het jaar t-1
∆CAit
= Verandering in vlottende activa voor bedrijf i in jaar t t.o.v. jaar t-1
∆TDit
= Verandering in kortlopende handelsschulden voor bedrijf i in jaar t t.o.v. jaar t-1
∆Cashit = Verandering in kas en kasequivalenten voor bedrijf i in jaar t t.o.v. jaar t-1 DEPit
= Afschrijvingen en waardeverminderingen voor bedrijf i in jaar t
Er wordt gestart met het uitvoeren van een univariate analyse. De beschrijvende statistieken en de resultaten zijn terug te vinden onder het punt Analyse (punt 4). Er wordt verdergegaan met een multivariate analyse.
3.3.
Multivariate analyse
Om de invloed van het auditortype (Big 4 of second-tier) te achterhalen wordt hier een dummy variabele AUDITORit opgenomen. Deze neemt de waarde één aan als de auditor behoort tot de Big 4. Als de auditor een second-tier revisorenkantoor is, krijgt deze variabele de waarde nul. Vervolgens wordt er nog een dummy variabele toegevoegd die aantoont of er sprake is van opwaartse of neerwaartse winststuring (NEGit). Deze dummy krijgt de waarde één bij negatieve winststuring, en nul bij positieve winststuring. Verder wordt er ook een interactieterm opgenomen, AUDITORit x
NEGit. Deze
interactieterm laat toe de invloed van een Big 4 revisorenkantoor na te gaan op opwaartse en neerwaartse winststuring (Roosen, 2010). Zoals bepaald door Vander Bauwhede en Willekens (1998) worden de volgende controlevariabelen opgenomen: grootte van de klant (LNAit), operationele cash flow (CFit) en leverage (LEVit). In de volgende paragraaf worden deze kort besproken. Vooreerst blijkt uit onderzoek van Jans en Lybaert (2006) dat grote ondernemingen eerder geneigd zijn hun winsten neerwaarts te sturen zodat ze minder opvallen bij de openbare instanties. Om deze reden wordt de controlevariabele LNAit opgenomen. Deze variabele meet de grootte van de onderneming door te kijken naar de natuurlijke logaritme van de totale activa. Vervolgens suggereert onderzoek van Dechow et al. (1995) dat er meetfouten kunnen optreden in het onverwachte deel van de accruals bij bedrijven met extreme financiële prestaties en dit kan resulteren in verkeerd gespecificeerde testen voor winststuring. Om te controleren voor deze vertekening wordt
13
de controlevariabele CFit opgenomen. Deze variabele geeft de operationele cash flow weer. Enerzijds kan verwacht worden dat slecht presterende bedrijven meer zullen deelnemen aan opwaartse winststuring om op deze manier een positiever beeld van de onderneming te creëren (Vander Bauwhede et al., 2000). Anderzijds blijkt uit resultaten van Angelsaksisch onderzoek dat slecht presterende bedrijven meer zullen deelnemen aan neerwaartse winststuring. De reden hiervoor zou zijn dat de onderneming een signaal wil geven aan de stakeholders dat de financiële problemen erkend worden en dat de bereidheid tot herstructureren er is (Vander Bauwhede et al., 2000). De volgende controlevariabele die opgenomen wordt is leverage (LEVit). Becker et al. (1998) geven aan dat leverage ervoor kan zorgen dat er sprake is van neerwaartse winststuring. DeFond (1992) vindt bewijs dat leverage positief geassocieerd is met veranderingen in auditkwaliteit. Als laatste definiëren Vander Bauwhede en Willekens (1998) de nood aan externe financiering als controlevariabele. Uit onderzoek van Dechow et al. (1995) blijkt dat er een positief verband bestaat tussen de nood aan externe financiering en de mate van winststuring. In België hebben de kredietverstrekkers echter meestal toegang tot interne informatie. Hierdoor stijgt de kans dat winststuring ontdekt wordt en zal de ondernemingsleiding minder aan winststuring doen. Aangezien deze laatste controlevariabele niet significant bleek te zijn in het onderzoek van Vander Bauwhede en Willekens (1998), wordt er hier vanuit gegaan dat deze in België van minder belang is en wordt deze dan ook niet opgenomen in het model. In bijlage 2 is een overzicht opgenomen van de variabelen, hun definitie en verwacht teken. Aangezien Belgische bedrijven niet verplicht zijn om hun operationele cash flow te rapporteren in hun jaarrekening, wordt deze hier berekend als volgt: winst of verlies van het boekjaar na belastingen + nietkaskosten – niet-kasopbrengsten gecorrigeerd voor de verandering in het werkkapitaal (Vander Bauwhede & Willekens, 1998). Het werkkapitaal wordt berekend volgens de formule: ΔCAit – ΔTDit – ΔCASHit (Vander Bauwhede & Willekens, 1998).
14
De regressievergelijking wordt dan: DAit = α + β1 AUDITORit + β2 NEGit + β3 AUDITORit x NEGit + β4 LNAit + β5 CFit + β6 LEVit + εit
(4)
Waarbij: AUDITORit
= Dummy, 1 indien Big 4 revisor, 0 indien second-tier revisor
NEGit
= Dummy, 1 indien negatieve onverwachte accruals, anders 0
LNAit
= Natuurlijk logaritme van de totale activa voor bedrijf i in jaar t
CFit
= Operationele cash flow voor bedrijf i in jaar t, geschaald door de totale activa voor bedrijf i in jaar t-1
LEVit
= Leverage, de verhouding tussen langlopende schulden en totale activa voor bedrijf i in jaar t
Om de tweede hypothese te testen wordt variabele TYPEit opgenomen. Dit is een dummy variabele die de waarde één aanneemt als de klant beursgenoteerd is, indien dit niet het geval is krijgt deze dummy variabele de waarde nul. De regressievergelijking wordt dan: DA_absit = α + β1 AUDITORit + β2 TYPEit + β3 AUDITORit x TYPEit + β4 LNAit + β5 CFit + β6 LEVit + εit (5) Waarbij: AUDITORit
= Dummy, 1 indien Big 4 revisor, 0 indien second-tier revisor
TYPEit
= Dummy, 1 indien beursgenoteerd, 0 indien niet-beursgenoteerd
NEGit
= Dummy, 1 indien negatieve onverwachte accruals, anders 0
LNAit
= Natuurlijk logaritme van de totale activa voor bedrijf i in jaar t
CFit
= Operationele cash flow voor bedrijf i in jaar t, geschaald door de totale activa voor bedrijf i in jaar t-1
LEVit
= Leverage, de verhouding tussen langlopende schulden en totale activa voor bedrijf i in jaar t
Bovenstaande modellen zijn gebaseerd op deze ontworpen in Vander Bauwhede en Willekens (1998), Vander Bauwhede et al. (2003) en op de aanpassingen door Roosen (2010).
15
3.4.
Gegevensverzameling
Om de nodige gegevens te verzamelen wordt gebruik gemaakt van de Bel-First Databank. De gegevens in dit onderzoek hebben betrekking op Belgische ondernemingen (zowel beursgenoteerde als nietbeursgenoteerde) tijdens de periode van 2007 tot en met 2010. Alle klanten van de Big 4 en second-tier revisorenkantoren, zoals gedefinieerd onder punt 2.2.4., worden geselecteerd. Aangezien de jaarrekeningen van de financiële- en verzekeringssector grondig verschillen van deze van de andere sectoren worden deze weggelaten uit het onderzoek. Het gaat hier om de sectoren met Nace-BEL codes 64, 65 en 66 (Nace-BEL 2008). Verder worden enkel ondernemingen opgenomen die hun boekjaar afsluiten op 31 december om verwarring met betrekking tot de te gebruiken jaren te vermijden (Roosen, 2010). Ook worden enkel de bedrijven opgenomen waarvoor gegevens met betrekking tot alle boekjaren, nodig voor het onderzoek, beschikbaar zijn. Voor een bepaalde groep van ondernemingen (beursgenoteerde of niet-beursgenoteerde) is het noodzakelijk dat deze volgens dezelfde boekhoudstandaarden rapporteren. Indien dit niet het geval is, worden de schattingen van de onverwachte accruals minder nauwkeurig (Roosen, 2010). Waar mogelijk wordt gebruik gemaakt van geconsolideerde jaarrekeningen. Verder worden de ondernemingen die gedurende de onderzochte periode veranderen van auditor weggelaten. Vervolgens worden ook de ondernemingen met ontbrekende gegevens weggelaten. In sommige gevallen zijn niet alle gegevens beschikbaar in de Bel-First Databank. Om deze gegevens te bekomen werd een beroep gedaan op de jaarrekeningen van de ondernemingen via de website van de Nationale Bank van België (2012). Als laatste is het ook vereist dat de beursgenoteerde ondernemingen reeds een beursnotering hadden in 2006. Deze gegevens zijn immers nodig voor het berekenen van de variabelen. Ondernemingen waarvoor dit niet het geval was werden weggelaten uit de steekproef. Aangezien in België veel meer niet-beursgenoteerde dan beursgenoteerde ondernemingen opereren zou dit ertoe kunnen leiden dat de beursgenoteerde ondernemingen ondervertegenwoordigd zijn in de steekproef. Om dit te vermijden wordt, in navolging van Vander Bauwhede et al. (2003), gebruik gemaakt van een ‘matched-pair sample’. Voor elke beursgenoteerde onderneming in de steekproef wordt een niet-beursgenoteerde onderneming gezocht in dezelfde industrie (op twee NACE digit niveau) en met een vergelijkbare grootte (gemeten aan de hand van de totale activa)(Roosen, 2010). Aangezien niet-beursgenoteerde ondernemingen dikwijls veel kleiner zijn dan beursgenoteerde ondernemingen is het denkbaar dat voor bepaalde beursgenoteerde ondernemingen geen match kan gevonden worden op basis van de totale activa. Indien dit zich voordoet wordt ervoor geopteerd om de niet-
16
beursgenoteerde onderneming te selecteren waarvan de totale activa het hoogst zijn. Deze aanpak wordt gevolgd opdat de steekproef nog een voldoende aantal ondernemingen zou bevatten. De voorgaande stappen leiden tot een steekproef bestaande uit 78 ondernemingen waarvan 39 ondernemingen beursgenoteerd zijn en 39 ondernemingen niet-beursgenoteerd zijn. Als laatste worden ondernemingen waarvoor de data te veel verschillen van de rest van de steekproef weggelaten. De reden hiervoor is dat deze het resultaat zouden kunnen vertekenen. Er worden 3 beursgenoteerde ondernemingen, en hun niet-beursgenoteerde variant, weggelaten om deze reden. De uiteindelijke steekproef bevat 72 ondernemingen, 36 beursgenoteerde en 36 niet-beursgenoteerde. Het valt op dat ondernemingen in deze steekproef vooral Big 4 revisorenkantoren aanstellen. Men veronderstelt immers dat deze een hogere kwaliteit leveren aangezien ze meer te verliezen hebben (zoals uiteengezet onder punt 2.1.). De samenstelling van de steekproef is weergegeven in tabel 1.
