De reële effecten van een wetswijziging over...

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE

ACADEMIEJAAR 2014 – 2015

De reële effecten van een wetswijziging over

handelskredietverstrekking in Frankrijk

Masterproef voorgedragen tot het bekomen van de graad van

Master of Science in de Toegepaste Economische Wetenschappen

Wannes Schalembier

onder leiding van

Prof. Dr. Klaas Mulier

PERMISSION

Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of

gereproduceerd worden, mits bronvermelding.

Wannes Schalembier

I

VOORWOORD

Deze masterproef bood mij de mogelijkheid om de kennis die ik de afgelopen jaren verworven heb,

toe te passen op een boeiend onderwerp. Verder leerde ik heel wat bij met betrekking tot het

zelfstandig uitvoeren van een onderzoek. Het samenstellen van de database, het verwerken en

analyseren van de data waren een leerrijke ervaring. Dit onderzoek heeft mij heel wat relevante kennis

bijgebracht.

Hierbij zou ik graag enkele mensen bedanken. Vooreerst Prof. Dr. Klaas Mulier voor alle hulp bij het

afbakenen van het onderwerp, het sturen van mijn onderzoek en de kritische opmerkingen. Daarnaast

ook een dankwoord voor Professor Theunissen voor de hulp en ondersteuning tijdens het schrijven

van deze masterproef. Tenslotte zou ik ook mijn vrienden en familie willen bedanken voor de steun

tijdens het uitvoeren van mijn onderzoek en het nalezen van deze thesis.

II

Inhoudsopgave

VOORWOORD ........................................................................................................................................... I

Lijst van de tabellen ................................................................................................................................ IV

Lijst van de figuren .................................................................................................................................. V

Lijst van de appendices .......................................................................................................................... VI

1. Inleiding ....................................................................................................................................... 1

1.1. Handelskrediet: een definitie ...................................................................................................... 3

2. Literatuurstudie ........................................................................................................................... 3

2.1. Theorieën van het handelskrediet .............................................................................................. 3

2.2.1. Financieringsvoordelen van handelskrediet ............................................................................. 4

2.2.1.1. Voordeel bij het verwerven van informatie ...................................................................... 4

2.2.1.2. Machtsvoordeel op de koper ............................................................................................ 4

2.2.1.3. Waarde halen uit bestaande activa ................................................................................... 5

2.2.2. Prijsdiscriminatie door handelskrediet ..................................................................................... 5

2.2.3. Voordeel van de transactiekosten ............................................................................................ 6

2.2.4. Financiële en commerciële motieven ....................................................................................... 6

2.2.4.1. Handelskrediet als investering .......................................................................................... 6

2.2.4.2. Handelskrediet uit noodzaak ............................................................................................. 7

2.2.4.3. Optimale hoeveelheid handelskrediet en groei ................................................................ 8

2.2.4.4. Strategische beslissing voor extra klanten ........................................................................ 8

2.2.4.5. Handelskrediet en kwaliteitsperceptie .............................................................................. 9

2.2.5. Theorie van het kopieergedrag ................................................................................................. 9

2.2.6. Handelskrediet als een ‘relastionship-specific investment’ .................................................... 10

2.3. Restricties op het handelskrediet in Frankrijk & België ............................................................. 11

2.3.1. Specifieke wet van 2006 in Frankrijk .................................................................................. 11

2.3.2. Algemene wet van 2008 in Frankrijk .................................................................................. 12

2.3.3. Wetgeving van toepassing in België ................................................................................... 13

III

3. Hypotheses ................................................................................................................................ 13

4. Data ........................................................................................................................................... 15

4.1. Gegevensverzameling ............................................................................................................... 15

4.2. Variabelen ................................................................................................................................. 19

4.2.1. Gebruikte variabelen per hypothese ................................................................................. 19

4.2.2. Controle variabelen ........................................................................................................... 19

4.3. Methode .................................................................................................................................... 20

5. Resultaten.................................................................................................................................. 21

5.1. Descriptieve statistieken ........................................................................................................... 21

5.2. Resultaten.................................................................................................................................. 23

5.2.1. De gemiddelde impact van de handelskredietrestrictie ................................................... 23

5.2.2. Handelskredietrestrictie en de winst ................................................................................ 25

5.2.3. Handelskredietrestrictie en de liquiditeit .......................................................................... 27

5.2.4. Handelskredietrestrictie en de schuldratio ....................................................................... 31

5.2.5. uitbreidend onderzoek............................................................................................................ 32

5.2.5.1. Aantal dagen kredietverstrekking ................................................................................... 33

5.2.5.2. Grote en kleine bedrijven ................................................................................................ 36

5.2.6. Specificaties van de resultaten ............................................................................................... 37

5.3. Sensitiviteitsanalyse .................................................................................................................. 38

5.3.1. Fixed effects zonder controle groep.................................................................................. 38

5.3.2. Generalized estimating equation ...................................................................................... 39

6. Discussie .................................................................................................................................... 41

Bibliografie ............................................................................................................................................ VII

Appendix ............................................................................................................................................... XIII

IV

Lijst van de tabellen

Tabel 1 - Descriptieve statistieken van de gehele sample (2005)……………………………..……………………….22

Tabel 2 - Correlatiematrix………………………………………………………………………………………………………………...23

Tabel 3 - Regressies met handelsvordering als afhankelijke variabele………………………………………………..24

Tabel 4 - Regressies met handelsschulden als afhankelijke variabele……………………………………….………..25

Tabel 5 - Regressies met EBIT als afhankelijke variabele…………………………………………………………………….26

Tabel 6 - Regressies met liquiditeit als afhankelijke variabele…………………………………………………………….27

Tabel 7 - Regressies met cash, vorderingen en schulden als afhankelijke variabele…………………………….28

Tabel 8 – Regressies verschillende gevallen handelsvorderingen en handelsschulden met liquiditeit,

cash, vorderingen en schulden als afhankelijke variabele………………….……………………………………………….30

Tabel 9 - Regressies met schuldratio als afhankelijke variabele………………………………………………………….31

Tabel 10 – Regressie met schuldratio en handelsschuld als afhankelijke variabele, weinig tegen veel

handelsschulden…………………………………….…………………………………………………………………………………………32

Tabel 11 - Fixed Effects, jaar en bedrijf FE korte tegen middellange tegen lange periode handelskrediet

alle variabelen als afhankelijke variabele…………………………………………………………………………………..………34

Tabel 12 - Fixed Effects, jaar en bedrijf FE korte tegen middellange tegen lange periode investeringen

en totale activa als afhankelijke variabele………………………………………………………………………………………….35

Tabel 13 - Fixed Effects, jaar en bedrijf FE kleine tegenover grote bedrijven alle variabelen als

afhankelijke variabele……………………………………………………………………………………………………………………….37

Tabel 14 - Fixed Effects regressie, enkel Frankrijk alle variabelen als afhankelijke variabele…….……….38

Tabel 15 - Fixed Effects regressie, enkel België alle variabelen als afhankelijke variabele……………………39

Tabel 16 - GEE regressie, jaar dummy alle variabelen als afhankelijke variabele…………………………………40

V

Lijst van de figuren

Figuur 1 - Evolutie mediaan aantal dagen handelskrediet…………………………………………………………………….1

Figuur 2.a - Evolutie mediaan handelsvorderingen/omzet……………………………………………………..………….16

Figuur 2.b - Evolutie mediaan handelsvorderingen/omzet…………………………………………………………………17

Figuur 3.a - Evolutie mediaan leverancierskrediet/omzet………………………………………………………………….18

Figuur 3.b - Evolutie mediaan leverancierskrediet/omzet………………………………………………………………….18

VI

Lijst van de appendices

Appendix 1 - Sectoren en hun vertegenwoordiging in de behandelde groep (data 2005)………..………XIII

Appendix 2 - Descriptieve statistieken relevante strata (100)………………………………………………………….XIV

Appendix 3 - Fixed effects, bedrijf en jaar FE van de extra variabelen als afhankelijke variabele….…..XV

Appendix 4 - Fixed effects, jaar en bedrijf FE alle (afhankelijke) variabelen met extra controlevariabelen

………………………………………………………………………………………………………………………………..………………………XVI

Appendix 5 - Descriptieve statistieken alle variabelen……………………………………………..………………………XVII

1

1. Inleiding

Bedrijven hebben financiële middelen nodig om optimaal te functioneren. Deze noodzakelijke

middelen kunnen op verscheidene manieren door de onderneming bekomen worden. In deze studie

wordt het handelskrediet onder de loep genomen. Deze vorm van financiering is een vaak

onderschatte, maar zeer belangrijke financieringsvorm. Het doel van deze studie is het bestuderen van

de reële en financiële effecten van een restrictie op de duur van een handelskrediet. Er wordt getracht

een antwoord te geven op de vraag of een restrictie van het handelskrediet zinvol is. Dit zal gebeuren

aan de hand van een wetswijziging in Frankrijk, waar in 2009 een restrictie op de duur van het

handelskrediet werd ingevoerd. Dit biedt de ideale mogelijkheid om te onderzoeken wat de gevolgen

zijn voor onder andere de winst, liquiditeit en schuldgraad. De veranderingen worden vergeleken met

veranderingen die in dezelfde periode optraden in België. Door gebruik te maken van deze

controlegroep zien we enerzijds de specifieke effecten van de wetgeving en anderzijds hebben we dan

ook een vergelijkingspunt dat niet onderhevig is aan de wijziging. Op deze manier isoleren we de

onderhevige bedrijven en kunnen we zeer nauwkeurig het effect hiervan bekijken. In figuur 1, waar de

zwarte lijn staat voor de intreding van de wetgeving, zien we al direct hoe Frankrijk een daling kent

van ongeveer 5 dagen en zich zo aanpast aan de wetgeving. Dit terwijl er in België een kleine stijging,

van ongeveer 1 dag, plaatsvindt in dezelfde periode. We merken dat voor de wetswijziging beide

landen dezelfde veranderingen kenden alsook na het eerste jaar van de wetsverandering evolueren

beide medianen wederom in dezelfde richting. Deze figuur toont dat Frankrijk en België prewetgeving

medianen kennen die relatief ver uit elkaar liggen. Voor de situatie postwetgeving is het anders, hier

loopt de mediaan van het aantal dagen handelskrediet meer gelijk. Dit toont aan dat de wetgeving een

voelbare impact heeft op het handelskrediet en dat verder en specifiek onderzoek een meerwaarde

kan bieden.

Figuur 1 - Evolutie mediaan aantal dagen handelskrediet

2

In deze thesis wordt er een daling van zowel de handelsvorderingen als handelsschulden aangetoond.

Er is een afname voor zowel de Franse als voor de Belgische bedrijven vastgesteld, deze daling is veel

groter in Frankrijk. Voor handelsvorderingen heeft verder onderzoek bij Franse bedrijven aangetoond

dat deze daling groter zal zijn in twee gevallen. Ten eerste indien een bedrijf groter is, dan zal deze ook

een sterkere daling kennen van de handelsvorderingen. Dit bevestigt ons vermoeden dat de impact

groter zal zijn voor omvangrijkere bedrijven. In een tweede geval vinden we dat deze

handelsvorderingen meer afnemen indien het bedrijf voor een groter aantal dagen klantenkrediet

heeft openstaan. Een logisch gevolg gezien de wetgeving vooral de bedrijven wil aanpakken die te lang

wachten met betalen.

Daarnaast zien we dat er door de wetgeving een daling is van de winst. Ook hier doet de wetgeving

dus wat er verwacht werd. Voor de winst werden dezelfde testen uitgevoerd als voor de

handelsvorderingen. Zo zien we dat grotere bedrijven een significante daling kennen van de winst

terwijl er voor kleinere bedrijven geen merkbare invloed is door de wetgeving. Ten tweede zien we dat

bedrijven met een hoog aantal dagen klantenkrediet een grotere daling kennen dan bedrijven met een

lager aantal dagen klantenkrediet. Een derde groep met zeer weinig dagen klantenkrediet kent zelf

geen daling van de winst.

Met betrekking tot de liquiditeit zien we over het algemeen geen significante veranderingen. Bij verder

onderzoek werden bedrijven zowel voor handelsschulden als voor handelsvorderingen ingedeeld in

veel of weinig. Hier werden drie scenario’s onderzocht. Ten eerste veel handelsvorderingen en weinig

handelsschulden. Ten tweede weinig handelsvorderingen en veel handelsschulden. Ten derde veel

handelsvorderingen en veel handelsschulden. In geen van deze gevallen was er een verandering van

liquiditeit maar wel een verandering van de belangrijkste componenten (handelsschulden,

handelsvorderingen en cash). Hiervoor worden mogelijke verklaringen gezocht in het stuk over

liquiditeit.

Tenslotte zien we dat de schuldratio onveranderd blijft. Ook in verder onderzoek nemen we waar dat

hoewel er een daling is van de handelsschulden, dit geen gevolgen heeft voor de schuldratio.

De wetgeving heeft dus zeker enkele merkbare gevolgen, zo zullen kleinere bedrijven meer positieve

effecten ervaren van deze wetgeving dan grote bedrijven. Ook gaan bedrijven die reeds tijdig betalen

geen hinder ondervinden van de wetgeving en zo zelf hun concurrentiepositie kunnen verbeteren.

In wat volgt wordt een overzicht gegeven van de reeds bestaande literatuur met betrekking tot

handelskrediet. Allereerst wordt dit concept gedefinieerd, waarna een aantal theorieën omtrent de

rol van deze financieringsvorm worden uitgelicht. Daarna wordt dieper ingegaan op de gebruikte data

en de gehanteerde onderzoeksmethode. Tot slot bekijken we de bekomen resultaten gevolgd door

een kritische reflectie op deze studie.

3

1.1. Handelskrediet: een definitie

Handelskrediet kan gedefinieerd worden als een kredietvorm waarbij de verkoper geen onmiddellijke

betaling eist voor het leveren van goederen of diensten (García-Teruel en Martínez-Solano, 2010). Het

wordt beschouwd als een korte termijn passiva (leverancierskrediet/handelsschulden) indien het gaat

om handelskrediet verkregen van de leverancier of als een vlottende activa (handelsvordering)

wanneer het gaat om een handelskrediet toegestaan aan klanten. Dit is veruit de belangrijkste vorm

van een niet rechtstreekse betaling, andere zijn onder meer leasing contracten en nabetaling van het

loon (Burkart & Ellingsen, 2004). In 1987 was deze vorm van krediet reeds zeer belangrijk en goed voor

15% van de passiva van een niet-financiële onderneming. Dit loopt zelfs op tot 20% wanneer het om

kleinere ondernemingen gaat (Elliehausen & Wolken, 1993). Eind 1992 was dit zelfs 26% bij niet-

financiële Nasdaq ondernemingen (Mian & Smith, 1994). Bij niet-financiële ondernemingen uit de VS

is het aandeel van handelsschulden op de balans drie maal zo hoog als bankleningen en vijftien maal

zo hoog als commercial papers (Barrot, 2013). Tot slot moet rekening gehouden worden met het feit

dat handelskrediet nutteloos is in een wereld zonder fricties. De kredieten zouden dan even goed bij

de banken kunnen gehaald worden onder dezelfde voorwaarden, terwijl de financiële gevolgen

hetzelfde blijven voor beide partijen. Een restrictie van het handelskrediet wordt dan volledig

gecompenseerd door een daling van de prijzen en heeft geen reële impact op het bedrijfsbeleid

(Barrot, 2013).