TABEL 1 Samenstelling steekproef Beursgenoteerd
Niet-beursgenoteerd
Totaal
Big 4 revisor
27
30
57
Second-tier revisor
9
6
15
Totaal
36
36
72
17
4. Analyse 4.1.
Univariate analyse
In de univariate analyse worden de variabelen die opgenomen zijn in het onderzoek geanalyseerd. Meer bepaald wordt nagegaan of de verschillen in de gemiddelden significant zijn. Zoals uiteengezet in Vander Bauwhede en Willekens (1998) wordt enerzijds gekeken naar de ‘ruwe’ discretionary accruals (DAit). Deze geven aan of klanten van second-tier revisorenkantoren relatief lagere discretionary accruals rapporteren dan klanten van Big 4 revisorenkantoren. Anderzijds wordt ook gekeken naar de absolute waarde van de discretionary accruals (DA_absit). Hierdoor kan worden nagegaan of de waarde van de discretionary accruals van klanten van Big 4 revisoren kleiner is dan deze van klanten van second-tier revisoren, onafhankelijk de richting waarin de winst wordt gestuurd. Verder wordt ook gekeken naar de positieve en negatieve discretionary accruals (DA_posit en DA_negit) aangezien de houding die de revisor aanneemt bij opwaartse winststuring kan verschillen van deze die hij aanneemt bij neerwaartse winststuring. Vervolgens worden ook de variabelen LN Activait en LN Omzetit opgenomen in de analyse. Deze twee variabelen meten de grootte van de onderneming aan de hand van het natuurlijk logaritme van de totale activa (LN Activait) enerzijds en natuurlijk logaritme van de omzet (LN Omzetit) anderzijds. Tenslotte worden ook de overige controlevariabelen (CFit en LEVit) opgenomen in deze univariate analyse. Tabel 2 geeft een overzicht van de univariate analyse uitgevoerd op het geheel van beursgenoteerde en niet-beursgenoteerde ondernemingen. Vooreerst kan hieruit afgeleid worden dat de beursgenoteerde ondernemingen gemiddeld significant groter zijn dan de niet-beursgenoteerde ondernemingen. Dit geldt zowel wanneer de grootte gemeten wordt aan de hand van LN Activa als wanneer deze gemeten wordt aan de hand van LN Omzet. Bij de gegevensverzameling werden de beursgenoteerde ondernemingen ‘gematchd’ met niet-beursgenoteerde ondernemingen op basis van industrie en grootte (gemeten aan de hand van totale activa). Hierdoor wordt verwacht dat er geen significant verschil in grootte is tussen beiden (gemeten aan de hand van LN Activa). Dit blijkt hier echter wel het geval te zijn. De verklaring hiervoor is dat, zoals uiteengezet onder punt 3.4., wanneer geen nietbeursgenoteerde onderneming wordt gevonden waarvoor de totale activa even groot zijn als deze van de beursgenoteerde onderneming, deze niet-beursgenoteerde onderneming wordt gekozen waarvoor de totale activa het hoogst zijn. Bijgevolg is het dus mogelijk dat er een significant verschil is tussen beursgenoteerde en niet-beursgenoteerde ondernemingen wanneer gekeken wordt naar LN Activa.
18
Verder blijkt ook dat het niveau van winststuring in het algemeen gemiddeld hoger ligt bij nietbeursgenoteerde ondernemingen dan bij beursgenoteerde ondernemingen (DA_abs). Beursgenoteerde ondernemingen nemen gemiddeld voor 9,01% van de totale activa deel aan winststuring terwijl dit bij niet-beursgenoteerde ondernemingen 14,02% is. Niet-beursgenoteerde ondernemingen nemen gemiddeld significant meer deel aan zowel positieve als negatieve winststuring dan beursgenoteerde ondernemingen (DA_neg en DA_pos).
TABEL 2 Univariate analyse van beursgenoteerde en niet-beursgenoteerde bedrijven
DA DA_abs DA_pos DA_neg LN Activa LN Omzet CF LEV
Beursgenoteerd Gemiddelde St. afwijking -0,014716 0,156101 0,090074 0,128123 0,086123 0,154013 -0,093146 0,104585 12,525820 2,071406 11,785720 2,968734 0,070837 0,197888 0,169919 0,145788
Niet-beursgenoteerd Gemiddelde St. afwijking 0,007355 0,223037 0,140232 0,173197 0,138003 0,164752 -0,142793 0,183646 11,714610 1,994242 10,508770 3,015277 0,072355 0,249620 0,171749 0,259712
Verschil in gemiddelde -0,022071 -0,050158*** -0,05188* 0,049647** 0,811209*** 1,27695*** -0,001518 -0,001830
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Vervolgens toont tabel 3 de resultaten van de univariate analyse uitgevoerd op de klanten van Big 4 en second-tier revisorenkantoren. Hieruit kan afgeleid worden dat de klanten van Big 4 revisorenkantoren gemiddeld groter zijn dan deze van second-tier revisorenkantoren. Dit blijkt zowel uit de variabele LN Activa als uit de variabele LN Omzet. Verder is het niveau van opwaartse winststuring gemiddeld significant hoger bij second-tier klanten dan bij Big 4 klanten. Er is echter geen verschil in het algemene niveau van winststuring (DA_abs) of in neerwaartse winststuring (DA_neg). Dit zou erop kunnen wijzen dat een Big 4 revisor positieve winststuring meer beperkt dan een second-tier revisor. Tenslotte is de cash flow (CF) ook significant groter voor klanten van Big 4 revisorenkantoren dan voor klanten van second-tier revisorenkantoren.
19
TABEL 3 Univariate analyse van Big 4 klanten en second-tier klanten Big 4 DA DA_abs DA_pos DA_neg LN Activa LN Omzet CF LEV
Gemiddelde -0,003870 0,108303 0,103524 -0,113165 12,406410 11,434050 0,090415 0,169855
Second-tier Gemiddelde St. afwijking -0,002960 0,240494 0,141183 0,193844 0,165868 0,230493 -0,123551 0,164120 11,032690 1,724615 10,057360 2,454501 0,000085 0,291964 0,174554 0,176395
St. afwijking 0,178352 0,141575 0,141170 0,142449 2,061334 3,135966 0,200148 0,218607
Verschil in gemiddelde -0,000910 -0,032880 -0,062344* 0,010386 1,37372*** 1,37669*** 0,0903302*** -0,004699
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Bij het testen van de tweede hypothese wordt een onderscheid gemaakt tussen beursgenoteerde en niet-beursgenoteerde ondernemingen. Tabel 4 en tabel 5 geven de resultaten van de univariate analyse voor deze opsplitsing weer.
TABEL 4 Univariate analyse van Big 4 klanten en second-tier klanten voor beursgenoteerde bedrijven Big 4 DA DA_abs DA_pos DA_neg LN Activa LN Omzet CF LEV
Gemiddelde -0,018937 0,082830 0,069004 -0,094749 12,890250 12,270770 0,098484 0,167373
Beursgenoteerde bedrijven Second-tier St. afwijking Gemiddelde St. afwijking 0,142256 -0,002051 0,193577 0,116934 0,111803 0,156906 0,126959 0,151965 0,225429 0,107236 -0,089103 0,099782 2,107084 11,432530 1,522598 3,011353 10,330560 2,319926 0,153463 -0,012103 0,280289 0,148280 0,177557 0,139790
Verschil in gemiddelde -0,016886 -0,028973 -0,082961* -0,005646 1,45772*** 1,94021*** 0,110587*** -0,010184
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Beursgenoteerde bedrijven die klant zijn bij een Big 4 revisorenkantoor zijn gemiddeld significant groter dan beursgenoteerde bedrijven die klant zijn bij een second-tier revisorenkantoor (LN Activa en LN Omzet). Verder is de cash flow (CF) ook significant groter bij beursgenoteerde bedrijven die hun jaarrekening laten controleren door een Big 4 revisor dan deze die hun jaarrekening laten controleren door een second-tier revisor. Vervolgens toont tabel 4 ook aan dat beursgenoteerde bedrijven die klant zijn bij een second-tier revisorenkantoor gemiddeld meer deelnemen aan positieve winststuring (DA_pos) dan de beursgenoteerde ondernemingen die hun jaarrekening laten controleren door een Big 20
4 revisor. Dit zou er kunnen op wijzen dat de Big 4 revisorenkantoren positieve winststuring meer beperken dan second-tier revisoren bij beursgenoteerde ondernemingen.