2. Literatuurstudie

Dit deel geeft een overzicht van de reeds bestaande literatuur met betrekking tot handelskrediet. In

een eerste hoofdstuk wordt een definitie van handelskrediet gegeven. Een volgende hoofdstuk gaat

dieper in op verschillende theorieën met betrekking tot handelskrediet. Een laatste hoofdstuk biedt

meer informatie met betrekking tot de wetgevingen en wetsveranderingen die van toepassing zijn op

deze studie.

2.1. Theorieën van het handelskrediet

In dit deel zullen de verschillende theorieën met betrekking tot het handelskrediet besproken worden.

Om een volledig overzicht te kunnen geven zal zowel ingegaan worden op de theorieën die gaan over

handelsvordering (het krediet gegeven door de bedrijven) als op leverancierskrediet (het krediet

verkregen bij hun leveranciers). In deze thesis wordt, net als bij Petersen & Rajan (1997), een

onderscheid gemaakt tussen verschillende soorten theorieën. Dit hoofdstuk moet meer inzicht bieden

in waarom bedrijven handelskrediet zouden willen gebruiken als financieel middel.

4

2.2.1. Financieringsvoordelen van handelskrediet

Leveranciers kunnen voordelen hebben ten opzichte van de traditionele banken. Ze zijn beter geplaatst

om de kredietwaardigheid van hun kopers te onderzoeken, alsook om de betalingen beter te

monitoren. Indien het slecht gaat hebben ze meer macht om geld te eisen van hun schuldenaren. Dit

kan ervoor zorgen dat ze een kostenvoordeel hebben in vergelijking met financiële instituten bij het

aanbieden van een handelskrediet. Hieronder zullen we de verschillende kostenvoordelen bestuderen.

2.2.1.1. Voordeel bij het verwerven van informatie

Een groot voordeel van het handelskrediet is de nauwe samenwerking tussen de twee betrokken

bedrijven. Zo kunnen aanbieders, beter dan gespecialiseerde financiële instellingen, de kredietrisico’s

controleren en evalueren aan de hand van eerdere samenwerkingen. In tegenstelling tot banken die

extra kosten maken willen ze de kredietwaardigheid van de onderneming controleren, moeten

bedrijven deze kosten niet maken. Zo stellen Petersen en Rajan (1997) dat de aanbieders van goederen

al meerdere malen in contact zijn gekomen met hun vragers en daar reeds de nodige informatie

hebben kunnen verzamelen. Ze zullen bijvoorbeeld al kunnen waarnemen of een bedrijf de

mogelijkheid heeft om de goederen, met korting voor contante betaling, direct te betalen of dat ze

daadwerkelijk beroep moeten doen op het leverancierskrediet. Dit kan al een beeld scheppen van de

liquiditeitspositie. Naast het goedkoper bekomen van deze informatie stellen Petersen en Rajan (1997)

en Smith (1987) ook dat dit een pak sneller kan gebeuren door de leveranciers.

Het grote voordeel volgens Burkart en Ellingsen (2004) is dat de onderneming de goederen levert en

daarbij een monitoring voordeel creëert, terwijl ze handel voeren verkrijgen ze informatie die anders

enkel tegen een bepaalde kost zou te verkrijgen zijn. Hun theorie is enkel van toepassing op transacties

met goederen (en dus geen geldtransacties) omdat ze daar namelijk hun voordeel uit halen. De waarde

van het monitoring voordeel komt namelijk uit dit cruciale verschil tussen goederen en geld. De

geleverde goederen zijn deels illiquide samen met de uitgespaarde monitoring kosten zorgt dit voor

een goede bestaansreden van handelsvorderingen.

2.2.1.2. Machtsvoordeel op de koper

Indien de goederen niet betaald worden binnen de afgesproken betalingstermijn, kan de aanbieder er

eveneens mee dreigen niet meer te leveren (Petersen & Rajan, 1997). Deze dreigingen zullen zeer

effectief zijn mits de afnemer van de goederen weet dat hij slechts voor een klein percentage van de

totale inkomsten zorgt bij zijn leverancier. Deze dreigingen hebben meer effect dan de dreiging van

5

een bank die geen krediet meer wil verlenen, omdat bedrijven de goederen echt nodig hebben. Banken

hebben het nadeel dat de wetgeving omtrent faillissementen ervoor kan zorgen dat ze hun geleende

bedrag niet (volledig) terugzien en minder druk kunnen uitoefenen om dat bedrag terug te verwerven.

2.2.1.3. Waarde halen uit bestaande activa

De aanbieders hebben het voordeel dat, indien er zich een faillissement opdringt bij de vrager, zij nog

steeds beroep kunnen doen op de geleverde goederen om deze aan andere bedrijven te verkopen

(Longhofer & Santos, 2003). De inputgoederen zijn tot op een zeker niveau illiquide omdat niet

iedereen deze zomaar kan gebruiken of nodig heeft. Deze blijven vooral voor de aanbieder van grote

waarde en zullen in geval van faillissement doorverkocht worden aan andere vragers en dit zonder een

al te groot waardeverlies. Dit kan bij aanbieders voor een grotere zekerheid zorgen omtrent de

afbetaling dewelke het handelskrediet kan faciliteren (Burkart & Ellingsen, 2004). Petersen en Rajan

(1997) stellen dat het soort goed hier van groot belang is, vooral duurzame goederen en goederen die

nog geen transformatie hebben ondergaan blijven van grote waarde. Het is net doordat leveranciers

de mogelijkheid hebben om goederen snel en voor een goede prijs door te verkopen dat ze een groot

voordeel hebben ten opzichte van de banken. Deze hebben hogere kosten en zouden minder winst

maken bij de verkoop van de goederen.

Zoals reeds vermeld zullen bedrijven, wanneer er zich een faillissement voordoet, nog trachten hun

goederen te recupereren en alsnog opnieuw te verkopen (Longhofer & Santos, 2003). Frank en

Maksimovic (1998) breiden dit uit, zij tonen aan dat handelskrediet afhankelijk zal zijn van de waarde

van de goederen die in onderpand kunnen genomen worden bij terugname. Ook toont de studie van

Giannetti, Burkart en Ellingsen (2011) aan dat het handelskrediet verschilt naargelang het soort goed.

Wanneer het om een meer gedifferentieerd goed gaat, zal de aanbieder een hoger bedrag aan

handelsvorderingen bezitten. Gaat het om een standaard goed, dan zullen de handelsvorderingen

gemiddeld lager liggen. Dit komt omdat de aanbieders minder bevreesd zijn dat hun kopers zullen

veranderen van aanbieder. Hetzij doordat er een sterkere klantenrelatie is bij gedifferentieerde

producten, hetzij omdat de waarde van het product enkel bij deze klanten zo hoog ligt.

2.2.2. Prijsdiscriminatie door handelskrediet

Bedrijven die krediet verlenen aan klanten geven niet allemaal evenveel. Dit verschilt van onderneming

tot onderneming en verschillende klanten worden anders behandeld. Er zijn verscheidene factoren die

bijdragen tot de hoogte van het krediet bij klanten. Zo zullen bedrijven sneller krediet verlenen indien

6

het moeilijker is om een alternatieve aanbieder van hun goederen te vinden (McMillan en Woodruff,

1999). Als er reeds lang een handelsovereenkomst bestaat tussen beide partijen, verhoogt dit ook

significant de kans dat er een hoger handelskrediet verkregen kan worden. Daarnaast nemen de

kansen op handelskrediet toe als de aanbieder de vrager reeds grondig bestudeerd heeft. Verder

hebben McMillan en Woodruff (1999) ook aangetoond dat klanten, die geïdentificeerd worden via een

business netwerk, meer handelskrediet zullen kunnen verkrijgen. Deze positieve netwerkeffecten zijn

blijvend, aangezien netwerken klanten die in gebreke blijven uitsluiten. Klapper, Laeven en Rajan

(2011) en Niskanen en Niskanen (2006) stellen vast dat de grootste en meest kredietwaardige kopers

vaak kredieten met een lange looptijd krijgen, terwijl korting voor een vroege betaling eerder wordt

aangeboden aan minder kredietwaardige kopers.

2.2.3. Voordeel van de transactiekosten

Een toename in de handelsvorderingen zorgt ervoor dat de netto kapitaalbehoefte stijgt, alsook dat

de kosten voor het beheren van de rekening handelsvorderingen zullen stijgen. Beiden zijn nefast voor

de waarde van de onderneming. Een progressief beleid van de handelsvorderingen gecombineerd met

een goed portfoliomanagement van de openstaande vorderingen kunnen bijdragen tot het beter

functioneren van de onderneming en een daling van de transactiekosten, wat dan weer een positieve

invloed heeft op de waarde van een onderneming (Michalski, 2007). Een voorbeeld hiervan vinden we

bij Petersen en Rajan (1997) die stellen dat het werken met handelskrediet lagere kosten in verband

met betalingen kan bevorderen als men beslist om periodisch alles ineens te betalen.

2.2.4. Financiële en commerciële motieven

Bedrijven die eenvoudige toegang hebben tot de kredietmarkt kunnen van deze positie gebruik maken.

Zo kunnen ze optreden als financieel intermediair voor bedrijven met een beperktere toegang tot de

kredietmarkt (Demirgüç-Kunt & Maksimovic, 2001). Onder de vorm van handelskrediet zal het voor

hen mogelijk zijn om andere bedrijven financiële mogelijkheden te verschaffen. Dit is de basis voor de

theorieën waar we hieronder verder op ingaan. Deze motieven worden samen behandeld omdat het

financiële en commerciële aspect voor sommige beslissingen hand in hand gaan.

2.2.4.1. Handelskrediet als investering

Emery (1984) ziet het handelskrediet als een puur financiële investering. Hij stelt dat indien men

handelskrediet kan verlenen tegen een interest hoger dan de marktinterest, men handelskrediet kan

gebruiken als investering. Dit kan voor bedrijven met veel overtollige kasmiddelen dus een prima

7

investering zijn met een goede rentevoet. Er is hier zodoende een dubbele winst voor het bedrijf,

aangezien klanten dit ook zullen appreciëren. Deze hoge interesten zijn volgens Cunat (2007) mogelijk

om volgende twee redenen. Allereerst is er een verzekeringspremie. Deze premie bestaat doordat

aanbieders weten dat het mogelijk is dat ze hun klanten in de toekomst financieel zullen moeten

ondersteunen. Bijgevolg vragen ze een extra premie om hen te verzekeren tegen liquiditeitsschokken.

Ten tweede is er een extra premie, omdat ze hun klanten tegemoet komen terwijl banken dit niet

doen. Aanbieders willen zichzelf verzekeren tegen het risico dat zij nemen. Er moeten hierbij wel een

aantal kanttekeningen gemaakt worden. Zo is er vaak niet de mogelijkheid om oneindig veel krediet te

geven omwille van de beperkte financiële middelen van een onderneming (Blazenko & Vandezande,

2003). Verder heeft ook de bank een grote invloed. Wanneer de bank zijn voorwaarden strenger

maakt, zullen meer bedrijven een beroep proberen te doen op handelskrediet. Dit wil ook zeggen dat

wanneer banken hun voorwaarden versoepelen er minder mensen nood zullen hebben aan

handelskrediet (Meltzer, 1960).

2.2.4.2. Handelskrediet uit noodzaak

Handelskrediet kan voor toegang tot kapitaal zorgen bij bedrijven die het kapitaal niet via traditionele

kanalen kunnen verhogen. Uit voorgaande studies van Petersen en Rajan (1994, 1995) bleek dat

bedrijven, die niet of gelimiteerd aan bankkrediet kunnen komen, meer vertrouwen op handelskrediet.

Handelskrediet kan er zodoende voor zorgen dat bedrijven met een mindere toegang tot externe

financiering, toch extra financiering kunnen aantrekken door te handelen met bedrijven die een goede

toegang tot externe financiering hebben (Petersen & Rajan, 1997; Demirgüç-Kunt & Maksimovic,

2001). Vaak hebben kleinere ondernemingen het moeilijker om aan voldoende kapitaal te geraken.

Bijgevolg zal het aanbieden van een leverancierskrediet zorgen dat bedrijven met veel kapitaal meer

kleinere spelers, die nood hebben aan handelskrediet, aantrekken. Indien de aanbieder van

handelskrediet een kleinere speler is met beperkte kapitaaltoegang en deze tegenover een grote koper

met aanzienlijk kapitaal die later betaald staat, dan zal dit een negatief effect hebben op de aanbieder

die dit zal moeten compenseren met bezuinigingen van belangrijke uitgaven (Murfin & Njoroge, 2013).

Zo toonden Murfin en Njoroge (2013) aan dat indien Wal-Mart een maand later zou betalen, diens

leveranciers een kapitaaluitgavedaling zouden kennen van 1.2%. Als grote bedrijven gebruik maken

van hun machtspositie kan dit er dus voor zorgen dat investeringen van kleinere bedrijven worden

uitgesteld.

8

Vanuit het standpunt van de klanten is de interest voor een leverancierskrediet doorgaans hoger dan

de interest die men betaalt op een lening bij een bank. Aangezien echter niet iedereen een banklening

kan verkrijgen doen sommigen een beroep op leverancierskrediet. Wilner (2000) toont aan dat

kleinere bedrijven handelskrediet verkiezen boven vroeg betaalkorting en dat ze bereid zijn een hogere

interest te betalen voor het handelskrediet. Voor een vroeg betaalkorting wordt vaak 1 à 2% gegeven

voor een betaling binnen de 10 dagen op een termijn van 30 à 60 dagen (Small Business Taxes &

Management, 2011). Volgens Wilner (2000) kan handelskrediet de kaap van 18% (op jaarbasis)

overschrijden. Dit wil dus zeggen dat bedrijven vaak tot 3% per maand meer betalen door goederen

pas later te betalen. Financieel minder stabiele ondernemingen die reeds een lange relatie hebben

met hun aanbieder zullen langere perioden handelskrediet vragen (Wilner, 2000). Daarnaast heeft het

gebruik maken van leverancierskrediet verschillende voordelen. Volgens Huyghebaert, Van de Gucht

en Van Hulle (2007) zijn leveranciers toegeeflijker bij het heronderhandelen van het krediet. Deze zijn

er namelijk, met het oog op een verdere samenwerking, bij geholpen dat er een volledige betaling

gebeurt. Banken daarentegen zullen, indien men in gebreke blijft, sneller overgaan tot het liquideren

van de activa om zo een terugbetaling te eisen.