TABEL 5 Univariate analyse van Big 4 klanten en second-tier klanten voor niet-beursgenoteerde bedrijven
Big 4 DA DA_abs DA_pos DA_neg LN Activa LN Omzet CF LEV
Gemiddelde 0,009690 0,131227 0,130078 -0,132586 11,970940 10,681010 0,083153 0,172089
Niet-beursgenoteerde bedrijven Second-tier St. afwijking Gemiddelde St. afwijking 0,205162 -0,004324 0,302223 0,157546 0,185254 0,235685 0,146666 0,180930 0,244948 0,170879 -0,189577 0,236864 1,926043 10,432940 1,864483 3,065696 9,647561 2,640491 0,234792 0,018367 0,313903 0,267171 0,170048 0,223709
Verschil in gemiddelde 0,014014 -0,054027 -0,050852 0,056991 1,538*** 1,033449 0,064786 0,002041
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
De niet-beursgenoteerde bedrijven die beroep doen op een Big 4 revisorenkantoor zijn gemiddeld significant groter dan deze die beroep doen op een second-tier revisorenkantoor (LN Activa). Verder is geen significant verschil te zien tussen de gemiddelden van niet-beursgenoteerde bedrijven die klant zijn bij een Big 4 revisorenkantoor en deze die klant zijn bij een second-tier revisorenkantoor. De univariate analyse suggereert dat niet-beursgenoteerde ondernemingen meer deelnemen aan winststuring (zowel opwaartse als neerwaartse) dan beursgenoteerde ondernemingen. Verder suggereert deze analyse ook dat Big 4 revisoren strenger optreden tegen positieve winststuring door beursgenoteerde ondernemingen dan second-tier revisoren. Vervolgens is er geen verschil in de mate van winststuring op te merken bij niet-beursgenoteerde ondernemingen. Algemeen geeft de univariate analyse dus een indicatie dat Big 4 revisoren strenger optreden tegen opwaartse winststuring door beursgenoteerde ondernemingen dan second-tier revisoren.
21
4.2.
Correlaties
Tabel 6 geeft de correlaties weer tussen de afhankelijke variabele (DA_absit) en de onafhankelijke variabelen (AUDITORit, NEGit, TYPEit, LNAit, CFit, LEVit). DA_abs geeft het niveau van winststuring weer onafhankelijk van de richting waarin deze gebeurt. Dit is de reden waarom hier DA_abs gebruikt wordt als afhankelijke variabele. De onafhankelijke variabelen AUDITORit x NEGit en AUDITORit x TYPEit worden niet opgenomen in deze correlatiematrix. Tabel 6 toont aan dat er veel significante correlaties zijn die niet erg hoog zijn. Hier worden enkel de significante correlaties besproken die hoger zijn dan 25%.
TABEL 6 Pearson correlatiematrix: volledige dataset DA_abs
AUDITOR
NEG
TYPE
LNA
CF
DA_abs
1,000000
AUDITOR
-0,086786
1,000000
NEG
0,003133
-0,071276
1,000000
TYPE
-0,162995***
-0,102598*
0,097260*
1,000000
LNA
-0,166625***
0,269991***
-0,061516
0,196294***
1,000000
CF
-0,025652
0,163433***
0,453207***
-0,003381
0,113691*
1,000000
LEV
-0,063493
-0,009093
0,046601
-0,004358
0,295266***
-0,034990
LEV
1,000000
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Vooreerst toont tabel 6 aan dat er een significant positieve correlatie is tussen LNAit en de AUDITORit (0.269991). Ondernemingen die hun jaarrekening laten controleren door een Big 4 revisor zijn groter dan ondernemingen die de jaarrekening laten controleren door een second-tier revisor. Dit is consistent met de univariate analyse. Vervolgens is een significant positieve correlatie tussen CFit en NEGit. Deze is bovendien de hoogst waargenomen correlatie (0.453207). Goed presterende ondernemingen nemen dus meer deel aan negatieve winststuring dan minder goed presterende ondernemingen. Tenslotte is LEVit positief gecorreleerd met LNAit (0.295266). Grotere ondernemingen hebben een grotere schuldgraad dan kleinere ondernemingen.
4.3.
Multivariate analyse
4.3.1. Hypothese 1 De eerste hypothese gaat na of er een verschil is in de invloed tussen Big 4 en second-tier revisoren op het niveau van winststuring. Bij het testen van deze hypothese wordt dus geen onderscheid gemaakt tussen beursgenoteerde en niet-beursgenoteerde ondernemingen (Roosen, 2010). De resultaten van deze regressie worden weergegeven in tabel 7.
22
TABEL 7 Resultaten regressie ter analyse van hypothese 1 Kleinste kwadratenmethode met cross-sectie random effects Afhankelijke variabele: DA Onafhankelijke Verwacht Coëfficiënt Tpvariabelen teken schatting Statistiek waarde C
+/-
0,002221
0,022984
0,9817
AUDITOR
-
0,015566
0,471803
0,6374
NEG
-
-3,809642
0,0002
AUDITOR x NEG
-0,133145 ***
+/-
0,026892
0,688907
0,4915
-
0,007748
0,856813
0,3923
LNA CF
+/-
-0,580941 ***
-5,731688
0,0000
LEV
+/-
-0,074171 *
-1,953336
0,0518
0,684217
R²: periode: aantal ondernemingen: panel (balanced) observaties:
***
2007-2010 72 288
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Vooreerst kan opgemerkt worden dat er geen verschil is in het niveau van opwaartse winststuring tussen Big 4 en second-tier revisorenkantoren, aangezien de coëfficiënt van AUDITORit niet significant is. Om na te gaan of Big 4 revisoren strenger optreden tegen neerwaartse winststuring wordt de Wald-test uitgevoerd. Deze test gaat na of de som van twee of meerdere variabelen significant verschilt van nul (Roosen, 2010). Uit deze test blijkt dat de som van AUDITORit en AUDITORit x NEGit niet significant (p = 0,2089) is. Hieruit kan afgeleid worden dat Big 4 revisoren ook niet strenger optreden tegen neerwaartse winststuring dan second-tier revisoren. Dit resultaat is consistent met de resultaten uit Secru et al. (2002), Vander Bauwhede en Willekens (1998) en Vander Bauwhede en Willekens (2004). Uit deze onderzoeken blijkt immers dat er geen verschil is tussen Big 4 en non-Big 4 revisoren met betrekking tot hun invloed op winststuring. Er dient echter wel op gewezen te worden dat deze onderzoeken zich richten op de tweedeling Big 4 – non-Big 4, terwijl in dit onderzoek gekeken wordt naar de second-tier kantoren in plaats van de non-Big 4 kantoren. Verder kan uit tabel 7 afgeleid worden dat naarmate de cash flow (CFit) van ondernemingen groter is, de deelname aan winststuring significant daalt. Dit ligt in lijn met de verwachtingen dat goed presterende bedrijven minder aan winststuring deelnemen. Tenslotte is ook de coëfficiënt van de variabele LEVit significant negatief. Dit is tegengesteld aan de verwachting dat ondernemingen met een hogere schuldgraad meer aan winststuring doen. 23
Tabel 7 toont aan dat de R² van deze regressie 68,42 % is. Een groot deel van de variatie in DAit kan dus verklaard worden door de in het model opgenomen onafhankelijke variabelen. De R² in dit onderzoek ligt hoger dan bij het onderzoek uitgevoerd door Roosen (2010) en Vander Bauwhede et. al. (2003). In deze onderzoeken bedraagt de R² respectievelijk 43,00% en 30,00%. Zoals uiteengezet in punt 2.2.3. rapporteren beursgenoteerde ondernemingen in deze steekproef allemaal volgens andere standaarden (IFRS) dan de niet-beursgenoteerde ondernemingen (Belgian GAAP). Om deze reden wordt de invloed van een revisorenkantoor op het niveau van winststuring afzonderlijk geanalyseerd voor de beursgenoteerde en de niet-beursgenoteerde ondernemingen (Roosen, 2010). De resultaten van deze regressieanalyse worden weergegeven in tabel 8.
TABEL 8 Resultaten regressie ter analyse van hypothese 1 voor beursgenoteerde en niet-beursgenoteerde bedrijven afzonderlijk Kleinste kwadratenmethode Afhankelijke variabele: DA
Onafhankelijke variabelen C
Panel A: Beursgenoteerde bedrijven Panel B: niet-beursgenoteerde bedrijven (cross-sectie random effects) (cross-sectie random effects) Verwacht Coëfficiënt TpVerwacht Coëfficiënt Tpteken schatting Statistiek waarde teken schatting Statistiek waarde +/-
0,025231
0,388865
0,6980
+/-
-0,035113
-0,170609
0,8648
AUDITOR
-
0,007079
0,159887
0,8732
-
0,009192
0,198949
0,8426
NEG
-
-2,183922 0,0307
-
-3,558337
0,0005
AUDITOR x NEG LNA
-0,120868 **
-0,150954 ***
+/-
0,018936
0,304403
0,7613
+/-
0,047529
1,304112
0,1944
-
0,003525
0,603679
0,5471
-
0,013053
0,648164
0,5180
CF
+/-
LEV
+/-
R²: periode: aantal ondernemingen: panel (balanced) observaties:
-0,464374 *** 0,022638
-2,668922 0,0085
+/-
-0,665500 ***
-6,504522
0,0000
0,284219
0,7767
+/-
-0,104042 **
-2,533224
0,0124
0,5885691 2007-2010 36 144
***
0,766020 2007-2010 36 144
***
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Panel A geeft de resultaten weer met betrekking tot de beursgenoteerde ondernemingen. Big 4 revisoren beperken het niveau van opwaartse winststuring niet significant meer dan second-tier revisoren, aangezien de variabele AUDITORit niet significant is. Uit de Wald test blijkt dat de som van AUDITORit en AUDITORit x NEGit ook niet significant is (p=0,5252). Dit wil zeggen dat een Big 4 revisor ook neerwaartse winststuring niet meer beperkt dan een second-tier revisor .