2.2.4.3. Optimale hoeveelheid handelskrediet en groei

Bedrijven bepalen het niveau van handelskrediet door een model op te stellen die de winst

maximaliseert aan de hand van de prijs, output volume en verkoopkosten (Nadiri,1969). Ook Garcia-

Teruel en Martinez-Solano (2010) stellen vast dat bedrijven een optimaal niveau van

leverancierskrediet nastreven. Naast het feit dat bedrijven dit optimale punt nastreven toont hun

studie eveneens dat bedrijven die grotere groeikansen hebben, en deze willen benutten, meer gebruik

zullen maken van handelskrediet. In landen met een zwakker financieel stelsel en waar het moeilijker

is om aan een lening te geraken zullen, zo stellen Fisman en Love (2003), industrieën die een hogere

graad van afhankelijkheid vertonen met handelskrediet sneller groeien dan de industrieën waar dit

niet het geval is. Deze studie toont aan dat het gebruik maken van handelskrediet positieve

commerciële gevolgen kan hebben en zo de groei stimuleert (Fisman & Love, 2003).

2.2.4.4. Strategische beslissing voor extra klanten

Het goed beheren van een handelskredietstructuur kan niet enkel op financieel vlak voordelen bieden.

Handelskredietbeheer kan ook een strategische meerwaarde bieden (Delannay, 2002), zeker bij grote

bedrijven kan dit een merkbare impact hebben. Zo kan het verhogen van het aangeboden

handelskrediet voor kleine bedrijven, die niet altijd via banken aan financiële middelen raken, een

9

grote incentive zijn om een bepaalde leverancier te selecteren (Boissay & Gropp, 2007).

Handelskrediet wordt gegeven om bedrijven aan zich vast te koppelen. Deze extra service creëert een

band tussen de kredietgever en de kredietnemer en is zodoende een goede basis voor een langdurige

samenwerking.

Bedrijven hebben er eveneens belang bij om een duurzame relatie aan te gaan met hun klanten. Een

langdurige relatie zorgt namelijk voor een blijvende instroom aan geld. Zo zullen aanbieders een extra

inspanning doen om hun klanten in moeilijkheden financieel te helpen. Dit omdat er al investeringen

kunnen gemaakt zijn die zouden verloren gaan indien de samenwerking stopt. Anderzijds wordt het

verlenen van extra krediet gemotiveerd door een verwachting van toekomstige opbrengsten door het

behoud van de klantenrelatie (Delannay & Weill, 2004). Mateut (2005) toont dat handelskrediet voor

beide partijen voordelen heeft. Dit doordat de risico’s lager liggen dan bij een banklening. Zeker in

perioden met financiële beperkingen kan daarom handelskrediet een belangrijke rol spelen.

2.2.4.5. Handelskrediet en kwaliteitsperceptie

Long, Malitz en Ravid (1993) stellen dat de lengte van het handelskrediet zal afhangen van de kwaliteit

van de goederen. Vooreerst zullen verschillende goederen verschillende termijnen hebben om de

kwaliteit vast te leggen. Producten waarvoor een langere tijd nodig is om de kwaliteit vast te leggen

zullen gepaard gaan met een langere termijn aan handelskrediet. Verder stellen Long et al (1993) vast

dat producenten die overtuigd zijn dat ze een product/dienst van goede kwaliteit afleveren makkelijker

een handelskrediet over langere termijn geven. Finaal stellen ze ook nog dat bedrijven die reeds een

goede reputatie hebben minder krediet zullen moeten verstrekken dan hun minder gekende

concurrenten. Het verstrekken van handelskrediet heeft ook een positieve invloed op de kwaliteit van

de goederen. Omdat deze pas achteraf betaald worden zullen ze zeker aan de gewenste eisen van de

koper moeten voldoen (Petersen & Rajan, 1997).

2.2.5. Theorie van het kopieergedrag

Holmstrom en Tirole (1997) tonen aan dat iedere maatregel die het vrije kapitaalaandeel kleiner

maakt, een aanzienlijke invloed zal hebben op financieel beperkte bedrijven. Deze maatregelen tasten

vaak de liquiditeitszekerheid en de mogelijkheid tot investeringen aan. Indien bedrijven een tekort aan

cash ervaren, zullen ze dit vaak terughalen door hun handelsvorderingen te verminderen. Wanneer ze

een overschot ervaren, zal er geen significant effect zijn op het aantal toegestane handelsvorderingen

(Deloof en Jegers, 1996). Uit de studie van Fabbri en Klapper (2008) blijkt dat bedrijven vaak kopiëren,

10

dit wil zeggen dat een bedrijf, dewelke van zijn aanbieder een lange periode handelskrediet krijgt, vaak

aan zijn klanten voor een lange periode handelskrediet verstrekt. Indien deze vroeg betaald wordt

door hun klanten, zullen ze ook geneigd zijn hun schulden sneller te betalen bij hun aanbieders. Dit

kan zeer belangrijke gevolgen hebben. Wanneer er iets verandert in de maximale duurtijd van het

handelskrediet zou dit een kettingreactie kunnen teweeg brengen, waardoor de impact van een

verandering versterkt wordt. Onderzoek van Boissay en Gropp (2007) bij Franse bedrijven heeft

aangetoond dat ongeveer 25% van de liquiditeitsproblemen die veroorzaakt werden door een plotse

liquiditeitsschok, worden doorgeschoven naar de aanbieders. Deze kettingreactie loopt door tot het

liquiditeitsprobleem een bedrijf bereikt met veel kapitaal en toegang tot kapitaalmarkten. Jacobson

en Von Schedvin (2013) hebben van deze reactie de gevolgen op faillissementen onderzocht. In hun

studie vinden ze dat bedrijven die grote handelskrediet verliezen lijden een groter risico op

faillissement kennen. Op deze manier kan dit doorschuiven van handelskredietproblemen voor een

kettingreactie aan faillissementen zorgen.

2.2.6. Handelskrediet als een ‘relastionship-specific investment’

Dass, Kale en Nanda (2011) bekijken handelskrediet als een ‘relationship-specific investment (RSI)’ dit

in tegenstelling tot vele andere studies waar de voornaamste gedachtegang een alternatieve vorm van

krediet is voor de vragers van het product. De auteurs stellen duidelijk dat deze twee visies elkaar niet

hoeven uit te sluiten. In hun studie geven ze twee factoren die invloed hebben op de hoogte en de

lengte van de handelsvorderingen (Dass, Kale & Nanda, 2011). Ten eerste stijgen de

handelsvorderingen als het bedrijf dat boven hen staat in de productieketen hen ook meer krediet

verleent of voor een langere tijd krediet verleent. Ten tweede stellen ze dat de hoogte van de

handelsvorderingen zal dalen indien ze als aanbieder een grotere onderhandelingsmacht hebben. Dit

komt omdat in tegenstelling tot bedrijven met weinig onderhandelingsmacht deze bedrijven hun

klanten zullen behouden en daarom geen extra relatie specifieke investeringen, zoals een langere

periode handelskrediet, moeten doen. Deze twee factoren worden bevestigd door hun studie op

beursgenoteerde bedrijven in de V.S (Dass, Kale & Nanda, 2011). Deze tweede factor werd ook door

onderzoek van Fisman en Raturi (2004) bevestigd. In hun empirische studie vonden ze een negatieve

relatie tussen monopoliemacht en de lengte van de gegeven handelsvorderingstermijn. Bedrijven met

veel macht zullen bijgevolg een lagere rekening handelsvorderingen hebben dan vergelijkbare

bedrijven met dezelfde financiële statistieken, maar met minder macht. Cunat (2007) breidt uit; zodra

er relatiespecifieke investeringen zijn gedaan, hebben klanten een kleinere incentive om in gebreke te

blijven bij de aanbieders dan bij de bank. Dit omdat ze de aanbieders nodig hebben voor de toelevering

van hun goederen en omdat ze vaak meer krediet kunnen verkrijgen via het leverancierskrediet dan

11

via de bank. Dit voordeel voor de klanten gaat gepaard met een voordeel voor de leveranciers; deze

hebben een grotere incentive om te lenen aan klanten die tijdelijk in financiële moeilijkheden zitten.

Zo kunnen ze de continuïteit van de samenwerking garanderen. Van Horen (2007) vult nog aan dat

deze relatie sterker zal zijn in landen waar de financiële sector minder goed ontwikkeld is of landen die

berusten op een zwakker rechtssysteem.

2.3. Restricties op het handelskrediet in Frankrijk & België

In Frankrijk werd, omwille van de nadelen die met handelskredieten gepaard gaan, beslist om een wet

in te voeren die een beperking oplegt aan het handelskrediet. Het invoeren van deze wetgeving heeft

volgens het Franse parlement vier belangrijke componenten (Cochard, 2008). Ten eerste het

stimuleren van ondernemers in hun taak om ondernemingen in goede banen te leiden. Ten tweede de

concurrentie bevorderen door mensen meer op gelijke voet te laten strijden. Ten derde het

aantrekkelijker maken van de sectoren om zo eventueel nieuwe spelers aan te trekken. En als vierde

punt willen ze graag de economie stimuleren op financieel vlak. In de studie van Jacobson en Von

Schedvin (2013) vinden we een argument waarom minder dagen handelskrediet beter is. Zij

onderzochten namelijk dat bedrijven, die hun handelsvorderingen niet tijdig of volledig terugbetaald

krijgen, een groter risico op faillissement kennen. Alsook dat dit effect zich voortplant naar andere

bedrijven waardoor er een kettingreactie aan faillissementen kan ontstaan.

2.3.1. Specifieke wet van 2006 in Frankrijk

Hoewel het oorspronkelijk de bedoeling was om de wet in verschillende sectoren in te voeren, werd

deze initieel enkel opgelegd aan de transportsector (Barrot, 2013). Deze wet werd opgelegd aan slechts

een deel van de Franse transport bedrijven en stelt dat er vanaf 1 januari 2006 een maximumtermijn

van 30 dagen is voor het handelskrediet. Indien bedrijven en hun klanten toch een langere termijn dan

30 dagen aangaan, zal een boete opgelegd worden van €75,000. De controle op deze inbreuk is dubbel.

Enerzijds zal de Franse competitieadministratie occasionele controles doen en anderzijds zijn de

auditors verantwoordelijk voor het aangeven van contracten die de 30-dagenregel overschrijden. 92%

van de bedrijven die onder de wetgeving vallen zijn bedrijven die transporteren via vrachtwagens.

Ondanks dat de voorgestelde wet deel was van een groter pakket aan wetgevingen voor alle

transportbedrijven, is diegene die van toepassing was op het vrachtwagentransport de enige die van

kracht werd in 2006. Deze wetswijziging kan gebruikt worden om de effecten van een restrictie op het

handelskrediet te meten. Barrot (2013) onderzoekt de effecten van een restrictie op het

handelskrediet door te kijken naar de gevolgen van deze wetswijziging in de transportsector. Uit zijn

12

studie blijkt dat de gemiddelde winst die een bedrijf maakt gedaald is na de invoering van de restrictie,

vooral bij grotere bedrijven. Daarnaast is het aantal bedrijven dat actief is in de sector toegenomen.

Verder toont Barrot (2013) aan dat het aantal dubieuze debiteuren daalt. Het nadeel van het gebruiken

van deze wetswijziging om het effect van een restrictie op het handelskrediet te meten, is dat naast

het vrachtverkeer geen andere vormen van transport onderhevig zijn aan een wetswijziging in 2006.

Daarnaast is het transport slechts één sector binnen de economie, waardoor niet met zekerheid kan

gezegd worden of de effecten dezelfde zullen zijn voor andere sectoren. Ook zitten we hier met het

feit dat de controlegroep niet identiek is, deze behoort namelijk niet tot dezelfde sector wat een

vertekening met zich zou kunnen meebrengen. In het onderzoek in deze paper wordt hier wel rekening

mee gehouden en zijn zowel de behandelde als de controlegroep groepen die tot dezelfde sectoren

behoren.

2.3.2. Algemene wet van 2008 in Frankrijk

De restrictie op handelskrediet in Frankrijk is sindsdien verder uitgebreid naar een groter aantal

bedrijven. In deze studie zal gebruik gemaakt worden van een voorstel voor wetswijziging dat een

invloed heeft op een groter aantal bedrijven. Er zal gebruik gemaakt worden van de wet ‘Loi de

modernisation de l’économie’. Deze wet is officieel getekend in ‘le journal officiel de la République

française’ op 4 augustus 2008 en is afgekondigd op 5 augustus 2008. Vanaf 1 januari 2009 werd deze

wetgeving van kracht (Cunin, 2009). In deze wet wordt in Frankrijk een restrictie op de maximale

termijn van het handelskrediet gelegd. Vanaf de ingangsdatum mag de netto termijn van het krediet

nog maximaal 60 dagen bedragen te beginnen bij de datum van uitgifte van de factuur of 45 dagen

einde maand. Deze ’45 dagen einde maand’ kan op twee manieren berekend worden. De eerste

manier is het einde van de maand waarin de factuur is uitgegeven en hierbij 45 dagen tellen. Via de

tweede manier bekom je de datum door eerst 45 dagen bij de dag van uitgifte te tellen, en dan de

laatste dag van de bij deze dag horende maand te nemen (CEDEF, 2014). De beperking van het

handelskrediet is slecht één van vele regels die opgenomen zijn in de ‘Loi de modernisation de

l’économie’. Een groot deel is gebaseerd op het vereenvoudigen van de verplichtingen voor kleinere

ondernemingen. Daarnaast wordt ook de periodes waarin solden kunnen gegeven worden veranderd

(Franse Overheid, 2008). In dit onderzoek worden enkel bedrijven met een totaal actief van meer dan

€100,000 gebruikt waardoor voornamelijk de beperking van het handelskrediet een invloed zal

hebben. Omwille van de eerder genoemde beperkingen van de studie van Barrot (2013), werd beslist

om de analyses opnieuw uit te voeren, ditmaal op basis van bedrijven uit verschillende sectoren en

aangevuld met nieuwe hypothesen. De nieuwe wetswijziging laat toe om het effect van een restrictie

op het handelskrediet in een bredere economische context te bestuderen. Deze studie kan daarom

gezien worden als een uitbreiding op het onderzoek van Barrot (2013).

13

2.3.3. Wetgeving van toepassing in België

Hierna zijn in 2011 nog nieuwe richtlijnen ingevoerd op Europees niveau. Met richtlijn 2011/7/EU

tracht men het beleid om handelskrediet te harmoniseren. Het is de bedoeling dat tegen 16 maart

2013 alle bedrijven hun facturen betalen binnen de 60 dagen (Europese Commissie, 2014). Voor

Frankrijk heeft deze regelgeving geen grote gevolgen omdat dit reeds gereglementeerd is. Voor België

heeft dit meer vergaande gevolgen. Er is een nieuwe regelgeving gekomen conform aan de vereiste

die de Europese Unie heeft vooropgesteld. Op 22 november 2013 werd de wet van 2 augustus 2002

aangepast, zodanig dat de Belgische bedrijven ook binnen de 60 dagen betalen. Deze wet stelt dat

indien er geen betalingstermijn wordt afgesproken tussen twee partijen deze standaard op 30 dagen

wordt gezet. In specifieke gevallen en met onderling overleg kunnen termijnen worden afgesproken

die de termijn van 60 dagen overschrijden, waarbij de voorwaarden en de lengte van deze termijn niet

kennelijk onbillijk zijn. Deze wet is inwerking getreden met een terugwerkende kracht naar 16 maart

2013 (Belgische Overheid, 2013). Dit is ook de reden waarom deze studie eindigt in 2011, op deze

manier wordt een overlapping van de reglementering vermeden.