24
Panel B toont de resultaten met betrekking tot de niet-beursgenoteerde ondernemingen. De coëfficiënt van de variabele AUDITORit is opnieuw niet significant wat wil zeggen dat er geen verschil is tussen de Big 4 en de second-tier revisorenkantoren met betrekking tot de mate van opwaartse winststuring. De Wald test toont aan de som van AUDITORit en AUDITORit x NEGit ook niet significant is (p=0,3091). Hieruit kan afgeleid worden dat een Big 4 revisor ook neerwaartse winststuring niet meer beperkt dan een second-tier revisor. De bespreking van de variabelen CFit en LEVit is gelijk aan deze die reeds gegeven werd bij de interpretatie van Tabel 7. Ook de interpretatie van de waarden voor R² is vergelijkbaar met deze gegeven bij de bespreking van tabel 7. Er kan wel op gewezen worden dat het model waarbij enkel gekeken wordt naar de niet-beursgenoteerde ondernemingen, een groter deel van de variatie in DAit verklaart dan het model dat enkel kijkt naar de beursgenoteerde ondernemingen. De eerste hypothese kan bijgevolg niet verworpen worden. Big 4 revisoren zijn even waarschijnlijk in het beperken van winststuring dan second-tier revisoren. Deze bevindingen zijn gedeeltelijk tegengesteld aan de resultaten van de univariate analyse. Deze analyse geeft immers aan dat Big 4 revisoren strenger optreden tegen positieve winststuring door beursgenoteerde ondernemingen dan second-tier revisoren.
4.3.2. Hypothese 2 De tweede hypothese gaat na of Big 4 en second-tier revisorenkantoren even waarschijnlijk zijn in het ontdekken van winststuring door beursgenoteerde en niet-beursgenoteerde ondernemingen. Bij het testen van de eerste hypothese werd geen onderscheid gemaakt tussen de beursgenoteerde en de nietbeursgenoteerde ondernemingen. In tegenstelling tot dit wordt bij het testen van de tweede hypothese wel duidelijk onderscheid gemaakt tussen beide types ondernemingen. Bij deze analyse wordt gebruikt gemaakt van de afhankelijke variabele DA_abs. Deze meet het algemene niveau van winststuring. Vooreerst wordt de analyse uitgevoerd door de variabelen TYPEit en AUDITORit x TYPEit op te nemen (Roosen, 2010). De resultaten van deze regressie zijn opgenomen in tabel 9.
25
TABEL 9 Resultaten regressie ter analyse van hypothese 2 Kleinste kwadratenmethode met period fixed effects Afhankelijke variabele: DA_abs Onafhankelijke Verwacht Coëfficiënt Tpvariabelen teken schatting Statistiek waarde C
+/-
0,272870 ***
3,075260
0,0023
AUDITOR
-
-0,041103
-0,712783
0,4766
TYPE
-
-0,065514
-1,007160
0,3147
+/-
0,024519
0,351650
0,7254
+
-0,008027
-1,536933
0,1254
CF
+/-
-0,008236
-0,074587
0,9406
LEV
+
-0,021891
-0,389012
0,6976
AUDITOR x TYPE LNA
0,063191 2007-2010 72 288
R²: periode: aantal ondernemingen: panel (balanced) observaties:
**
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Aangezien de coëfficiënt van AUDITORit in tabel 9 niet significant is, is er geen verschil in de beperking van winststuring door een Big 4 revisor en een second-tier revisor bij niet-beursgenoteerde ondernemingen. De invloed van een Big 4 of een second-tier revisor op winststuring door beursgenoteerde ondernemingen kan bepaald worden door te kijken naar de som van AUDITORit en AUDITORit x TYPEit (Roosen, 2010). De Wald test toont aan dat deze som niet significant is (p=0,6468). Er is dus eveneens geen verschil tussen de invloed die een Big 4 revisor heeft op winststuring door beursgenoteerde ondernemingen en de invloed die een second-tier revisor hierop heeft. Op basis van deze resultaten wordt de tweede hypothese niet verworpen. Zowel voor de beursgenoteerde als voor de niet-beursgenoteerde ondernemingen geldt dat Big 4 revisoren niet strenger optreden tegen winststuring dan second-tier revisoren. Dit is tegengesteld aan de bevindingen uit de univariate analyse die aantonen dat Big 4 revisoren positieve winststuring door beursgenoteerde ondernemingen meer beperken dan second-tier revisoren. Er dient wel gewezen te worden op het feit dat dit model weinig verklarende kracht heeft. Slechts 6,32% van de variatie in DA_absit kan verklaard worden door de in het model opgenomen onafhankelijke variabelen. De waarde van R² is echter wel significant op het 5% significantieniveau. Hieruit kan afgeleid worden dat het model wel in staat is om iets te verklaren maar dat er wellicht nog andere aspecten meespelen die in dit model niet opgenomen zijn. Wanneer deze R² vergeleken wordt met de waarde die
26
R² aanneemt in het onderzoek van Roosen (2010) wordt opgemerkt dat ook deze vrij laag is (18.77%) maar wel hoger dat deze in dit onderzoek. Verder is het ook belangrijk om na te gaan in welke mate winststuring wordt gebruikt door beursgenoteerde en niet-beursgenoteerde ondernemingen. Om hier een inzicht in te krijgen wordt, zoals in Roosen (2010), de regressie opnieuw uitgevoerd, nu met de variabelen TYPEit en AUDITORit,, zonder de interactievariabele AUDITORit x TYPEit. De resultaten van deze regressie worden weergegeven in tabel 10.
TABEL 10 Resultaten regressie ter analyse van hypothese 2 m.b.t. het verschil in het niveau van winststuring bij beursgenoteerde en nietbeursgenoteerde bedrijven Kleinste kwadratenmethode met cross sectie-random effects Afhankelijke variabele: DA_abs Onafhankelijke Verwacht Coëfficiënt Tpvariabelen teken schatting Statistiek waarde C
+/-
0,255816 ***
3,518358
0,0005
AUDITOR
-
-0,026581
-0,843327
0,3998
TYPE
-
-0,046104 **
-2,709650
0,0393
LNA
+
-0,007774
-1,384358
0,1673
CF
-
-0,016334
-0,142464
0,8868
LEV
+
-0,006853
-0,112516
0,9105
0,034700 2007-2010 72 288
R²: periode: aantal ondernemingen: panel (balanced) observaties:
*
***: statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Uit tabel 10 blijkt dat het niveau van winststuring lager is bij beursgenoteerde ondernemingen (TYPEit). Dit is consistent met de univariate analyse. Er kan dus gesteld worden dat een beursnotering een beperking vormt voor winststuring. Dit resultaat zou een indicatie kunnen zijn van het feit dat AUDITORit en TYPEit substituten zijn voor het beperken van winststuring. Beursgenoteerde ondernemingen nemen minder deel aan winststuring dan niet-beursgenoteerde ondernemingen. Hierdoor vervullen de Big 4 revisoren een minder belangrijke rol bij de beursgenoteerde ondernemingen. Dit kan een reden zijn waarom de variabele AUDITORit niet significant is voor beursgenoteerde bedrijven. Ook hier valt op dat de waarde van R² laag is. Voor de interpretatie hiervan wordt verwezen naar deze gegeven bij Tabel 9.
27
Tenslotte wordt de regressie een laatste keer uitgevoerd voor de beursgenoteerde en nietbeursgenoteerde ondernemingen afzonderlijk (Roosen, 2010). De resultaten hiervan zijn terug te vinden in tabel 11.
TABEL 11 Resultaten regressie ter analyse van hypothese 2 voor beursgenoteerde en niet-beursgenoteerde bedrijven afzonderlijk Kleinste kwadratenmethode Afhankelijke variabele: DA_abs Panel A: Beursgenoteerde bedrijven Panel B: niet-beursgenoteerde bedrijven (cross-sectie random effects) (cross-sectie random effects) Onafhankelijke Verwacht Coëfficiënt TpVerwacht Coëfficiënt Tpvariabelen teken schatting Statistiek waarde teken schatting Statistiek waarde +/+/0,243470 *** 4,057073 0,0001 0,252726 ** 2,198797 0,0295 C 0,008472 0,267830 0,7892 -0,043565 -0,831509 0,4071 AUDITOR LNA CF
+
-0,011729 **
-2,271706
0,0246
-
-0,183877
-1,229539
LEV
+
0,001155
0,014191
R²: periode: aantal ondernemingen: panel (balanced) observaties:
+
-0,009127
-1,037688
0,3012
0,2209
-
0,112034
1,498461
0,1363
0,9887
+
0,039175
0,670288
0,5038
0,11668 *** 2007-2010 36 144
0,067462 ** 2007-2010 36 144
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Een Big 4 revisor beperkt winststuring niet meer dan een second-tier revisor (AUDITORit). Dit geldt zowel voor beursgenoteerde als voor niet-beursgenoteerde ondernemingen. Dit resultaat is gedeeltelijk tegengesteld aan de resultaten uit de univariate analyse. De univariate analyse geeft immers aan dat Big 4 revisoren strenger optreden tegen positieve winststuring door beursgenoteerde ondernemingen dan second-tier revisoren. Tot slot vertoont de variabele LNAit een significant negatief teken voor de beursgenoteerde ondernemingen. Dit is tegengesteld aan de verwachting dat grotere beursgenoteerde bedrijven meer deelnemen aan winststuring dan kleinere beursgenoteerde bedrijven. De tweede hypothese wordt bijgevolg niet verworpen. De multivariate analyse geeft geen enkel bewijs dat er een kwaliteitsverschil zou zijn tussen de Big 4 en de second-tier revisorenkantoren. Dit resultaat is consistent met de resultaten uit Boone et. al. (2010) en Jenkins en Velury (2011). Beide onderzoeken tonen aan dat second-tier revisoren een waardig alternatief vormen voor Big 4 revisoren. De multivariate analyse toont echter wel aan dat beursgenoteerde bedrijven minder deelnemen aan winststuring dan niet-beursgenoteerde ondernemingen. Tenslotte wordt hier nogmaals gewezen op het feit dat het model met DA_absit als afhankelijke variabele weinig verklarende kracht heeft. Voor de interpretatie wordt opnieuw verwezen naar deze gegeven bij tabel 9.
28
4.4.