3. Hypotheses

Dit onderzoek heeft als doel de reële en financiële effecten van een wetswijziging inzake

handelskredieten in kaart te brengen. Om dit te bestuderen zullen vier hypotheses, die hieronder

beschreven staan, getest worden. Er zal worden gekeken naar het effect van restricties op het

handelskrediet op de winstgevendheid van een bedrijf. Een financieel gezonde sector draait echter

niet alleen om winstgevend zijn, er zal bijgevolg dieper ingegaan worden op hun cash- en schuldpositie.

Voor een eerste hypothese stellen we dat er een effectieve daling is van de handelsvorderingen en

handelsschulden. Doordat er een maximumtermijn wordt opgelegd zullen bedrijven die hierboven

zitten moeten inbinden op hun handelskrediet. We verwachten dan ook een daling te zien na het

invoeren van deze wetgeving.

H1: De wetgeving zal ervoor zorgen dat de handelsvorderingen en handelsschulden dalen

Een tweede hypothese stelt dat een restrictie van het handelskrediet zal leiden tot een daling van de

winst. Gezien vragers dikwijls meer waarde hechten aan leverancierskrediet dan aan korting bij directe

betaling (Barrot, 2013), zal door een restrictie van de handelsvorderingen de vraag dalen. Verwacht

wordt dat, zeker bij financieel sterke bedrijven die veel krediet verstrekken, dit een grote invloed zal

hebben. Aangezien kleinere bedrijven vaak minder financiële draagkracht hebben en minder krediet

verlenen zal dit voor hen een minder sterk effect hebben, dit zullen we ook controleren.

14

H2: Een restrictie van het handelskrediet zal leiden tot een daling van de winst.

H2b: Een winstdaling zal beter voelbaar zijn bij grote bedrijven.

Om te onderzoeken wat de effecten zijn van een restrictie van het handelskrediet, wordt eveneens

gekeken naar ratio’s die meer vertellen over de financiële gezondheid van een onderneming. Er wordt

bestudeerd wat dit doet met de liquiditeitspositie van de bedrijven. De handelsvorderingen zullen

dalen aan de actiefzijde, daarnaast zal de kasvoorraad stijgen doordat de handelsvorderingen sneller

afbetaald worden. Langs de passiefzijde zal het leverancierskrediet dalen. Er wordt verwacht dat de

liquiditeitspositie van de onderneming verbetert. Omdat de schulden zullen afnemen en dat, ondanks

een afnemende vlottende activa, er zich toch een compensatie opdringt door de stijgende

kasvoorraad. Zo zal de teller in de liquiditeit een kleinere daling kennen dan de noemer. Dit effect zal

vooral voor bedrijven die boven de grens zitten van het aantal dagen handelsvorderingen en aantal

dagen handelsschulden voelbaar zijn. Bedrijven die enkel voor handelsvorderingen boven de grens

zitten zullen een negatieve invloed kennen op de liquiditeit. Bedrijven die enkel voor handelsschulden

boven de grens zitten zullen de sterkste verbetering merken in liquiditeit. Voor meer informatie met

betrekking tot de liquiditeit wordt de lezer verwezen naar het volgende hoofdstuk dat meer informatie

biedt met betrekking tot deze variabelen.

H3: De restrictie van het handelskrediet zal een positief effect hebben op de liquiditeitsratio’s.

H3b: Bedrijven waarbij enkel de periode handelsvorderingen overtroffen werd zullen een

negatief effect ondervinden op hun liquiditeit.

H3c: Bedrijven waarbij enkel de periode handelsschulden overtroffen werd zullen een groter

positief effect ondervinden op hun liquiditeit.

Door de snellere instroom van geld, aangezien er nu een maximum betaalperiode is, en het kopieer

gedrag van bedrijven (Fabbri en Klapper, 2008) zullen bedrijven ook sneller hun leveranciers betalen.

Dit zal er voor zorgen dat de verhouding schulden lager zal liggen. Door geen laattijdige betalingen te

ontvangen, zullen er ook minder schulden moeten bewaard blijven of doorgeschoven worden naar

spelers hoger in de productieketen (Boissay en Gropp, 2007). Dit doet vermoeden dat de schulden

zullen dalen in het totaal aandeel van het vermogen en zo ook de bijhorende schuldratio. Bedrijven

met een groter aandeel handelsschulden (die de wet dus meer overtreden) zullen een grotere daling

kennen. Ook voor deze berekening wordt de lezer verwezen naar het volgende hoofdstuk.

H4: Na de restrictie van het handelskrediet zal de totale schuldenratio lager liggen.

H4b: De schuldenratio zal meer dalen bij bedrijven met een groot aandeel handelsschulden.

15

4. Data

In dit hoofdstuk zal meer informatie gegeven worden met betrekking tot de gebruikte data. In het

vorige stuk werd reeds besproken dat we ons baseren op de wetswijziging van 2009 in Frankrijk. Hierna

wordt dieper ingegaan op de gebruikte dataset en tot slot wordt een overzicht gegeven van de

gebruikte variabelen en de gebruikte methode.

4.1. Gegevensverzameling

De dataset voor dit onderzoek is afkomstig uit de Amadeus-databank. Deze databank bevat gegevens

voor alle bedrijven in Europa, waaronder ook België en Frankrijk, de twee landen die in dit onderzoek

zullen vergeleken worden. De gegevens die gebruikt worden, zijn gegevens van 2005 tot en met 2011.

Door 4 jaar voor de wetsverandering en 3 jaar na de wetsverandering op te nemen, kan duidelijk de

verandering in kaart gebracht worden. Er wordt gebruik gemaakt van accounting data, dewelke terug

te vinden zijn in de balansen en resultatenrekeningen van de bedrijven. Doordat de wet op

handelskredietrestricties van toepassing is op alle bedrijven kunnen de bedrijven vrij geselecteerd

worden. Vooreerst laten we financiële instellingen en de bedrijven met NACE Rev. 2 codes 4941, 5229

en 7490, omdat deze reeds beïnvloed zijn door de wetswijzigingen van 2006, vallen. Er wordt voor

gekozen om de financiële instellingen niet op te nemen, omdat deze een andere samenstelling hebben

dan de productiebedrijven. In deze sample wordt gekeken naar bedrijven die goederen produceren,

uitgezonderd de bedrijven die produceren voor de transportsector. Voor een volledige lijst met de

sectoren en hun Nace Rev. 2 code wordt de lezer verwezen naar appendix 1. Hierbij is het Bureau van

Dijk identificatie nummer genomen als identificatiecode om er voor te zorgen dat bedrijven niet

tweemaal aanwezig zijn in de dataset. Ook is het minimum van de totale activa vastgelegd op

€100,000. Dit om het aantal zeer kleine bedrijven te beperken. Dit heeft bovendien als voordeel dat

een grotere onderneming en dus een hogere omzet gepaard gaat met een nauwkeuriger te voeren

boekhoudbeleid, waardoor er meer data ter beschikking is. De sample die aan deze voorwaarden

voldoet en werd verkregen via de Amadeus-databank levert 28973 Franse bedrijven op en 2292

Belgische bedrijven. Deze twee groepen werden geselecteerd op basis van dezelfde criteria om de

gelijkenissen tussen de twee groepen te maximaliseren. Hierna werd een matching proces toegepast.

Dit verhoogt de gelijkenissen tussen de twee groepen en zorgt ervoor dat de data gereduceerd werden

tot ongeveer 22800 data per jaar. Het matching proces wordt van naderbij bekeken in het volgende

hoofdstuk.

16

Een eerste statistiek die bekeken werd, is de handelsvorderingen gedeeld door de omzet.

Onderstaande grafieken, die de mediaan van deze statistiek weergeeft, toont aan dat de wetswijziging

zeker voelbaar is in Frankrijk. Alsook dat de landen dezelfde trend volgen los van de wetswijziging. Er

is gekozen om een opsplitsing te maken tussen bedrijven die reeds meer dan 60 dagen (figuur 2.a)

handelsvorderingen (handelsvorderingen op ten hoogste één jaar/(verkopen/365)) hadden openstaan

en bedrijven die minder dan 60 dagen (figuur 2.b) hadden. Zo zien we een duidelijke daling bij de

bedrijven die meer dan 60 dagen hadden, deze daling bleef uit bij bedrijven die reeds aan de wetgeving

voldeden. Dit is belangrijk voor het verdere onderzoek. Vandaar de keuze om dit als eerste te bekijken,

nog voor de descriptieve statistieken. Ter verduidelijking staat een verticale lijn aangeduid. De

gegevens zijn altijd genomen op het einde van het jaar, waardoor de wetswijziging van start gaat direct

na 2008. De figuur toont dat terwijl de Belgische controle groep zich stabiliseert in het begin van 2009,

de door de Franse wetgeving beïnvloede groep blijft dalen.

Figuur 2.a - Evolutie mediaan handelsvorderingen/omzet

17

Figuur 2.b - Evolutie mediaan handelsvorderingen/omzet

Een tweede statistiek die ook bekeken werd voor het verdere onderzoek is de mediaan van het

leverancierskrediet gedeeld door de omzet. Voor deze verhouding is gekozen wegens onvoldoende

ingevulde data om het aantal dagen leverancierskrediet te berekenen. Bij de gebruikte data was de

post ‘kosten van verkochte goederen’ amper ingevuld waardoor deze onbruikbaar werd, het grote

nadeel dat dit met zich meebrengt is dat het aantal dagen leverancierskrediet niet exact te berekenen

valt. We gaan er van uit dat grotere ondernemingen meer kosten van verkochte goederen hebben, na

onderzoek werd dan gekozen om het leverancierskrediet te delen door de omzet. Dit heeft, tegenover

totale activa, het voordeel dat het hoger correleert. Daarnaast vergemakkelijkt het de vergelijking met

de handelsvorderingen omdat deze ook gedeeld worden door de omzet. Om dit te doen is ervoor

gekozen, rekening houdend met de verhouding bij aantal dagen handelsvorderingen, om de 60%

bedrijven met het grootste aandeel leverancierskrediet apart te bekijken (figuur 3.a). In figuur 3.b zien

we de 40% bedrijven met laagste aandeel leverancierskrediet. We zien in beide gevallen dat het

aandeel leverancierskrediet meer afneemt in Frankrijk dan in België. Daarnaast is ook nog duidelijk te

zien dat bedrijven met een groter aandeel handelskrediet een sterkere daling kennen na de wetgeving,

terwijl deze daling slechts gematigd is bij bedrijven met een lager aandeel handelskrediet.

18

Figuur 3.a - Evolutie mediaan leverancierskrediet/omzet

Figuur 3.b - Evolutie mediaan leverancierskrediet/omzet

19

4.2. Variabelen

4.2.1. Gebruikte variabelen per hypothese

Bij elk van onze hypothesen zal een andere afhankelijke variabele gebruikt worden.

Voor de 1ste hypothese wordt gekeken naar de handelsvorderingen en het leverancierskrediet dit

gedeeld door de omzet. Door deze beiden te delen door de omzet wordt de vergelijkbaarheid groter

tussen de twee alsook tussen bedrijven onderling.

Voor hypothese 2 wordt gekeken naar de Earnings Before Interest and Taxes (EBIT). Dit om de

verschillen in taxatievoeten uit te schakelen in tegenstelling tot de nettowinst die dit niet doet. Deze

zal geschaald worden met de totale activa om het verschil in grootte van bedrijven te neutraliseren.

Voor de 3de hypothese wordt zelf een liquiditeitsratio berekend. We trekken de vlottende passiva af

van de vlottende activa en dit wordt gedeeld door de totale activa. Een positief effect wordt

omschreven als een stijging, omdat dit weergeeft dat een bedrijf een grotere veiligheidsmarge heeft

en dit wordt gezien als een versterkte potentiële liquiditeitstoestand.

Voor de 4de hypothese wordt een schuldenratio berekend. Hiervoor baseren we ons op de methode

zoals in Ooghe en Wymeersch (2008). De algemene schuldgraad wordt berekend als percentage, door

het vreemd vermogen te delen door het totaal actief. Deze ratio duidt aan welk procentueel deel van

het totaal actief uit vreemd vermogen bestaat. De veronderstelling dat de totale schuldenratio lager

zal liggen zou een positief gevolg zijn, aangezien dit ervoor zorgt dat het financiële risico van de

onderneming daalt.

4.2.2. Controle variabelen

Er wordt in deze studie gecontroleerd voor leeftijd en de grootte van bedrijven (Petersen & Rajan,

1997; Barrot, 2013). Hadlock en Pierce (2010) hebben aangetoond dat deze twee factoren een grote

invloed zullen hebben op toegang tot kapitaal en bijgevolg tot de behoefte aan handelskrediet

(Petersen & Rajan 1994, 1995). Net als in het onderzoek van Brav (2009) wordt de grootte gemeten

aan de hand van de natuurlijke logaritme van de totale activa. Het is de bedoeling om het algemene

effect te testen van de wetswijziging, waardoor het noodzakelijk is om voor deze variabelen te

controleren. Ook voor de leeftijd zal het natuurlijke logaritme genomen worden, omdat geen lineair

verband verwacht wordt tussen leeftijd en de behoefte aan handelskrediet.

Om sector specifieke invloeden te vermijden wordt gekeken om een sector variabele toe te voegen

zoals in Niskanen & Niskanen (2006). Alsook kan dit net als bij hun onderzoek ervoor zorgen dat de

significantie van het onderzoek verhoogd wordt. Ng et al. (1999) toonden aan dat er grote verschillen

kunnen zijn tussen verschillende sectoren, dit vergroot de relevantie van deze variabele.

20

4.3. Methode

Er wordt gebruik gemaakt van een ‘difference-in-differences’ (DID) analyse, deze werd duidelijk

beschreven door Ashenfelter en Card (1984). Deze methode maakt gebruik van een behandelde groep

en een controle groep. Er wordt vertrokken van de veronderstelling dat de twee groepen

oorspronkelijk dezelfde trend volgden en dat na de wetswijziging de resultaten van de behandelde

groep zullen afwijken van die van de controlegroep. Als er gekeken wordt naar hoe de

handelsvorderingen gedeeld door omzet evolueren, toont figuur 1 dat deze inderdaad gelijk lopen

voor de ingreep van 2009. Deze voorwaarde is dus voldaan. Aan de sample worden voor deze

onderzoeksmethode twee dummy’s toegevoegd namelijk ‘post’ en ‘behandeld’. De eerste dummy

maakt een onderscheid tussen bedrijven op basis van het moment van de meting. De metingen bij

bedrijven die plaatsvonden vanaf het jaar 2009, verwijzend naar de datum waarin de regelgeving van

kracht werd, krijgen de waarde 1 op deze variabele. Voor de tweede dummy zal de waarde 1 zijn indien

het bedrijf in de sample uit Frankrijk komt, gezien enkel de Franse bedrijven behandeld zijn door de

wetgeving. Daarnaast wordt een interactieterm van beide variabelen opgenomen. Deze

dummyvariabelen worden met elkaar vermenigvuldigd en de nieuwe variabele wordt aangeduid als

‘post x behandeld’. De waarde 1 duidt er hier op dat het bedrijf uit Frankrijk komt en reeds onderhevig

is aan de nieuwe wetgeving. We verwijzen naar het werk van Athey en Imbens (2006), waar deze DID

methode grondig wordt uitgelegd en aangeraden voor het onderzoeken van beleidsveranderingen.

Deze methode werd ook toegepast in de studie van Barrot (2013). Om ervoor te zorgen dat onze data

nog beter overeenkomen, wordt gebruik gemaakt van matching-software, namelijk de ‘Coarsened

Exact Matching’ (CEM), zoals beschreven door Iacus, King en Porro (2008). Hierbij worden alle data

geanalyseerd en opgedeeld in verschillende groepen of strata, al deze strata hebben gelijkaardige

scores op een aantal relevantie criteria. In hun artikel argumenteren iacus et al. (2008) dat de CEM-

methode een vernieuwende manier is om tot een verbeterde schatting te bekomen voor de causale

effecten door de onbalans in covariabelen tussen behandelde en controlegroep te verminderen. Onze

grote sample wordt hierdoor opgedeeld in verscheidene kleinere, maar meer op elkaar lijkende

groepen. Bij het lopen van de regressies wordt ook gecontroleerd voor deze strata. Blackwell et al.

(2009) tonen aan hoe deze methode kan geïmplementeerd worden in Stata.

21

5. Resultaten

5.1. Descriptieve statistieken

Om het effect van echte uitschieters te verwijderen en zo een vertekening van de resultaten tegen te

gaan worden de oorspronkelijke data gewinsoriseerd met 0.5% aan beide kanten. Allereerst worden

de ratio’s berekend. Daarna worden deze gewinsoriseerd en na deze behandeling worden ook de

brongegevens gewinsoriseerd. Op deze manier worden al de gebruikte gegevens één maal

gewinsoriseerd. Onvolledige gegevens worden uit de dataset verwijderd. Daarnaast werden door het

matchen van de variabelen ook noodzakelijk enkele gegevens verwijderd. Na deze behandelingen is

onze set gekrompen tot 23054 bedrijven met volledige data, dewelke kunnen worden opgedeeld in

1799 Belgische bedrijven en 21255 Franse bedrijven. Deze relatief grote daling is te verklaren door het

onevenwicht van het aantal bedrijven. Ondanks dat alle gegevens zijn bekomen onder exact dezelfde

voorwaarden was er toch een overwicht aan kleinere Franse bedrijven. Door het matchen zijn de

bedrijven die geen gelijkwaardige tegenspeler hadden weggelaten, hierdoor zijn vooral kleinere Franse

bedrijven verwijderd. Bijgevolg is het beter om de afzonderlijke strata te bekijken. Een voorbeeld van

descriptieve data die de 2 groepen in een bepaalde strata vergelijken is toegevoegd in appendix 2. De

volledige samples (tabel 1) vertonen verschillen, voornamelijk de omvang van de bedrijven, maar

daarnaast hebben ze wel een gelijk niveau aan handelsvorderingen open staan. Na het matchen

houden we 191 gelijke groepen over. Doordat onze dataset meer Franse bedrijven bevat zullen

Belgische bedrijven gelinkt kunnen worden aan meerdere Franse bedrijven. In wat volgt zal een

voorbeeld gegeven worden van de descriptieve statistieken van een representatieve groep. Zoals te

zien in appendix 2 zijn er voor deze groep zo goed als geen statistische verschillen wat positief is voor

het onderzoek. Door het feit dat we nu met meer, kleinere en gelijke groepen werken en dit ook

meegenomen wordt in de regressie zal de kwaliteit van de resultaten verbeteren. In het voorbeeld

zitten relatief grote bedrijven uit de sample. Met een schuldenratio van ongeveer 40% ligt dit een stuk

onder het gemiddelde. De handelsvorderingen en vlottende passiva liggen, relatief gezien, wat boven

het gemiddelde. De EBITDA marge van deze sample komen ongeveer overeen met deze van de gehele

set.

22

Tabel 1 - Descriptieve statistieken van de gehele sample (2005)

Noot. Obs= aantal observaties. Std. Dev. = standaardafwijking. De gebruikte gegevens in deze tabel zijn gebaseerd op de data van het jaar 2005. *,** en *** geven de statistische significantie

van respectievelijk <0.10, <0.05 en <0.01

(a) = de variabelen zijn aan beide kanten 0.5% gewinsoriseerd of berekend uit aan beide kanten 0.5% gewinsoriseerde data.

(b) = Dit cijfer stelt een natuurlijke logaritme van de gegeven variabele voor.

(c) = Deze variabele is gedeeld door de totale activa.

(d) = Deze variabele is gedeeld door de omzet.

(e) = (EBIT+Depreciation and Amortization) / omzet

(f) = net income/ omzet

Behandelde Groep Controle Groep Verschilanalyse

Variabele(a) Obs Gemiddelde Std. Dev. Obs Gemiddelde Std. Dev. Tot. Obs. Δ gemiddelde t-waarde

totale activa(b) 21255 7.17849 1.54781 1799 9.374687 1.342618 23054 2.196739 58.3527***

omzet(b) 21230 7.612517 1.527457 1797 9.733232 1.346259 23027 2.120492 57.0108***

Schuldratio 21255 .5742908 .2042647 1799 .611676 .2380419 23054 0.0374483 7.3519***

EBITDA marge(e) 21230 0.0873833 .0798701 1797 .0908937 .0873094 23027 0.0035068 1.7755*

handelsvorderingen(d) 21230 .1982775 .1202469 1797 .19756 .1092969 23027 -0.0008135 -0.2446

cash(d) 21230 .1328524 .1753547 1797 .0915292 .1651022 23027 -0.0414013 -9.6347***

vlottende passiva (c) 21255 .472884 .1924586 1799 .4753472 .2217029 23054 0.0024987 0.5147

Winstmarge(f) 21230 .0415196 .0654984 1797 .0353286 .075788 23027 -0.006203 -3.7975***

23

Hieronder is de correlatiematrix weergegeven in tabel 2. Over het algemeen is er geen correlatie

tussen de verschillende variabelen in dit onderzoek. De enige grote correlatie vinden we tussen omzet

en totale activa. Deze relatie is extra sterk, omdat we telkens de natuurlijke logaritme hebben

genomen van de variabele. Een logische correlatie ook omdat verondersteld wordt dat bedrijven die

meer winst maken ook meer activa nodig hebben om dit te realiseren.

Tabel 2 - Correlatiematrix

(a) = Dit cijfer stelt een natuurlijke logaritme van de gegeven variabele voor. (b) = Deze variabele is gedeeld door de totale activa. (c) = Deze variabele is gedeeld door de omzet.

5.2. Resultaten

5.2.1. De gemiddelde impact van de handelskredietrestrictie

Voor de eerste hypothese zal gekeken worden naar welke de effecten zijn van de

handelskredietrestrictie op de handelsvorderingen en de handelsschuld. De impact van de

wetswijziging op de handelsvorderingen kunnen we zien in tabel 3, daarin is duidelijk te zien dat de

handelsvorderingen dalen. In tabel 3a is bij de eerste regressie te zien dat er een daling is van 1.9% in

de handelsvorderingen bij de bedrijven die onder de wetgeving vallen. Het gemiddelde van de set is

18.7%, hier zien we dus een sterk resultaat die zeer belangrijk is in deze thesis. Er is hier rekening

gehouden met zowel bedrijf als jaar fixed effects. We creëren ook een sectorjaar dummy, hiervoor

wordt er een dummy gemaakt per sector per jaar. Dit doen we om te kijken hoe de verschillende

sectoren over verschillende jaren invloed uitoefenen op de handelsvorderingen. Als we de regressie

lopen met bedrijf en deze sectorjaar fixed effects (tabel 3b) bekomen we een significante daling van

de handelsvorderingen bij de post behandelde bedrijven. Uit een derde test (tabel 3c) waarbij we

controleerden voor enerzijds jaar effecten en anderzijds de effecten van de strata, blijkt dat er in deze

analyses geen significante resultaten gevonden worden. Dit betekent dat de 7 jaar variabelen en de

Variabele 1 2 3 4 5 6 7 8 9 10

1 Liquiditeit 1.000

2 Schuldratio -0.083 1.000

3 totale activa(a) 0.026 -0.065 1.000

4 Handelsvorderingen(b) 0.040 -0.031 0.106 1.000

5 EBITDA marge 0.050 -0.159 0.087 0.042 1.000

6 vlottende activa(b) -0.143 0.586 -0.131 0.004 -0.292 1.000

7 winst marge 0.061 -0.216 0.030 0.048 0.452 -0.213 1.000

8 Omzet(a) -0.007 -0.009 0.957 0.010 0.034 -0.020 0.001 1.000

9 Cash(c) 0.127 -0.186 -0.042 0.039 0.111 -0.250 0.139 -0.155 1.000

10 Leeftijd(a) 0.040 -0.125 0.275 0.033 -0.039 -0.151 -0.006 0.251 0.058 1.000

24

191 strata variabelen het effect van de daling van het handelskrediet teniet doen. Onze hypotheses

stellen dat we door deze daling verwachten dat er een daling van de EBIT plaatsvindt, een stijging van

de liquiditeit en een daling van de schuldratio. De verandering van de aangehouden hoeveelheid

handelskrediet vertoont een zeer grote verandering die statistisch zeer significant is. Dit toont aan dat

de wetswijziging een zeer grote impact heeft gehad op de behandelde groep. Deze statistisch

significante daling is een bevestiging van wat we al veronderstelden, namelijk dat een verkorting van

de periode waarover handelsvorderingen kunnen verstrekt worden, zal zorgen voor een daling van het

aandeel van de aangehouden hoeveelheid handelskrediet.

Tabel 3 - Regressies met handelsvordering als afhankelijke variabele

3a = Fixed Effects, jaar en bedrijf FE

3b = Fixed Effects, bedrijf en sectorjaar FE

3c = OLS regressie, jaar en strata dummy

(3a) (3b) (3c) VARIABELE Handelsvordering(b) Handelsvordering(b) Handelsvordering(b)

Post x behandeld -0.0185*** -0.0174*** -0.00406 (0.00232) (0.00219) (0.00356) Totale activa(a) 0.0473*** 0.0456*** 0.0424*** (0.00295) (0.00298) (0.00273) Leeftijd(a) 0.00536* 0.00299 0.00287 (0.00297) (0.00238) (0.00178) Jaar FE Bedrijf FE Sectorjaar FE Strata dummy

Ja Ja

Nee Nee

Nee Ja Ja

Nee

Ja Nee Nee Ja

Observaties 158,961 158,961 158,961 R² 0.079 0.096 0.114 Aantal ID 23,529 23,529

(a) = het betreft de natuurlijke logaritme van deze variabele (b) = hier werd gedeeld door de omzet Robuste standard errors tussen haakjes

*** p<0.01, ** p<0.05, * p<0.1

In appendix 3 werd een fixed effects regressie toegepast op de variabelen die we gebruiken om te

maken dat de groepen gelijk zijn. We zien dat hier op 5 van de 6 variabelen er een significante

verandering plaatsvindt. Deze resultaten kunnen ook bekeken worden ter ondersteuning van de

hypothese. Hiernaast hebben we nog eens een fixed effects regressie gedaan met als extra

controlevariabelen dezelfde die we gebruikt hebben bij de matching procedure. Dit is terug te vinden

in appendix 4 en toont wederom dat de handelsvorderingen significant dalen in Frankrijk.

25

Naast het kijken naar de handelsvorderingen werd er ook gekeken naar de verandering van de

handelsschulden (tabel 4). Net als bij de handelsvorderingen bevestigen de eerste twee regressies onze

vermoedens, namelijk dat de handelsschulden zullen dalen. Een derde regressie, waarbij geen gebruik

werd gemaakt van fixed effects, geeft een relatief kleine stijging aan. Uit tabel 3 en 4 kunnen we dus

zien dat het handelskrediet is gedaald in Frankrijk na de wetswijziging.

Tabel 4 - Regressies met handelsschulden als afhankelijke variabele




(4a) (4b) (4c) VARIABELE Handelsschulden(b) Handelsschulden(b) Handelsschulden(b)

Post x behandeld -0.0107*** -0.0113*** 0.00508** (0.00209) (0.00181) (0.00217) Totale activa(a) 0.0370*** 0.0366*** 0.0291*** (0.00211) (0.00206) (0.00157) Leeftijd(a) 0.000412 -0.00105 -0.00185*** (0.00271) (0.00240) (0.000693) Jaar FE Bedrijf FE Sectorjaar FE Strata dummy

Ja Ja

Nee Nee

Nee Ja Ja

Nee

Ja Nee Nee Ja



*** p<0.01, ** p<0.05, * p<0.1

5.2.2. Handelskredietrestrictie en de winst

Om dit te onderzoeken zullen we kijken hoe de EBIT tegenover de totale activa is geëvolueerd bij de

Franse bedrijven na 2009. We kiezen bewust de inkomsten voor interesten en taxen, omdat we zo het

verschil en taxatievoeten willen uitschakelen. Aangezien onze Belgische controlegroep en onze Franse

behandelde groep niet onder exact dezelfde regelgeving vallen, wordt er op deze manier een grotere

vergelijkbaarheid meegegeven aan de resultaten. Zoals te zien in tabel 5, waar de afhankelijke

variabele EBIT is, zien we dat er inderdaad een daling plaatsvindt van de EBIT bij Franse bedrijven na

2009. Een daling van ongeveer 0.56% (tabel 5a) voor bedrijven die onder de nieuwe regelgeving vallen,

daar waar we met een gemiddelde van 7.9% zitten (appendix 5). Dit is een behoorlijk bedrag, omdat

26

er rekening moet worden gehouden met het feit dat enkel bedrijven zijn opgenomen die een totaal

actief van minimaal €100,000 bezitten. Er wordt telkens gecontroleerd voor totale activa en leeftijd.

Deze resultaten komen overeen met de resultaten uit de studie van Barrot (2013). Verschillend met

de studie van Barrot (2013) is dat deze keek naar de winst na belastingen. Dit kon eenvoudig, aangezien

al zijn bedrijven aan dezelfde taxatie verplichtingen voldeden. Indien we jaar fixed effects veranderen

door sectorjaar effecten blijken de resultaten niet significant (tabel 5b). Als we kijken naar tabel 5c zien

we dat er significante resultaten worden gevonden die bevestigen dat er na 2009 een lagere winst is.

Over het algemeen vinden we dus wel dat er een daling is van de winst, wat in 2 van onze 3 regressies

wordt bevestigd.