Sensitiviteitsanalyse
Om na te gaan of deze resultaten robuust zijn, wordt hier tewerk gegaan zoals in Roosen (2010). Eerst wordt de regressie opnieuw uitgevoerd door gebruik te maken van de kleinste kwadratenmethode. Ondanks het feit dat in deze steekproef met panel data gewerkt wordt, worden dus geen ‘fixed effects’ of ‘random effects’ toegevoegd. Vervolgens wordt de grootte gemeten aan de hand van het natuurlijk logaritme van de omzet in plaats van door gebruik te maken van het natuurlijk logaritme van de totale activa (Roosen, 2010). Tenslotte wordt de regressie opnieuw uitgevoerd door de vlottende accruals te gebruiken (Roosen, 2010). De resultaten van deze regressieanalyses zijn terug te vinden in bijlage 3. 4.4.1. Kleinste kwadratenmethode Wanneer de regressie uitgevoerd wordt met behulp van de kleinste kwadratenmethode blijken de resultaten dezelfde te zijn. De gebruikte schattingsmethode heeft geen invloed op de resultaten uit de voorgaande analyse. De resultaten van deze regressie zijn terug te vinden in bijlage 3.1. 4.4.2. Grootte aan de hand van omzet Hier wordt nagegaan of de manier waarop de grootte van de onderneming gemeten wordt een invloed heeft op het resultaat. Om dit na te gaan wordt de grootte van de onderneming gedefinieerd aan de hand van het natuurlijke logaritme van de omzet. Zoals bijlage 3.2 aantoont blijken de resultaten robuust te zijn wanneer de grootte van de onderneming gemeten wordt op deze manier. Er dient wel opgemerkt te worden dat hier opnieuw gebruik gemaakt werd van random of fixed effects. 4.4.3. Vlottende accruals Volgens Maijoor en Vanstraelen (2006) kan winststuring beter ontdekt worden door te kijken naar de vlottende accruals. Bovendien leveren vlottende accruals nauwkeurigere resultaten op bij kleine steekproeven (Roosen, 2010). Vergelijking 6 schat het normale gedeelte van de vlottende accruals. De onverwachte accruals worden dan bekomen door het verschil te nemen tussen de werkelijke en de normale vlottende accruals (Roosen, 2010). De vlottende accruals worden berekend volgens de formule: ΔCAit – ΔTDit – ΔCASHit en stellen bijgevolg het werkkapitaal van de onderneming voor.
29
WKit / Ait-1 = αt + β1t (ΔREVit / Ait-1) + β2t (ΔRECit / Ait-1) + εit
(6)
Waarbij : WKit
= Vlottende accruals voor bedrijf i in jaar t
Ait-1
= Totale activa voor bedrijf i in jaar t-1
ΔREVit = Verandering in de omzet voor bedrijf i in jaar t t.o.v. jaar t-1 ΔRECit = Verandering in de vorderingen voor bedrijf i in jaar t t.o.v. jaar t-1 De resultaten van deze regressieanalyse zijn terug te vinden in bijlage 3.3. Wanneer het onverwachte deel van de vlottende accruals als afhankelijke variabele gebruikt wordt, blijkt dat dezelfde resultaten bekomen worden als wanneer het onverwachte deel van de totale accruals gebruikt wordt als afhankelijke variabele. De resultaten blijken dus ook robuust te zijn wanneer gebruik gemaakt wordt van het onverwachte deel van de vlottende accruals. Ook hier werd opnieuw gebruik gemaakt van random of fixed effects. 4.4.4. Conclusie sensitiviteitsanalyse Tabel 12 vergelijkt de conclusies van de sensitiviteitsanalyse met de conclusies uit de oorspronkelijke regressie. Op deze manier kan nagegaan worden of de oorspronkelijke resultaten robuust zijn.
TABEL 12 Overzicht sensitiviteitsanalyse Hypothese 1: alle ondernemingen
Hypothese 1: Hypothese 1: beursniet-beursgenoteerde genoteerde ondernemingen ondernemingen
Hypothese 2: alle ondernemingen
Hypothese 2: beursgenoteerde ondernemingen
Hypothese 2: niet-beursgenoteerde ondernemingen
kleinste kwadratenmethode
Vergelijkbaar
Vergelijkbaar
Vergelijkbaar
Vergelijkbaar
Vergelijkbaar
Vergelijkbaar
grootte a.d.h.v. LN Omzet
Vergelijkbaar
Vergelijkbaar
Vergelijkbaar
Vergelijkbaar
Vergelijkbaar
Vergelijkbaar
onverwachte deel vlottende accruals
Vergelijkbaar
Vergelijkbaar
Vergelijkbaar
Vergelijkbaar
Vergelijkbaar
Vergelijkbaar
Robuust
Robuust
Robuust
Robuust
Robuust
Robuust
Conclusie
30
5. Besluit Ondernemingen moeten hun winstcijfer bekendmaken in hun boekhouding. Deze boekhouding, en meer bepaald het winstcijfer, vormen een belangrijke indicatie van de financiële prestaties van een bedrijf. Dit geeft ondernemingen dan ook verschillende motieven om hun winsten in een bepaalde richting te sturen. De ondernemingsleiding beschikt over een zekere mate van vrijheid om te handelen binnen de grenzen van de boekhoudprincipes. Wanneer deze vrijheid gebruikt wordt om de economische situatie van de onderneming zo goed mogelijk weer te geven, leidt dit tot een hogere waarde van de boekhoudkundige cijfers. Het is echter ook mogelijk dat de ondernemingsleiding deze vrijheid gebruikt om de winst te sturen in hun eigen voordeel. Dit leidt tot een vertekend beeld van de werkelijkheid waardoor de belanghebbenden van de onderneming misleid worden. Een bedrijfsrevisor kan echter een rol spelen in het beperken van winststuring, en zo misleiding van de belanghebbenden beperken. In dit onderzoek wordt nagegaan of Big 4 revisoren strenger optreden tegen winststuring (zowel opwaarts dan neerwaarts) dan second-tier revisoren. Vervolgens wordt ook gekeken of er een verschil in kwaliteit is tussen Big 4 en second-tier revisorenkantoren voor winststuring door beursgenoteerde en niet-beursgenoteerde ondernemingen afzonderlijk. De opsplitsing tussen beursgenoteerde en niet-beursgenoteerde ondernemingen wordt gemaakt omdat beide soorten ondernemingen in een andere context opereren en onderhevig zijn aan andere rapporteringsstandaarden. In dit onderzoek wordt echter aangenomen dat het verschil in rapporteringsstandaarden geen invloed heeft op de mate van winststuring door beursgenoteerde en niet-beursgenoteerde
ondernemingen.
Verder
wordt
in
deze
masterproef
gekeken
naar
kwaliteitsverschillen tussen Big 4 en second-tier revisorenkantoren. Dit is in tegenstelling tot de meerderheid van onderzoeken in dit domein. Die richtten zich namelijk op de tweedeling Big 4 – non-Big 4. Aangezien second-tier revisoren de laatste jaren aan een opmars bezig zijn en een waardig alternatief worden voor Big 4 kantoren, wordt in dit onderzoek geopteerd om te kijken naar deze second-tier revisoren. Door deze opmars van de second-tier revisorenkantoren zou verwacht kunnen worden dat de kwaliteit die deze leveren gelijkaardig is aan de kwaliteit geleverd door de Big 4 revisorenkantoren. Er zijn echter ook argumenten waardoor zou kunnen verwacht worden dat de second-tier revisoren toch audits van lagere kwaliteit leveren dan Big 4 revisoren (Boone et. al., 2010). Het is onder andere mogelijk dat second-tier revisoren nog altijd minder onafhankelijk zijn van hun klanten dan Big 4 revisoren en dus minder kunnen weerstaan aan druk vanwege de klant. Bovendien zijn second-tier kantoren nog altijd
31
kleiner dan de Big 4 revisorenkantoren, waardoor het denkbaar is dat ze minder middelen ter beschikking hebben. Vooreerst wordt gekeken naar de mate van winststuring voor het geheel van ondernemingen. Deze resultaten tonen aan dat er geen verschil is tussen Big 4 en second-tier revisoren met betrekking tot winststuring (zowel opwaarts als neerwaarts). De sensitiviteitsanalyse toont aan dat deze resultaten robuust zijn. Wanneer gekeken wordt naar beursgenoteerde en niet-beursgenoteerde ondernemingen afzonderlijk, wordt ook geen verschil gevonden in de mate van beperking van winststuring door Big 4 en second-tier revisoren. Ook hier toont de sensitiviteitsanalyse aan dat dit resultaat robuust is. Deze resultaten zijn consistent met vorig onderzoek. Onderzoek door Jenkins en Velury (2011) vindt geen significant verschil in accounting conservatisme tussen Big N en second-tier revisorenkantoren. Vervolgens blijkt ook uit onderzoek van Boone et. al. (2010) dat er geen verschil gevonden wordt in kwaliteit tussen Big 4 en second-tier revisorenkantoren. Verder wordt geen bewijs gevonden dat Big 4 revisoren strenger zouden optreden tegen winststuring door beursgenoteerde ondernemingen dan door niet-beursgenoteerde ondernemingen. Er wordt echter wel aangetoond dat beursgenoteerde bedrijven minder deelnemen aan winststuring dan nietbeursgenoteerde ondernemingen. Een beursnotering vormt dus een beperking op het niveau van winststuring. Bovendien is het mogelijk dat een beursnotering en een Big 4 revisor substituten zijn voor het beperken van winststuring. Deze resultaten blijken robuust te zijn. Deze resultaten dragen bij tot de literatuur omtrent de invloed van mogelijke kwaliteitsverschillen tussen Big 4 en second-tier revisorenkantoren op het niveau van winststuring. Big 4 revisoren leveren geen hogere kwaliteit dan second-tier revisorenkantoren. Dit geldt zowel bij de beursgenoteerde ondernemingen als bij de niet-beursgenoteerde ondernemingen. Tenslotte dient er gewezen te worden op enkele beperkingen van dit onderzoek. Vooreerst wordt aangenomen dat het verschil in rapporteringsstandaarden tussen beursgenoteerde en nietbeursgenoteerde ondernemingen geen verklarende factor is voor winststuring. Uit onderzoek van Van Tendeloo en Vanstraelen (2005) blijkt immers dat IFRS winststuring niet meer beperkt dan Belgian GAAP. In dit onderzoek is de variabele voor een beursnotering tegelijk ook een variabele voor IFRS. Om deze reden is het dus mogelijk dat de verschillen tussen beursgenoteerde en niet-beursgenoteerde ondernemingen toch te verklaren zijn door IFRS. De tweede beperking van dit onderzoek vloeit voort uit de samenstelling van de steekproef. Aangezien beursgenoteerde ondernemingen worden ‘gematchd’ met niet-beursgenoteerde ondernemingen is het mogelijk dat deze resultaten niet veralgemeenbaar zijn voor alle niet-beursgenoteerde ondernemingen in België.