Tabel 5 - Regressies met EBIT als afhankelijke variabele




(5a) (5b) (5c) VARIABELE EBIT(b) EBIT(b) EBIT(b)

Post x behandeld -0.00559** -0.00276 -0.00768*** (0.00236) (0.00240) (0.00237) Totale activa(a) 0.0459*** 0.0425*** 0.0414*** (0.00492) (0.00477) (0.00289) Leeftijd(a) -0.0227*** -0.0233*** -0.0129*** (0.00624) (0.00606) (0.00220) Jaar FE Bedrijf FE Sectorjaar FE Strata dummy

Ja Ja

Nee Nee

Nee Ja Ja

Nee

Ja Nee Nee Ja


(a) = het betreft de natuurlijke logaritme van deze variabele (b) = hier werd gedeeld door de totale activa

Robuste standard errors tussen haakjes *** p<0.01, ** p<0.05, * p<0.1

27

5.2.3. Handelskredietrestrictie en de liquiditeit

De liquiditeit zelf is berekend uit de resultaten die teruggevonden werden op de balans. Om de

liquiditeit te berekenen werden de korte termijn activa verminderd met korte termijn passiva en

gedeeld door de totale activa. Als we de resultaten bekijken van tabel 6 zien we dat er geen significante

resultaten zijn voor een liquiditeitsverandering. Dit is in de bedrijf en jaar fixed effects regressie. In

appendix 5 zien we dat in de sample er een gemiddelde is van 0.28. Indien we verder kijken naar deze

resultaten zien we wel dat er in 2009, 2010 en 2011 een gemiddelde groei is van 4.1% . Wat veel groter

is dan de evolutie die men kende van 2006 tot en met 2008 (1.7%). Dit toont wel dat er over het

algemeen een versterkte liquiditeitspositie is na 2009. Alleen kunnen we niet aannemen dat dit

effectief door de wetgeving is, omdat in België dezelfde evolutie plaatsvindt In tabel 6b en tabel 6c

vinden we geen significante resultaten voor de liquiditeit, ook hier zijn de jaar specifieke resultaten

afzonderlijk opgenomen.

Tabel 6 - Regressies met liquiditeit als afhankelijke variabele




(6a) (6b) (6c) VARIABELE Liquiditeit Liquiditeit Liquiditeit

Post x behandeld -0.000407 0.000141 0.00878 (0.00640) (0.00592) (0.00945) Totale activa(a) -0.00809 -0.00751 0.0246*** (0.00575) (0.00574) (0.00635) Leeftijd(a) 0.0121 0.0137* 0.0312*** (0.00811) (0.00754) (0.00610) Jaar FE Bedrijf FE Sectorjaar FE Strata dummy

Ja Ja

Nee Nee

Nee Ja Ja

Nee

Ja Nee Nee Ja


(a) = het betreft de natuurlijke logaritme van deze variabele Robuste standard errors tussen haakjes

*** p<0.01, ** p<0.05, * p<0.1

Voor de liquiditeit gaan we ervan uit dat aan de actiefzijde de handelsvorderingen zullen dalen en dit

gecompenseerd wordt door een stijging van de cashvoorraad. Aan de passiefzijde verwachten we een

daling van de handelsschulden. In tabel 7 zijn elk van deze componenten afzonderlijk onderzocht. We

28

zien inderdaad dat deze 3 bestanddelen significant veranderen in de verwachte richting. De

cashvoorraad kent een stijging van 0.7%. Deze stijging is niet voldoende om de daling van 1.8% van de

handelsvorderingen te compenseren. Deze opgeteld leveren een daling van 1.1% aan de kant van de

activa wat overeenkomt met de daling van 1.1% van de handelsschulden bij de passiva. We zien hier

dat over het algemeen de verhouding in evenwicht blijft.

Tabel 7 - Regressies met cash, vorderingen en schulden als afhankelijke variabele

(7a) (7b) (7c) VARIABELE Cash(b) Handelsvordering(b) Handelsschulden(b)

Post x behandeld 0.00713* -0.0185*** -0.0107*** (0.00416) (0.00232) (0.00209) Totale activa(a) 0.0541*** 0.0473*** 0.0370*** (0.00604) (0.00295) (0.00211) Leeftijd(a) -0.0200*** 0.00536* 0.000412 (0.00323) (0.00297) (0.00271) Jaar FE Bedrijf FE Sectorjaar FE Strata dummy

Ja Ja

Nee Nee

Ja Ja

Nee Nee

Ja Ja

Nee Nee

Observaties 158,961 158,961 158,961 R² 0.048 0.079 0.074 Aantal ID 23,529 23,529 23,529


*** p<0.01, ** p<0.05, * p<0.1

In tabellen 6 en 7 vinden we dat de liquiditeit over het algemeen onveranderd blijft. In tabel 8 bekijken

we specifieke gevallen van naderbij, namelijk 3 afzonderlijke gevallen. Bedrijven die voor de wetgeving

een teveel hadden aan: (1) enkel handelsvorderingen, (2) enkel handelsschulden en (3) van zowel

handelsvorderingen als handelsschulden. Dit doen we door dezelfde groepen te nemen als bij figuur 2

en 3. Daarna werden de 3 hierboven combinaties bekeken en benoemt als (1) ‘HV1HS0’, (2) ‘HV0HS1’

en (3) ‘HV1HS0’. In het eerste geval zien we dat er een daling van 1.9% is bij de handelsvorderingen

maar dit wordt ruimschoots gecompenseerd door een stijging in de cash van 2.8%. Aan de passiefzijde

is hier, ondanks dat bedrijven hier reeds redelijk aan de wet voldeden, toch een kleine daling van 1%

merkbaar. Het gecombineerde effect levert wel geen significante verandering van de liquiditeit op. Een

mogelijke verklaring hiervoor wordt gezocht bij van Fabbri en Klapper (2008). Deze stellen dat

bedrijven die sneller betaald worden ook hun schulden sneller zullen betalen. Door de gedaalde

handelsvorderingen en gestegen cashvoorraad zouden bedrijven sneller geneigd zijn hun schulden af

29

te lossen. In het tweede geval zien we aan de actiefzijde zo goed als geen verandering en wederom

een kleine daling (1.1%) aan de passiefzijde, ook hier levert dit geen significante verandering op voor

de liquiditeit. Hier betalen bedrijven mogelijks hun handelsschulden met handelsvorderingen. Gezien

er toch een daling is van de handelsvorderingen hoewel dit voor de wet niet nodig is. Voor de cash is

er geen verandering waardoor het vermoeden groeit dat bedrijven de middelen halen bij hun

schuldenaren. Als laatste bekijken we de bedrijven die een teveel hadden aan handelsschulden én

handelsvorderingen, dit was ook veruit de grootste groep. Hier zien we weer de grote daling van de

handelsvorderingen (3.2%) die deels gecompenseerd wordt door een stijging van de cashvoorraad.

Ook hier zien we aan de passiefzijde een daling (1.6%). Maar net als bij de twee voorgaande gevallen

is hier ook geen significante verandering in de liquiditeit, hoewel de componenten afzonderlijk in de

verwachte richting zijn veranderd.

30

Tabel 8 – Regressies verschillende gevallen handelsvorderingen en handelsschulden met liquiditeit, cash,

vorderingen en schulden als afhankelijke variabele

(8a) (8b) (8c) (8d) VARIABELE Liquiditeit Cash(b) Handels

Vordering(b) Handels

Schulden(b)

HV1HS0

Post x behandeld 0.0126 0.0284*** -0.0194*** -0.0106*** (0.0103) (0.00792) (0.00396) (0.00194) Totale activa(a) -0.0237*** 0.0940*** 0.0468*** 0.0305*** (0.00815) (0.00842) (0.00452) (0.00225) Leeftijd(a) 0.0184** -0.0188** -0.00168 0.00388** (0.00872) (0.00726) (0.00301) (0.00148) Jaar FE Bedrijf FE Observaties

Ja Ja

28,264

Ja Ja

28,260

Ja Ja

28,260

Ja Ja

28,260 R² 0.010 0.083 0.143 0.058 Aantal ID 4,133 4,133 4,133 4,133

HV0HS1

Post x behandeld -0.00364 -0.00811 -0.00643* -0.0118*** (0.0133) (0.00779) (0.00355) (0.00327) Totale activa(a) 0.0131 0.0397*** 0.0409*** 0.0357*** (0.0105) (0.00688) (0.00273) (0.00313) Leeftijd(a) 0.0205** -0.0203*** -0.00287 -0.00723* (0.00916) (0.00621) (0.00322) (0.00415) Jaar FE Bedrijf FE Observaties

Ja Ja

26,847

Ja Ja

26,814

Ja Ja

26,814

Ja Ja

26,814 R² 0.057 0.024 0.057 0.099 Aantal ID 3,956 3,954 3,954 3,954

HV1HS1

Post x behandeld 0.00162 0.0119** -0.0323*** -0.0156*** (0.00814) (0.00482) (0.00303) (0.00245) Totale activa(a) -0.0142** 0.0443*** 0.0568*** 0.0432*** (0.00577) (0.00536) (0.00367) (0.00310) Leeftijd(a) 0.0261*** -0.0183*** -0.000938 -0.0106*** (0.00664) (0.00389) (0.00338) (0.00305) Jaar FE Bedrijf FE Observaties

Ja Ja

67,614

Ja Ja

67,605

Ja Ja

67,605

Ja Ja

67,605 R² 0.046 0.063 0.163 0.151 Aantal ID 9,884 9,884 9,884 9,884

(a) = het betreft de natuurlijke logaritme van deze variabele (b) = hier werd gedeeld door de omzet Robust standard errors tussen haakjes

*** p<0.01, ** p<0.05, * p<0.1

31

5.2.4. Handelskredietrestrictie en de schuldratio

Wanneer we kijken naar de schuldratio wordt er vastgesteld dat de resultaten gelijk lopen met de

resultaten van liquiditeit. Indien we kijken naar de bedrijf en jaar fixed effects regressie (tabel 9a)

vinden we voor de ‘post x behandeld’ variabele geen significante resultaten. Als we echter kijken naar

de resultaten van 2009, 2010 en 2011 resultaten vinden we respectievelijk 4.0, 3.8 en 3.6% daling bij

de schuldratio die een gemiddelde heeft van 55% (appendix 5). Dit is een veel grotere daling dan de

0.3, 1.1 en 2.2% van de drie voorgaande jaren. Ook hier kunnen we dus stellen dat er na 2009 veel

veranderd is aan de schuldratio van Franse bedrijven, echter hetzelfde vinden we terug bij de Belgische

bedrijven waardoor we dit effect niet aan de wetgeving kunnen toewijzen. Bij de regressie met

sectorjaar effecten (tabel 9b) vinden we geen significante resultaten. De gewone regressie met zowel

jaar als strata effecten (tabel 9c) leveren eveneens geen significante resultaten op. De schuldratio werd

berekend door korte termijn schulden op te tellen bij de lange termijn schulden en dit geheel te delen

door de totale passiva.

Tabel 9 - Regressies met schuldratio als afhankelijke variabele




(9a) (9b) (9c) VARIABELE Schuldratio Schuldratio Schuldratio

Post x behandeld 0.00470 0.00455 0.00791 (0.00529) (0.00478) (0.00711) Totale activa(a) 0.0477*** 0.0475*** -0.000184 (0.00807) (0.00812) (0.00387) Leeftijd(a) -0.0459*** -0.0472*** -0.0201*** (0.00505) (0.00489) (0.00358) Jaar FE Bedrijf FE Sectorjaar FE Strata dummy

Ja Ja

Nee Nee

Nee Ja Ja

Nee

Ja Nee Nee Ja


(a) = het betreft de natuurlijke logaritme van deze variabele Robuste standard errors tussen haakjes

*** p<0.01, ** p<0.05, * p<0.1

32

Doordat handelsschulden inspeelt op de korte termijnschulden vermoeden we dat de schuldratio zal

dalen indien een bedrijf veel handelsschulden heeft. Hiervoor maakten we, terug in 2005, een

opsplitsing waarbij we de 60% met meeste handelsschulden tegenover de omzet (gemiddeld 15.5%)

vergelijken met de 40% met minste handelsschulden tegenover de omzet (gemiddeld 7.4%). Ook hier

vinden we geen bevestiging dat er een daling van de schuldratio is, ook al is de daling bij bedrijven met

veel handelsschulden merkbaar groter (-1.5 tegenover -0.4%).

Tabel 10 – Regressie met schuldratio en handelsschuld als afhankelijke variabele, weinig tegen veel

handelsschulden

(10a) (10b) VARIABLES Schuldratio Handelsschuld(b)

Weinig handelsschulden

Post x behandeld 0.00641 -0.00410*** (0.00747) (0.00157) Totale activa(a) 0.0677*** 0.0285*** (0.0104) (0.00194) Leeftijd(a) -0.0611*** 0.00387**

(0.00707) (0.00149) Observaties 64,557 64,542 R² 0.048 0.051

Veel handelsschulden

Post x behandeld 0.00506 -0.0146*** (0.00576) (0.00196) Totale activa(a) 0.0330*** 0.0413*** (0.00633) (0.00245) Leeftijd(a) -0.0382*** -0.00937*** (0.00557) (0.00291) Observaties 94,461 94,419 R² 0.076 0.136

(a) = het betreft de natuurlijke logaritme van deze variabele (b) = hier werd gedeeld door de omzet Robust standard errors tussen haakjes

*** p<0.01, ** p<0.05, * p<0.1

5.2.5. uitbreidend onderzoek

In dit deel worden enkele extra testen gedaan om voorgaande testen verder uit te diepen. Er wordt

gestart met de vraag als bedrijven die voor de regeling reeds een kortere handelskrediettermijn

hanteren evenveel veranderen als bedrijven die een langere termijn hanteerden. Verder zal

bestudeerd worden hoe grote bedrijven veranderen in vergelijking met kleine bedrijven.

33

5.2.5.1. Aantal dagen kredietverstrekking

Eerst wordt gekeken naar het aantal dagen handelskrediet. Dit doen we om te kijken of de wetgeving

inderdaad de grootste invloed heeft op de bedrijven waarbij we dit verwachten. Bedrijven die voor de

wetgeving het hoogste aantal dagen kredietverstrekking hadden, en zo dus het meest moeten

veranderen door de wet, zouden de grootste veranderingen in hun variabelen moeten kennen. Om

het aantal dagen klantenkrediet te berekenen gebruiken we volgende formule: handelsvorderingen

op ten hoogste één jaar/(verkopen/365). Na dit te hebben berekend, werden op basis van het aantal

dagen kredietverstrekking drie groepen onderscheiden. In tabel 11 zitten we met drie ongeveer even

grote groepen, de eerste groep bevat de 34% bedrijven die in 2005 de kortste periode handelskrediet

hadden (gemiddeld 33 dagen). De 2de groep heeft de middelste 33% (gemiddeld 74 dagen) en de groep

met ‘Lange periode’ heeft de 33% bedrijven met de langste periode dagen klantenkrediet (gemiddeld

108 dagen). Deze ligt soms hoger dan het effectieve aantal dagen omdat oninbare of twijfelachtige

vorderingen niet tijdig worden verwijderd uit de rekening (Ooghe en Wymeersch, 2008). Hier zijn de

resultaten positief in de verwachte richting. We vertrekken namelijk van de veronderstelling dat de

Franse bedrijven nog maximaal 60 dagen handelskrediet mogen geven. De bedrijven die hier voordien

het meest aan voldeden, de zogenaamde ‘Korte periode’, ondervinden geen significante verandering

na de regulering. Dit staat in tegenstelling tot de middellange en lange periode groepen. We zien

duidelijk dat met -3.7% de ‘Lange periode’ groep er het grootste effect van ondervindt, groter dan de

-1.6% die bedrijven in de ‘Middellange periode’ ondervinden. Dit toont zeer sterk aan dat bedrijven

die langere perioden handelskrediet konden verstrekken, degene waarvan wij veronderstellen dat ze

gemiddeld groter zijn, het hardst getroffen worden door deze regeling. Bij de winst merken we

dezelfde trend; geen verandering, -0.7% en -0.8% bij respectievelijk de bedrijven met een korte,

middellange en lange periode aan handelskrediet in 2005. Deze resultaten voor zowel

handelsvorderingen als voor winst bevestigen dat het voor de grootste bedrijven de grootste gevolgen

heeft. Ook in deze regressie hebben we gecontroleerd voor jaar en bedrijf fixed effects.

34

Tabel 11 - Fixed Effects, jaar en bedrijf FE korte tegen middellange tegen lange periode handelskrediet alle

variabelen als afhankelijke variabele

(11a) (11b) (11c) (11d) VARIABELE Handelsvordering(b) EBIT(c) Liquiditeit Schuldratio

Korte periode

Post x behandeld -0.000568 -0.000381 -0.0128 0.0152** (0.00277) (0.00351) (0.00955) (0.00674) Totale activa(a) 0.0312*** 0.0261*** 0.00543 0.0594*** (0.00208) (0.00407) (0.00836) (0.0132) Leeftijd(a) -0.00147 -0.0234*** -0.00339 -0.0607*** (0.00208) (0.00700) (0.00969) (0.00664) Jaar FE Bedrijf FE Observaties

Ja Ja

53,808

Ja Ja

53,852

Ja Ja

53,852

Ja Ja

53,852 R² 0.048 0.031 0.025 0.054 Aantal ID 8,154 8,156 8,156 8,156

Middellange periode

Post x behandeld -0.0159*** -0.00697** 0.0116 -0.000794 (0.00250) (0.00319) (0.00847) (0.00694) Totale activa(a) 0.0423*** 0.0500*** -0.0182** 0.0400*** (0.00351) (0.00641) (0.00899) (0.00898) Leeftijd(a) 0.00537** -0.0258*** 0.0216*** -0.0375*** (0.00249) (0.00674) (0.00653) (0.00576) Jaar FE Bedrijf FE Observaties

Ja Ja

51,688

Ja Ja

51,689

Ja Ja

51,689

Ja Ja

51,689 R² 0.066 0.071 0.032 0.056 Aantal ID 7,469 7,469 7,469 7,469

Lange periode

Post x behandeld -0.0369*** -0.00793** 0.00226 -0.00135 (0.00369) (0.00352) (0.00764) (0.00693) Totale activa(a) 0.0573*** 0.0599*** -0.0139** 0.0402*** (0.00410) (0.00726) (0.00550) (0.00583) Leeftijd(a) -0.00291 -0.0201*** 0.0225*** -0.0381*** (0.00335) (0.00636) (0.00826) (0.00689) Jaar FE Bedrijf Fe Observaties

Ja Ja

53,465

Ja Ja

53,477

Ja Ja

53,477

Ja Ja

53,477 R² 0.234 0.098 0.032 0.073 Aantal ID 7,906 7,906 7,906 7,906

(a) = het betreft de natuurlijke logaritme van deze variabele (b) = hier werd gedeeld door de omzet

(c) = hier werd gedeeld door de totale activa Robust standard errors tussen haakjes

*** p<0.01, ** p<0.05, * p<0.1

Naast onze 4 basisvariabelen hebben we dit onderzoek ook uitgevoerd op twee extra variabelen (tabel

12). Eerst hebben we gekeken naar de invloed op de investeringen, bekeken als het aandeel van vaste

activa in de totale activa. Deze kenden na de wetgeving voor de drie groepen geen veranderingen, dit

toont ons dat de wetgeving geen merkbare invloed heeft gehad op de investeringen. Daarnaast

35

hebben we de grote van de bedrijven bekeken aan de hand van de totale activa. Deze resultaten liggen

in lijn met de wetgeving, de bedrijven die het minst aan de wetgeving voldeden worden iets kleiner.

Dit terwijl bedrijven die goed aan de wetgeving voldeden ook hier geen merkbare veranderingen

ondergaan.

Tabel 12 - Fixed Effects, jaar en bedrijf FE korte tegen middellange tegen lange periode investeringen en totale

activa als afhankelijke variabele

(12a) (12b) VARIABELE Investeringen Totale activa(a)

Korte periode

Post x behandeld -0.0221 -0.00766 (0.0193) (0.0178) Totale activa(a) 0.0472*** / (0.0130) / Leeftijd(a) -0.0126 0.127*** (0.00864) (0.0207) Jaar FE Bedrijf FE Observaties

Ja Ja

53,852

Ja Ja

53,852 R² 0.009 0.090 Aantal ID 8,156 8,156

Middellange periode

Post x behandeld -0.0194 -0.0322* (0.0279) (0.0190) Totale activa(a) 0.0318*** / (0.00607) / Leeftijd(a) -0.0234** 0.186*** (0.0105) (0.0188) Jaar FE Bedrijf FE Observaties

Ja Ja

51,689

Ja Ja

51,689 R² 0.003 0.089 Aantal ID 7,469 7,469

Lange periode

Post x behandeld 0.00610 -0.0412*** (0.00707) (0.0145) Totale activa(a) 0.0198*** / (0.00671) / Leeftijd(a) -0.0151*** 0.152*** (0.00412) (0.0220) Jaar FE Bedrijf Fe Observaties

Ja Ja

53,477

Ja Ja

53,477 R² 0.016 0.067 Aantal ID 7,906 7,906

(a) = het betreft de natuurlijke logaritme van deze variabele Robust standard errors tussen haakjes

*** p<0.01, ** p<0.05, * p<0.1

36

5.2.5.2. Grote en kleine bedrijven

Omdat uit de studie van Barrot (2013) blijkt dat de impact voor grotere bedrijven zwaarder zou zijn

dan de impact voor kleinere bedrijven, bekijken we hier de verschillen tussen deze twee groepen (tabel

13). De grote bedrijven kunnen meer gebruik maken van handelskrediet, zoals gezien in de literatuur

kunnen ze dit doen uit strategische overwegingen om meer marktmacht te bekomen. Bedrijven die dit

dus effectief doen zouden door de wet grotere veranderingen kennen en zo aan competitiviteit

verliezen. Door dit specifiek onderzoek kunnen we dus nagaan als dit gelukt is. In het jaar 2005 werd

aan de hand van de totale activa onze sample in twee verdeeld. De 50% met de grootste totale activa

zijn afzonderlijk voor Frankrijk en België in de groep ‘grote bedrijven’ ingedeeld, de 50% met de laagste

activa zijn in de groep ‘kleine bedrijven’ ingedeeld. Daarna werd de verandering in de twee

afzonderlijke groepen bekeken. Hier valt direct op dat er weer een duidelijke daling is van de

handelsvorderingen in Frankrijk na 2009. We kunnen ook zien dat deze daling groter is voor grote

bedrijven, namelijk -2.27% tegenover -1.43% voor kleinere bedrijven. Verder vinden we bij grote

bedrijven ook een significante daling van de EBIT terwijl dit bij kleinere bedrijven niet het geval is. Dit

bevestigd ook het vermoeden (Hypothese 2b) dat de grote bedrijven een sterker effect ondervinden

van deze regels dan de kleinere bedrijven. Voor de overige twee variabelen levert dit geen extra

inzichten op.

37

Tabel 13 - Fixed Effects, jaar en bedrijf FE kleine tegenover grote bedrijven alle variabelen als afhankelijke

variabele


Kleine bedrijven

Post x behandeld -0.0143*** -0.00175 0.0103 0.00185 (0.00322) (0.00365) (0.0102) (0.00816) Totale activa(a) 0.0449*** 0.0535*** -0.0126 0.0646*** (0.00476) (0.00679) (0.00813) (0.0116) Leeftijd(a) 0.00294 -0.0327*** 0.00483 -0.0576*** (0.00384) (0.00718) (0.00783) (0.00592) Jaar FE Bedrijf FE

Ja Ja

Ja Ja

Ja Ja

Ja Ja

Observaties 79,749 79,781 79,781 79,781 R² 0.064 0.061 0.028 0.072

Grote bedrijven

Post x behandeld

-0.0227***

-0.00903***

-0.0117

0.00906

(0.00284) (0.00287) (0.00733) (0.00644) Totale activa(a) 0.0492*** 0.0385*** -0.00265 0.0296*** (0.00332) (0.00500) (0.00681) (0.00586) Leeftijd(a) 0.00319 -0.00381 0.0231*** -0.0257*** (0.00371) (0.00413) (0.00619) (0.00637) Jaar FE Bedrijf FE

Ja Ja

Ja Ja

Ja Ja

Ja Ja

Observaties 79,212 79,237 79,237 79,237 R² 0.096 0.065 0.030 0.048


(c) = hier werd gedeeld door de totale activa Robust standard errors tussen haakjes

*** p<0.01, ** p<0.05, * p<0.1

5.2.6. Specificaties van de resultaten

Bij het uitvoeren van de regressies werd er steeds gekozen de resultaten te clusteren in hun strata.

Deze strata werden reeds besproken en bepaald door de CEM-matching software. Hiervoor werd

gekozen omdat er grote verschillen waren tussen het gemiddelde Franse en het gemiddelde Belgische

bedrijf. Aangezien de verschillende strata onderling dezelfde kenmerken vertonen en kunnen deze

beter vergeleken worden.

Bij het uitvoeren van de regressies werd er steeds geopteerd om te werken met robuuste Huber-White

standaardfouten. Om deze te schatten, wordt gebruik gemaakt van de ‘Huber sandwich’. Dit zorgt

ervoor dat er een deel kleinere problemen worden opgelost. Problemen, zoals kleine afwijkingen van

de normaalverdeling, heteroscedasticiteit of observaties met een groot residu worden door deze optie

geneutraliseerd en vormen geen probleem meer, aldus het ’institute for digital research and education

(“Regression with stata”, s.d)’.

38

5.3. Sensitiviteitsanalyse

Om te bestuderen hoe de resultaten reageren indien enkele parameters wijzigen, voeren we ons

onderzoek ook nog met enkele aanpassingen. Enerzijds kijken we naar de resultaten in de landen

afzonderlijk, anderzijds doen we een GEE regressie.

5.3.1. Fixed effects zonder controle groep

Er worden hier dezelfde regressies uitgevoerd, zonder de Belgische bedrijven op te nemen. Dit doen

we om te kijken hoe de coëfficiënten van de Franse bedrijven veranderen na de ingevoerde

regelgeving. Uit voorgaand onderzoek weten we al dat er tussen Frankrijk en België geen grote

verschillen zijn voor liquiditeit en schuldratio. Deze extra analyse doen we om te kijken hoeveel elk

land afzonderlijk veranderd, om zo de verschillen nog beter bloot te leggen. Uit tabel 14 blijkt dat er

voor al de resultaten significante veranderingen worden gevonden indien deze tot de groep post

behoren. Hier is dus duidelijk dat er na 2009 veranderingen zijn opgetreden in Frankrijk.

Tabel 14 - Fixed Effects regressie, enkel Frankrijk alle variabelen als afhankelijke variabele


Post -0.0404*** -0.0173*** 0.0393*** -0.0306*** (0.00240) (0.00299) (0.00771) (0.00544) Totale activa(a) 0.0497*** 0.0538*** -0.00249 0.0481*** (0.00325) (0.00442) (0.00665) (0.00910) Leeftijd(a) 0.00580* -0.0261*** 0.0104 -0.0462*** (0.00301) (0.00623) (0.00813) (0.00507) Constant -0.174*** -0.234*** 0.250*** 0.346*** (0.0206) (0.0291) (0.0655) (0.0686) Jaar FE Bedrijf FE

Ja Ja

Ja Ja

Ja Ja

Ja Ja

Observaties 145,645 145,700 145,700 145,700 R² 0.085 0.067 0.029 0.061 Aantal ID P-waarde regressie

21,444

***

21,446

***

21,446

***

21,446

*** (a) = het betreft de natuurlijke logaritme van deze variabele

(b) = hier werd gedeeld door de omzet (c) = hier werd gedeeld door de totale activa

Robust standard errors tussen haakjes *** p<0.01, ** p<0.05, * p<0.1

39

Dezelfde analyse werd uitgevoerd voor de Belgische bedrijven. Ook hier vinden we voor de 4

variabelen significante resultaten. Hier zien we dus dat beide groepen zelf zonder de wetgeving

evolueren. Het verschil zit hem echter in het gewicht van deze resultaten. Zo zien we dat voornamelijk

bij de handelsvorderingen en de EBIT (degene welke voorgaande regressies het sterkst bevestigen) de

verschillen groter zijn dan in België. De vergelijking waarbij we beide landen apart nemen geeft ons

een beter inzicht in voorgaande regressies.

Tabel 15 - Fixed Effects regressie, enkel België alle variabelen als afhankelijke variabele


Post -0.00927*** -0.0308*** 0.0398*** -0.0439*** (0.00251) (0.00407) (0.0105) (0.00941) Totale activa(a) 0.0313*** -0.00423 -0.0443*** 0.0453*** (0.00467) (0.00399) (0.0119) (0.0113) Leeftijd(a) -0.00967 0.00958 0.0290 -0.0463*** (0.00853) (0.00822) (0.0230) (0.0175) Constant -0.0668 0.0872* 0.531*** 0.326** (0.0471) (0.0454) (0.131) (0.127) Jaar FE Bedrijf FE

Ja Ja

Ja Ja

Ja Ja

Ja Ja


2,085

***

2,085

***

2,085

***

2,085



Robust standard errors tussen haakjes *** p<0.01, ** p<0.05, * p<0.1

5.3.2. Generalized estimating equation

We bemerken dat bij het uitvoeren van deze GEE regressie (tabel 16) de resultaten deels de eerder

gevonden resultaten bevestigen. Allereerst zien we dat ook hier de handelsvorderingen van de Franse

bedrijven significant dalen. Daarnaast kunnen we dezelfde opmerking maken als eerder, namelijk dat

voornamelijk de jaareffecten die België en Frankrijk combineren significant zijn. Ook hier stellen we

vast dat er duidelijk veranderingen zijn in de voorspelde richting na 2009. Maar we kunnen dit niet

specifiek aan de behandelde groep toewijzen.