32
In deze masterproef wordt gebruik gemaakt van winststuring om de auditkwaliteit na te gaan. Verder onderzoek kan nagaan of dezelfde conclusies worden verkregen door gebruik te maken van andere maatstaven voor auditkwaliteit, zoals door reële activiteiten te gebruiken of de going-concern opinie.
33
Lijst van geraadpleegde werken Bartov, E., Gul, F. en Tsui, J., 2001, Discretionary-accruals models and audit qualifications, Journal of Accounting and Economics 30, 421-452 Becker, C., DeFond, M., Jiambalvo, J. en Subramanyam, K.R., 1998, The Effect of Audit Quality on Earnings Management, Contemporary Accounting Research 15, 1, 1-24 Boone, J., Khurana, I. en Raman, K., 2010, Do the Big 4 and the Second-tier firms provide audits of similar quality?, Journal of Accounting and Public Policy 29, 330-352 Byrnes, N., 2005, The little guys doing large audits, Business Week 39 Cassel, C., Giroux, G., Myers, L. en Omer, T., 2011, The Emergence of Second-Tier Auditors: Evidence from Investor Perceptions of Financial Reporting Credibility (working paper), SSRN eLibrary Chen, Y. S. en Hsu, J. C., 2009, Auditor Size, Auditor Quality, and Auditor Fee Premiums: Further Evidence from the Public Accounting Profession (working paper), SSRN eLibrary Choi, J., Kim, C., Kim, J. en Zang, Y., 2010, Audit Office Size, Audit Quality, and Audit Pricing, Auditing: A Journal of Practice & Theory 29, 1, 73-97 Davidson, R. en Neu, D., 1993, A Note on the Association between Audit Firm Size and Audit Quality, Contemporary Accounting Research 9, 2, 479-488 DeAngelo, L., 1981, Auditor Size and Audit Quality, Journal of Accounting and Economics 3, 183-199 Dechow, P., en Sloan, R., 1991, Executive incentives and the horizon problem, Journal of Accounting and Economics 14, 51-89 Dechow, P., Sloan, R. en Sweeney, A., 1995, Detecting Earnings Management, The Accounting Review 70, 2, 193-225 DeFond, M.L. (1992), The Association Between Changes in Client Firm Agency Costs and Auditor Switching, Auditing: A Journal of Practice & Theory 11, 1, 16-31 Dye, R., 1993, Auditing Standards, Legal Liability, and Auditor Wealth, Journal of Political Economy 101, 5, 887-914 Francis, J., 2004, What do we know about audit quality?, The British Accounting Review 36, 345-368
I
Francis, J. en Krishnan, J., 1999, Accounting Accruals and Auditor Reporting Conservatism, Contemporary Accounting Research 16, 1, 135-165 Francis, J. en Wilson, E., 1988, Auditor Changes: A Joint Test of Theories Relating to Agency Costs and Auditor Differentiation, The Accounting Review 63, 4, 663-682 Francis, J. en Yu, M., 2009, Big 4 Office Size and Audit Quality, The Accounting Review 84, 5, 1521-1552 Gaeremynck, A. en Willekens, M., 2003, The endogenous relationship between audit report type and business termination: Evidence on private firms in non-litigious environment, Accounting and Business Research 33, 1, 65-79 Geiger, M. en Rama, D., 2006, Audit Firm Size and Going-Concern Reporting Accuracy, Accounting Horizons 20, 1, 1-17 Guay, W., Kothari, S. en Watts, R., 1996 A Market-Based Evaluation of Discretionary Accrual Models, Journal of Accounting Research 34, 83-105 Healy, P., 1996, Discussion of a Market-Based Evaluation of Discretionary Accrual Models, Journal of Accounting Research 34, 107-115 Healy, P. en Wahlen, J., 1999, A review of the earnings management literature and its implications for standard setting, Accounting Horizons, 13, 4, 365-383 Instituut van de Bedrijfsrevisoren (IBR), 2007, Normen inzake bepaalde aspecten die verband houden met
de
onafhankelijkheid
van
de
commissaris,
URL
http://www.ibr-ire.be/ned/normen_nieuwenormen.aspx (26/02/2012) Instituut van de Bedrijfsrevisoren (IBR), 2008, Normen inzake de kwaliteitscontrole, URL http://www.ibrire.be/ned/normen_nieuwenormen.aspx . (26/02/2012) Jans, M. en Lybaert N., 2006, Winststuring door Belgische ondernemingen via het voorzieningenbeleid, Accountancy & Bedrijfskunde 26, 5, 3-18 Jenkins, D. en Velury, U., 2011, The emergence of second-tier auditors in the post-SOX era: An analysis of accounting conservatism, Research in Accounting Regulation 23, 172-176 Jeong, S. en Rho, J., 2004, Big Six auditors and audit quality: The Korean evidence, The International Journal of Accounting 39, 175-196
II
Jones, J., 1991, Earnings Management During Import Relief Investigations, Journal of Accounting Research 29, 2, 193-228 Koersen Beursduivel, 2012, URL < http://www.beursduivel.be/koersen-BEL20.index>. (26/02/2012) Krishnan, J. en Schauer, P., 2000, The Differentiation of Quality among Auditors: Evidence from the Notfor-Profit Sector, Auditing: A Journal of Practice & Theory 19, 2, 9-25 Lennox, C., 1999a, Are large auditors more accurate than small auditors?, Accounting and Business Research 29, 3, 217-227 Lennox, C., 1999b, Audit Quality and Auditor Size: An Evaluation of Reputation and Deep Pockets Hypotheses, Journal of Business Finance & Accounting 26(7) & (8), 779-805 Maijoor, S.J. en Vanstraelen, A., 2006, Earnings management within Europe: the effects of member state audit environment, audit firm quality and institutional capital markets, Accounting and Business Research 36, 1, 33-52 Nationale Bank van België (NBB), 2012, Evolutie van het aantal neergelegde jaarrekeningen, URL
. (26/02/2012) Nelson, M. W., 2006, Ameliorating conflicts of interest in auditing: Effects of recent reforms on auditors and their clients, Academy of Management Review 31, 1, 30-42 Nelson, M., Elliott, J. en Tarpley, R., 2002, Evidence from Auditors about Managers’ and Auditors’ Earnings Management Decisions, The Accounting Review 77, 175-202 Palmrose, Z., 1988, An Analysis of Auditor Litigation and Audit Service Quality, The Accounting Review 63, 1, 55-73 Roosen, N., 2010, De invloed van auditkwaliteit op het niveau van winststuring door Belgische nietbeursgenoteerde en beursgenoteerde ondernemingen, Masterproef Lessius Sharecompany, 2010, Koersen URL: (26/04/2012) Secru, P., Vander Bauwhede, H. en Willekens, M., 2002, Earnings quality in privately held firms: the roles of external audits, stakeholders, and governance mechanisms, K.U. Leuven onderzoeksrapport 0235, 132
III
Teoh, S. H. en Wong, T. J., 1993, Perceived Auditor Quality and the Earnings Response Coefficient, The Accounting Review 68, 2, 346-366 TrendsTop
Knack,
2012,
Sectorklassement
‘Bedrijfsrevisoren’,
URL
. (26/02/2012) Vander Bauwhede, H. en Willekens, M., 1998, Earnings management and institutional differences: Belgian evidence on audit quality as a constraint on earnings management, K.U. Leuven onderzoeksrapport 9834 Vander Bauwhede H. en Willekens, M., 2003, Earings Management in Belgium: a Review of the Empirical Evidence, Tijdschrift voor Economie en Management 48, 2, 199-217 Vander Bauwhede, H. en Willekens, M., 2004, Evidence on (the Lack of) Audit-quality Differentiation in the Private Client Segment of the Belgian Audit Market, European Accounting Review 13, 3, 501-522 Vander Bauwhede, H., Gaeremynck, A. en Willekens, M., 2000, Drijfveren voor winstmanagement voor Belgische beurs en niet-beursgenoteerde bedrijven, Tijdschrift voor Economie en Management XLV, 3, 367-386 Vander Bauwhede, H., Gaeremynck, A en Willekens, M., 2003, Audit Quality, Public Ownership and Firms’ Discretionary Accruals Management, K.U. Leuven onderzoeksrapport 0053, 1-39 Van Tendeloo, B. en Vanstraelen, A., 2005, Earnings Management under German GAAP versus IFRS, European Accounting Review 14, 1, 155-180 Van Tendeloo, B. en Vanstraelen, A., 2008, Earnings Management and Audit Quality in Europe: Evidence from the Private Client Segment Market, European Accounting Review 17, 3, 447-469 Willekens, M. en C. Achmadi, 2003, Pricing and supplier concentration in the private client segment of the audit market: Market power or competition?, The International Journal of Accounting 38, 4, 431-455
IV
Bijlage 1: Bepaling second-tier revisorenkantoren Hier wordt een overzicht gegeven van de elf grootste revisorenkantoren gemeten aan de hand van het aantal bedrijfsrevisoren, het aantal organisaties van openbaar belang geauditeerd, de totale omzet en de omzet gegenereerd door audit. Vervolgens worden deze revisorenkantoren globaal gerangschikt en worden de vijf grootste niet Big 4 kantoren aangeduid als second-tier revisorenkantoren.
2010
Revisorenkantoor
Aantal bedrijfsrevisoren
2010
Revisorenkantoor
Organisaties van openbaar belang geauditeerd
1 2 3 4 5 6 7 8 9 10
PWC Ernst & Young KPMG Deloitte BDO RSM Interaudit Mazars Callens Pirenne & Co PKF VGD Grant Thornton
86 77 69 68 52 34 19 14 13 13 12
1 2 3 4 5 6 7 8 9 10 -
Deloitte KPMG PWC Ernst & Young Mazars BDO Callens Pirenne & Co RSM Interaudit PKF Grant Thornton VGD
80 69 68 60 22 14 12 10 3 2 2
2010 1 2 3 4 5 6 7 8 9 10 11
Revisorenkantoor Deloitte PWC KPMG Ernst & Young BDO Mazars RSM Interaudit Grant Thornton Callens Pirenne & Co VGD PKF
Totale omzet (euro) 295.000.000 186.117.000 121.100.000 104.584.005 46.300.000 15.940.120 14.804.038 12.525.000 6.083.713 4.083.000 4.074.566
2010 1 2 3 4 5 6 7 8 9 10 11
Revisorenkantoor Deloitte Ernst & Young PWC KPMG BDO RSM Interaudit Grant Thornton Callens Pirenne & Co VGD Mazars PKF
Omzet audit (euro) 83.000.000 77.928.360 57.524.159 55.100.000 18.500.000 8.733.792 5.456.000 4.199.554 4.082.956 3.345.749 2.921.401
2010
Revisorenkantoor
Aantal bedrijfsrevisoren
Organisaties van openbaar belang geauditeerd
Totale omzet (euro)
Omzet audit (euro)
1 2 3 4 5 6 7 8 9 10
Deloitte PWC Ernst & Young KPMG BDO RSM Interaudit Mazars Callens Pirenne & Co Grant Thornton VGD PKF
68 86 77 69 52 34 19 14 12 13 13
80 68 60 69 14 10 22 12 2 2 3
295.000.000 186.117.000 104.584.005 121.100.000 46.300.000 14.804.038 15.940.120 6.083.713 12.525.000 4.083.000 4.074.566
83.000.000 57.524.159 77.928.360 55.100.000 18.500.000 8.733.792 3.345.749 4.199.554 5.456.000 4.082.956 2.921.401
i
Bijlage 2: Overzicht van de variabelen, hun definitie en verwacht teken
Overzicht variabelen, definities en verwacht teken Variabele
Definitie
Verwacht teken
Regressievergelijking Hypothese 1 Afhankelijke variabelen
DAit Onafhankelijke variabelen AUDITORit
Dummy, 1 indien Big 4 revisor, 0 indien second-tier revisor
-
NEGit
Dummy, 1 indien negatieve onverwachte accruals, anders 0
-
AUDITORit x NEGit
Interactievariabele van de dummy's AUDITORit en NEGit. 1 indien onderneming klant is bij B4 revisorenkantoor en negatieve onverwachte accruals rapporteert, anders 0
+/-
Controlevariabelen LNAit
Natuurlijk logaritme van de totale activa voor bedrijf i in jaar t
-
CFit
Operationele cash flow voor bedrijf i in jaar t, geschaald door de totale activa voor bedrijf i in jaar t-1
+/-
LEVit
Leverage, de verhouding tussen langlopende schulden en totale activa
+/-
Regressievergelijking Hypothese 2 Afhankelijke variabele DA_absit Onafhankelijke variabelen AUDITORit
Dummy, 1 indien Big 4 revisor, 0 indien second-tier revisor
-
TYPEit
Dummy, 1 indien beursgenoteerd, 0 indien niet-beursgenoteerd
-
AUDITORit_x_TYPEit
Interactievariabele van de dummy's AUDITORit en TYPEit. 1 indien onderneming beursgenoteerd is en klant is bij B4 revisorenkantoor, anders 0
+/-
Controlevariabelen LNAit
Natuurlijk logaritme van de totale activa voor bedrijf i in jaar t
+
Cfit
Operationele cash flow voor bedrijf i in jaar t, geschaald door de totale activa voor bedrijf i in jaar t-1
-
LEVit
Leverage, de verhouding tussen langlopende schulden en totale activa
+
ii
Bijlage 3 Bijlage 3.1: Resultaten kleinste kwadratenmethode
Resultaten regressie ter analyse van hypothese 1 Kleinste kwadratenmethode Afhankelijke variabele: DA Onafhankelijke Verwacht Coëfficiënt Tvariabelen teken schatting Statistiek C AUDITOR
+/-
0,039997
0,483161 0,6294
-
0,011027
0,328049 0,7431
-
NEG AUDITOR x NEG LNA
pwaarde
-0,146412 ***
-3,538011 0,0005
+/-
0,027805
0,621697 0,5346
-
0,004740
0,668032 0,5047
CF
+/-
-0,501898 ***
-4,840791 0,0000
LEV
+/-
-0,056151
-1,566680 0,1183 0,619264
R²: periode: aantal ondernemingen: panel (balanced) observaties:
***
2007 - 2010 72 288
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Resultaten regressie ter analyse van hypothese 1 voor beursgenoteerde en niet-beursgenoteerde bedrijven afzonderlijk Kleinste kwadratenmethode Afhankelijke variabele: DA Onafhankelijke variabelen C
Panel A: Beursgenoteerde bedrijven Panel B: niet-beursgenoteerde bedrijven Verwacht Coëfficiënt TpVerwacht Coëfficiënt Tpteken schatting Statistiek waarde teken schatting Statistiek waarde +/-
0,039188
0,629344 0,5302
+/-
0,048052
0,329054 0,7426
AUDITOR
-
0,005151
0,112110 0,9109
-
0,000248
0,005540 0,9956
NEG
-
-2,183776 0,0307
-
0,271827 0,7862
+/-
AUDITOR x NEG LNA
+/-
CF
+/-
LEV
+/-
R²: periode: aantal ondernemingen: panel (balanced) observaties:
-0,124650 ** 0,017452 0,002294 -0,425436 *** 0,039543
-0,194344 *** 0,067263
-3,530674 0,0006 1,344068 0,1811
0,427457 0,6697
-
-2,618831 0,0098
+/-
-0,544626 ***
-4,094278 0,0001
0,483165 0,6297
+/-
-0,088841
-2,344336 0,0205
0,561116
***
2007 - 2010
0,006701
0,495370 0,6211
0,666936 *** 2007 - 2010
36
36
144
144
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
iii
Resultaten regressie ter analyse van hypothese 2 Kleinste kwadratenmethode Afhankelijke variabele: DA_abs Onafhankelijke Verwacht Coëfficiënt Tvariabelen teken schatting Statistiek C
+/-
0,272639 ***
pwaarde
3,094837 0,0022
AUDITOR
-
-0,041508
-0,724869 0,4691
TYPE
-
-0,065391
-1,010829 0,3130
+/-
0,024260
0,349959 0,7266
+
-0,007976
-1,534185 0,1261
CF
-
-0,003100
-0,028079 0,9776
LEV
+
-0,024172
-0,437145 0,6623
AUDITOR x TYPE LNA
0,051781 2007-2010 72 288
R²: periode: aantal ondernemingen: panel (balanced) observaties:
**
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Resultaten regressie ter analyse van hypothese 2 m.b.t. het verschil in het niveau van winststuring bij beursgenoteerde en nietbeursgenoteerde bedrijven
Onafhankelijke variabelen C
Kleinste kwadratenmethode Afhankelijke variabele: DA_abs Verwacht Coëfficiënt Tteken schatting Statistiek +/-
0,261292 ***
pwaarde
3,730022 0,0002
AUDITOR
-
-0,027622
-0,885491 0,3766
TYPE
-
-0,046019 **
-2,097739 0,0368
LNA
+
-0,007999
-1,518701 0,1300
CF
-
-0,002187
-0,019880 0,9842
LEV
+
-0,024342
-0,443349 0,6579 0,050791 2007-2010 72 288
R²: periode: aantal ondernemingen: panel (balanced) observaties:
***: statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
iv
**
Resultaten regressie ter analyse van hypothese 2 voor beursgenoteerde en niet-beursgenoteerde bedrijven afzonderlijk Kleinste kwadratenmethode Afhankelijke variabele: DA_abs Panel A: Beursgenoteerde bedrijven Panel B: niet-beursgenoteerde bedrijven Onafhankelijke Verwacht Coëfficiënt TpVerwacht Coëfficiënt Tpvariabelen teken schatting Statistiek waarde teken schatting Statistiek waarde C
+/-
0,243447 ***
4,006919
0,0001
+/-
0,009595
0,309937
0,7571
-
-0,050578
-0,993646 0,3221
-0,006267
-0,857350 0,3927
AUDITOR
-
LNA
+
-0,011668 **
-2,217679
0,0282
+
CF
-
-0,195262
-1,352914
0,1783
-
LEV
+
-0,003442
-0,041877
0,9667
+
R²: periode: aantal ondernemingen: panel (balanced) observaties:
0,138927 *** 2007-2010 36 144
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
v
0,229086 **
0,153682 * -0,001762
2,336541 0,0209
1,971529 0,0506 -0,036417 0,9710 0,102032 *** 2007-2010 36 144
Bijlage 3.2. Resultaten met grootte gemeten aan de hand van de omzet Resultaten regressie ter analyse van hypothese 1 Kleinste kwadratenmethode met cross-sectie random effects Afhankelijke variabele: DA Onafhankelijke Verwacht Coëfficiënt Tpvariabelen teken schatting Statistiek waarde C
+/-
0,031063
0,787498 0,4317
AUDITOR
-
0,017662
0,589717 0,5559
NEG
-
AUDITOR x NEG
-0,136407 ***
+/-
LN Omzet
-
-3,704724 0,0003
0,028506
0,713201 0,4763
0,005578 *
1,822917 0,0694
CF
+/-
-0,582623 ***
-5,606277 0,0000
LEV
+/-
-0,060183
-1,623043 0,1057 0,686119
R²: periode: aantal ondernemingen: panel (balanced) observaties:
***
2007 - 2010 72 288
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Resultaten regressie ter analyse van hypothese 1 voor beursgenoteerde en niet-beursgenoteerde bedrijven afzonderlijk Kleinste kwadratenmethode Afhankelijke variabele: DA
Onafhankelijke variabelen C
Panel A: Beursgenoteerde bedrijven Panel B: niet-beursgenoteerde bedrijven (cross sectie random effects) (cross sectie random effects) Verwacht Coëfficiënt TpVerwacht Coëfficiënt Tpteken schatting Statistiek waarde teken schatting Statistiek waarde +/-
0,000529
0,011023 0,9912
+/-
0,025568
0,426448 0,6705
AUDITOR
-
0,002000
0,046690 0,9628
-
0,017842
0,453160 0,6512
NEG
-
-2,112335 0,0365
-
-0,161491
AUDITOR x NEG
-0,115433 **
** *
-3,107699 0,0023
+/-
0,015796
0,255784 0,7985
+/-
0,053547
1,391673 0,1663
-
0,006545
1,507406 0,1340
-
0,007913
1,577475 0,1170
CF
+/-
-0,469737
-2,661542 0,0087
+/-
-0,665543
LEV
+/-
-0,011986
-0,149508 0,8814
+/-
LN Omzet
R²: periode: aantal ondernemingen: panel (balanced) observaties:
** *
0,59064
***
2007 - 2010 36 144
** * -0,078014 *
-5,962450 0,0000 -1,876898 0,0627 0,768342 *** 2007 - 2010 36 144
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
vi
Resultaten regressie ter analyse van hypothese 2 Kleinste kwadratenmethode met period fixed effects Afhankelijke variabele: DA_abs Onafhankelijke Verwacht Coëfficiënt Tpvariabelen teken schatting Statistiek waarde C
+/-
0,230041 ***
3,169528 0,0017
AUDITOR
-
-0,049408
-0,841006 0,4011
TYPE
-
-0,070722
-1,081762 0,2803
0,02843
0,406819 0,6845
AUDITOR x TYPE
+/-
LN Omzet
+
-0,003888
-1,206331 0,2287
CF
-
-0,007947
-0,073486 0,9415
LEV
+
-0,04194
-0,799918 0,4244 0,05942 2007-2010 72 288
R²: periode: aantal ondernemingen: panel (balanced) observaties:
**
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Resultaten regressie ter analyse van hypothese 2 m.b.t. het verschil in het niveau van winststuring bij beursgenoteerde en nietbeursgenoteerde bedrijven Kleinste kwadratenmethode met period fixed effects Afhankelijke variabele: DA_abs Onafhankelijke Verwacht Coëfficiënt Tpvariabelen teken schatting Statistiek waarde C
+/-
0,215442 ***
4,038632 0,0001
AUDITOR
-
-0,033338
-1,041148 0,2987
TYPE
-
-0,048207 **
-2,206806 0,0281
LN Omzet
+
-3,77E-03
-1,198536 0,2317
CF
-
-0,00705
-0,065389 0,9479
LEV
+
-0,04233
-0,813666 0,4165 0,058065 2007-2010 72 288
R²: periode: aantal ondernemingen: panel (balanced) observaties:
***: statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
vii
**
Resultaten regressie ter analyse van hypothese 2 voor beursgenoteerde en niet-beursgenoteerde bedrijven afzonderlijk Kleinste kwadratenmethode Afhankelijke variabele: DA_abs
Onafhankelijke variabelen C
Panel A: Beursgenoteerde bedrijven Panel B: niet-beursgenoteerde bedrijven (cross-sectie random effects) (cross-sectie random effects) Verwacht Coëfficiënt TpVerwacht Coëfficiënt Tpteken schatting Statistiek waarde teken schatting Statistiek waarde +/-
0,140654 ***
2,857719 0,0049
+/-
0,193691 ***
2,802509 0,0058
AUDITOR
-
-0,004507
-0,141210 0,8879
-
-0,05412
-1,042994 0,2988
LN Omzet
+
-0,00226
-0,522122 0,6024
+
-0,003453
-0,751697 0,4535
CF
-
-0,185601
-1,201467 0,2316
-
0,1139
1,527359 0,1289
LEV
+
-0,043641
-0,526907 0,5991
+
0,022056
0,358063 0,7208
R²: periode: aantal ondernemingen: panel (balanced) observaties:
0,095623 *** 2007-2010 36 144
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
viii
0,062691 * 2007-2010 36 144
Bijlage 3.3. Resultaten vlottende accruals
Resultaten regressie ter analyse van hypothese 1 Kleinste kwadratenmethode met cross-sectie random effects Afhankelijke variabele: DA Onafhankelijke Verwacht Coëfficiënt Tpvariabelen teken schatting Statistiek waarde C
+/-
0,027213
0,295910
0,7675
AUDITOR
-
-0,005362
-0,196317
0,8445
NEG
-
-0,134536 ***
-3,264089
0,0012
1,187923
0,2359
AUDITOR x NEG LNA
+/-
0,046259
-
0,893253
0,3725
CF
+/-
-0,587408 ***
0,007539
-7,258807
0,0000
LEV
+/-
-0,100759 ***
-2,708865
0,0072
0,678276
R²: periode: aantal ondernemingen: panel (unbalanced) observaties:
***
2007 - 2010 72 287
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Resultaten regressie ter analyse van hypothese 1 voor beursgenoteerde en niet-beursgenoteerde bedrijven afzonderlijk Kleinste kwadratenmethode Afhankelijke variabele: DA
Onafhankelijke variabelen C AUDITOR NEG AUDITOR x NEG LNA
Panel A: Beursgenoteerde bedrijven Panel B: niet-beursgenoteerde bedrijven (cross-sectie random effects) (cross-sectie random effects) Verwacht Coëfficiënt TpVerwacht Coëfficiënt Tpteken schatting Statistiek waarde teken schatting Statistiek waarde +/-
-0,058981
-
0,024601 -0,073785 *
+/-
CF
+/-
LEV
+/-
0,022678 0,009890 ** ** -0,662204 * -0,041962
R²: periode: aantal ondernemingen: panel (unbalanced) observaties:
-1,056031 0,2928
+/-
0,094171
0,589675 0,5564
0,921646 0,3583
-
-0,016577
-0,371017 0,7112
** -0,189124 * 0,066942
-1,692032 0,0929
-
0,552956 0,5812
+/-
2,334557 0,0210
-
0,004204
-6,383705 0,0000
+/-
-0,539908
-0,677483 0,4993
+/-
0,742041
***
** * -0,110309 **
-2,669005 0,0085 0,998402 0,3198 0,271085 0,7867 -4,941289 0,0000 -2,363095 0,0195 0,663408
2007 - 2010
2007 - 2010
36 143
36 144
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
ix
***
Resultaten regressie ter analyse van hypothese 2 Kleinste kwadratenmethode met cross-sectie random effects Afhankelijke variabele: DA_abs Onafhankelijke Verwacht Coëfficiënt Tpvariabelen teken schatting Statistiek waarde C
+/-
0,270363 ***
2,929345
0,0037
AUDITOR
-
-0,062568
-1,049170
0,2950
TYPE
-
-0,084952
-1,249643
0,2125
+/-
0,031796
0,443078
0,6581
+
-0,007694
-1,480308
0,1399
CF
-
0,026476
0,215994
0,8291
LEV
+
0,000291
0,004712
0,9962
AUDITOR x TYPE LNA
0,056316 2007-2010 72 287
R²: periode: aantal ondernemingen: panel (unbalanced) observaties:
**
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
Resultaten regressie ter analyse van hypothese 2 m.b.t. het verschil in het niveau van winststuring bij beursgenoteerde en nietbeursgenoteerde bedrijven Kleinste kwadratenmethode met cross-sectie random effects Afhankelijke variabele: DA_abs Onafhankelijke Verwacht Coëfficiënt Tpvariabelen teken schatting Statistiek waarde C
+/-
0,255434 ***
3,551674 0,0004
AUDITOR
-
-0,044442
-1,426845 0,1547
TYPE
-
-0,059545 ***
-2,816906 0,0052
LNA
+
-0,007701
-1,458208 0,1459
CF
-
0,026967
0,220604 0,8256
LEV
+
-0,000461
-0,007532 0,9940 0,055447 2007-2010 72 287
R²: periode: aantal ondernemingen: panel (unbalanced) observaties:
***: statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
x
***
Resultaten regressie ter analyse van hypothese 2 voor beursgenoteerde en niet-beursgenoteerde bedrijven afzonderlijk Kleinste kwadratenmethode Afhankelijke variabele: DA_abs
Onafhankelijke variabelen C
Panel A: Beursgenoteerde bedrijven Panel B: niet-beursgenoteerde bedrijven (period fixed effects) (cross-sectie random effects) Verwacht Coëfficiënt TpVerwacht Coëfficiënt Tpteken schatting Statistiek waarde teken schatting Statistiek waarde +/-
0,173985 ***
2,768491 0,0064
+/-
0,263912 **
2,179466
0,0310
AUDITOR
-
-0,012083
-0,412100 0,6809
-
-0,070191
-1,246929
0,2145
LNA
+
-0,006754
-1,205529 0,2301
+
-0,007068
-0,896992
0,3713
CF
-
-0,219336
-1,318638 0,1895
-
0,12965
0,918405
0,3600
LEV
+
0,030207
0,400099 0,6897
+
-0,011311
-0,167917
0,8669
R²: periode: aantal ondernemingen: panel (unbalanced) observaties:
0,17347 *** 2007-2010 36 143
*** : statistisch significant op het 1% significantieniveau ** : statistisch significant op het 5% significantieniveau * : statistisch significant op het 10% significantieniveau
xi
* 0,062289 2007-2010 36 144