40

Tabel 16 - GEE regressie, jaar dummy alle variabelen als afhankelijke variabele


Post x behandeld -0.0192*** -0.00680*** -0.00164 0.00406 (0.00159) (0.00184) (0.00406) (0.00348) behandeld 0.0436*** 0.0158*** 0.0452*** 0.00137 (0.00265) (0.00232) (0.00638) (0.00584) Totale activa(a) 0.0200*** 0.00458*** -0.00728*** 0.0241*** (0.000500) (0.000400) (0.00137) (0.00127) Leeftijd(a) 0.00332*** -0.0154*** 0.0363*** -0.0474*** (0.000867) (0.000755) (0.00193) (0.00170) 2006 0.00207*** 0.00103* 0.000818 -0.00173*** (0.000469) (0.000585) (0.000799) (0.000595) 2007 -0.00303*** 0.00966*** 0.00801*** -0.00824*** (0.000534) (0.000695) (0.00103) (0.000812) 2008 -0.0168*** -0.00240*** 0.0205*** -0.0180*** (0.000595) (0.000766) (0.00122) (0.000991) 2009 -0.0106*** -0.0300*** 0.0361*** -0.0367*** (0.00160) (0.00188) (0.00406) (0.00348) 2010 -0.00800*** -0.0119*** 0.0314*** -0.0340*** (0.00162) (0.00186) (0.00413) (0.00352) 2011 -0.0148*** -0.00720*** 0.0313*** -0.0308*** (0.00164) (0.00187) (0.00419) (0.00357) Observaties 158,961 159,018 159,018 159,018 Aantal ID P-waarde regressie

23,529

***

23,531

***

23,531

***

23,531



Standard errors tussen haakjes *** p<0.01, ** p<0.05, * p<0.1

41

6. Discussie

Het doel van deze thesis is onderzoeken wat de reële en financiële effecten zijn die de Franse

wetswijziging teweeg heeft gebracht. Er wordt bekeken of de situatie beter is na 2009 en welke

veranderingen duidelijk merkbaar zijn. Door gebruik te maken van een difference‐in‐differences model

hebben we onderzocht wat de impact is op de handelsvorderingen, EBIT, liquiditeit en schuldratio.

Deze variabelen tonen de financiële gezondheid van de bedrijven aan en geven ons een beeld van de

verandering in aantrekkelijkheid van de onderzochte sectoren.

Wanneer de resultaten bekeken worden, is de impact die de wetgeving op de hoeveelheid

handelsvorderingen heeft duidelijk vast te stellen. Deze kent een forse en verwachte daling. De

rekening handelsvorderingen van de bedrijven ligt een stuk lager. Alsook de rekening handelsschulden

kent een significante daling. Voor de handelsvorderingen is aangetoond dat deze daling sterker is bij

bedrijven die meer dagen handelsvorderingen hadden openstaan alsook dat de daling groter is bij

grote bedrijven. Verder vinden we dat een restrictie op het handelskrediet een significant negatief

effect op de EBIT heeft. En dat dit effect duidelijk zwaarder doorweegt voor grotere bedrijven alsook

bedrijven die een lange periode handelskrediet verstrekken. Voor de hypothese omtrent de liquiditeit

is te zien dat er voor de gehele sample geen verandering is door de wetgeving. In de specifieke gevallen

zien we dat cash en handelsvorderingen steeds veranderen in de verwachte richting. Zo zal een daling

van de handelsvorderingen gecombineerd gaan met een stijging van de cash indien bedrijven veel

dagen handelsvorderingen hebben. Handelsschulden vertoont dan weer een daling, ook als we deze

niet verwachten. Een mogelijke uitleg zoeken we bij Fabbri en Klapper (2008), deze stellen dat

bedrijven kopiëren. Dit kan verklaren waarom handelsschulden mee dalen met de

handelsvorderingen, ook al hoeft dit niet voor de wetgeving. Gecombineerd leveren deze effecten

nooit een significante verandering op voor de liquiditeit. Bij de schuldratio waren er geen significante

resultaten te vinden. Ook de vergelijking van bedrijven met veel of weinig handelsschulden kon geen

significante resultaten opleveren.

Dit betekent concreet dat door de wetgeving de onderzochte bedrijven in de eerste plaats een lagere

hoeveelheid handelsvorderingen zullen hebben. Door deze regelgeving daalt over het algemeen de

winst van de bedrijven, dit is voornamelijk door een daling die plaatsvindt bij de grote bedrijven. Een

daling van de EBIT wordt beschouwd als een negatief effect van de wetswijzing. Dit negatieve effect

wordt gecompenseerd door het aantrekkelijker worden van de onderzochte sectoren, de kleine of

middelgrote onderneming wint aan kracht. Doordat grote bedrijven nu een minder groot voordeel

kunnen halen door grote handelsvorderingen aan te bieden, zal de competitiviteit binnen de sector

42

stijgen. De lagere winst van de grote bedrijven staat dus tegenover een gezondere en meer

competitieve toestand van de sector.

Deze resultaten zijn deels genomen uit een periode waarin ook de economische crisis sterk opspeelde

zodat mogelijks de crisis deze resultaten wat vertekend of beïnvloed heeft. Mede door deze reden

werd er voor gekozen om twee groepen te nemen, een controle groep en een behandelde groep. Bij

de vergelijking van deze twee groepen, die beide wel zullen onderhevig zijn aan de crisis, kan het ook

nog zijn dat Frankrijk anders veranderd is dan België en dit door de verandering in de wetgeving.

Doordat deze twee landen buurlanden zijn, is het eveneens mogelijk dat een wetgeving in Frankrijk

invloed heeft op België. Het is namelijk mogelijk dat ofwel de Franse bedrijven leveren aan Belgische

bedrijven, of dat Belgische bedrijven leveren aan Franse bedrijven. Dit zal voornamelijk zo zijn bij

grotere bedrijven die dan ook nog eens internationaal actief zijn. Gezien we in onze sample enkel

bedrijven met een totaal actief van boven de €100,000 nemen zal dit voor een deel van de bedrijven

wel het geval zijn.

Toekomstig onderzoek zou de financiële gezondheid verder kunnen onderzoeken door bijvoorbeeld

voor elk bedrijf een rating te maken die meerdere factoren combineert tot één ‘financieel

gezondheidscijfer’. Van dit ‘financieel gezondheidscijfer’ zou men dan de verandering kunnen bekijken

teweeggebracht door de handelskredietrestrictie. Ook kan dit onderzoek gedaan worden met

bedrijven die de post ‘kosten van verkochte goederen’ wel hebben ingevuld, dit zou een duidelijker

beeld geven van het aantal dagen leverancierskrediet en bijgevolg het onderzoek ten goede komen.

Deze post was via de Amadeus databank niet (voldoende) voorhanden.

VII

Bibliografie

Allison, P. D. (2006). Fixed effects regression methods in SAS. Thirty-first Annual SAS.

Ashenfelter, O. C., & Card, D. (1984). Using the longitudinal structure of earnings to estimate the effect

of training programs.

Athey, S., & Imbens, G. W. (2006). Identification and inference in nonlinear difference‐in‐differences

models. Econometrica, 74(2), 431-497.

Barrot, J. N. (2013). Financial strength and trade credit provision: Evidence from trucking

firms. Unpublished working paper.

Belgische Overheid (2013). 22 NOVEMBER 2013. - Wet tot wijziging van de wet van 2 augustus 2002

betreffende de bestrijding van de betalingsachterstand bij handelstransacties. Geraadpleegd op 20 mei

2015, via

http://www.ejustice.just.fgov.be/cgi_loi/change_lg.pl?language=nl&la=N&cn=2013112212&table_na

me=wet

Biais, B., & Gollier, C. (1997). Trade credit and credit rationing. Review of Financial Studies, 10(4), 903-

937.

Blackwell, M., Iacus, S. M., King, G., & Porro, G. (2009). cem: Coarsened exact matching in Stata. Stata

Journal, 9(4), 524-546.

Blazenko, G. W., & Vandezande, K. (2003). The product differentiation hypothesis for corporate trade

credit. Managerial and Decision Economics,24(6‐7), 457-469.

Boissay, F., & Gropp, R. (2007). Trade credit defaults and liquidity provision by firms.

Brav, O. (2009). Access to capital, capital structure, and the funding of the firm. The Journal of Finance,

64(1), 263-308.

VIII

Brennan, M. J., MAKSIMOVICs, V. O. J. I. S. L. A. V., & Zechner, J. (1988). Vendor financing. The Journal

of Finance, 43(5), 1127-1141.

Burkart, M., & Ellingsen, T. (2004). In-kind finance: A theory of trade credit.American Economic

Review, 569-590.

CEDEF, centre de documentation economie-finances (2014). Quels sont les délais de paiement

applicables entre entreprises. Geraadpleegd op 18 april 2015, via

http://www.economie.gouv.fr/cedef/delais-de-paiement-entre-entreprises

Cochard, S. (2008). Que prévoit la loi de modernisation de l’économie? Geraadpleegd op 8 oktober

2014, via http://www.20minutes.fr/economie/237703-20080617-prevoit-loi-modernisation-

economie

Cunat, V. (2007). Trade credit: suppliers as debt collectors and insurance providers. Review of Financial

Studies, 20(2), 491-527.

Cunin, A.L. (2009). Loi de modernisation de l’économie et délais de paiement: entrepreneurs, êtes-vous

à jour? Geraadpleegd op 8 oktober 2014, via http://www.village-justice.com/articles/modernisation-

economie-delais,4950.html

Dass, N., Kale, J., & Nanda, V. (2011). Trade credit, relationship-specific investment, and product-

market power. Relationship-Specific Investment, and Product-Market Power (June 27, 2011).

Delannay, A. F. (2002). Trade credit and product market competition: theory and evidence. Available

at SSRN 302742.

Delannay, A. F., & Weill, L. (2004). The determinants of trade credit in transition countries. Economics

of Planning, 37(3-4), 173-193.

Deloof, M., & Jegers, M. (1996). Trade credit, product quality, and intragroup trade: some European

evidence. Financial management, 33-43.

Deloof, M., & Jegers, M. (1999). Trade credit, corporate groups, and the financing of Belgian firms.

Journal of Business Finance & Accounting, 26(7‐8), 945-966.

IX

Demirgüç-Kunt, A., & Maksimovic, V. (2001). Firms as financial intermediaries: Evidence from trade

credit data (Vol. 2696). World Bank, Development Research Group, Finance.

Elliehausen, G. E., & Wolken, J. D. (1993). The demand for trade credit: an investigation of motives for

trade credit use by small businesses (No. 165). Board of Governors of the Federal Reserve System (US).

Europese Commissie (2014). Bestrijding van betalingsachterstanden. Geraadpleegd op 12 mei 2015,

via http://ec.europa.eu/enterprise/policies/single-market-goods/fighting-late-

payments/index_en.htm

Fabbri, D., & Klapper, L. F. (2008). Trade credit supply, market power and the matching of trade credit

terms. Policy Research Working Paper, World Bank, (4754).

Frank, M., & Maksimovic, V. (1998). Trade credit, collateral, and adverse selection. Unpublished

manuscript, University of Maryland.

Franse Overheid (2008). Loi de modernization de l’économie > Les mesures adoptées par le Parlement.

Geraadpleegd op 22 mei 2015, via

http://www.economie.gouv.fr/files/finances/presse/dossiers_de_presse/080723_lme_dossier-de-

presse.pdf.

Fisman, R., & Love, I. (2003). Trade credit, financial intermediary development, and industry

growth. The Journal of Finance, 58(1), 353-374.

Fisman, R., & Raturi, M. (2004). Does competition encourage credit provision? Evidence from African

trade credit relationships. Review of Economics and Statistics, 86(1), 345-352.

García-Teruel, P. J., & Martínez-Solano, P. (2010). A dynamic perspective on the determinants of

accounts payable. Review of Quantitative Finance and Accounting, 34(4), 439-457.

Giannetti, M., Burkart, M., & Ellingsen, T. (2011). What you sell is what you lend? Explaining trade

credit contracts. Review of Financial Studies, 24(4), 1261-1298.

X

Hadlock, C. J., & Pierce, J. R. (2010). New evidence on measuring financial constraints: Moving beyond

the KZ index. Review of Financial studies, 23(5), 1909-1940.

Holmstrom, B., & Tirole, J. (1997). Financial intermediation, loanable funds, and the real sector. the

Quarterly Journal of economics, 663-691.

Huyghebaert, N., Van de Gucht, L., & Van Hulle, C. (2007). The choice between bank debt and trace

credit in business start-ups. Small Business Economics, 29(4), 435-452.

Iacus, S. M., King, G., & Porro, G. (2008). cem: Software for coarsened exact matching.

Insitute for digital research and education. Regression with stata Chapter 4 – Beyond OLS.

Geraadpleegd op 24 november 2014, via

http://www.ats.ucla.edu/stat/stata/webbooks/reg/chapter4/statareg4.htm.

Jacobson, T., & Von Schedvin, E. (2013). Trade credit and the propagation of corporate failure: an empirical analysis. Riksbank Research Paper Series, (94).

Klapper, L., Laeven, L., & Rajan, R. (2011). Trade credit contracts. Review of Financial Studies, hhr122.

Long, M. S., Malitz, I. B., & Ravid, S. A. (1993). Trade credit, quality guarantees, and product

marketability. Financial Management, 117-127.

Longhofer, S. D., & Santos, J. A. (2003). The paradox of priority. Financial Management, 69-81.

Mateut, S. (2005). Trade credit and monetary policy transmission. Journal of Economic Surveys, 19(4),

655-670.

McMillan, J., & Woodruff, C. (1999). Interfirm relationships and informal credit in Vietnam. Quarterly

journal of Economics, 1285-1320.

Meltzer, A. H. (1960). Mercantile credit, monetary policy, and size of firms. The Review of Economics

and Statistics, 429-437.

XI

Mian, S. L., & Smith, C. W. (1994). Extending trade credit and financing receivables. Journal of Applied

Corporate Finance, 7(1), 75-84.

Michalski, G. M. (2007). Portfolio management approach in trade credit decision making. Romanian

Journal of Economic Forecasting, 3, 42-53.

Murfin, J., & Njoroge, K. (2013). The implicit costs of trade credit borrowing by large firms. Available

at SSRN 2023409.

Nadiri, M. I. (1969). The determinants of trade credit in the US total manufacturing

sector. Econometrica: Journal of the Econometric Society, 408-423.

Ng, C. K., Smith, J. K., & Smith, R. L. (1999). Evidence on the determinants of credit terms used in

interfirm trade. The Journal of Finance, 54(3), 1109-1129.

Niskanen, J., & Niskanen, M. (2006). The Determinants of Corporate Trade Credit Policies in a Bank‐

dominated Financial Environment: the Case of Finnish Small Firms. European Financial Management,

12(1), 81-102.

Ooghe, H., & Van Wymeersch, C. (2008). Financiële analyse van de onderneming deel 1 (3de ed.).

Antwerpen: intersentia.

Petersen, M. A., & Rajan, R. G. (1994). The benefits of lending relationships: Evidence from small

business data. The journal of Finance, 49(1), 3-37.

Petersen, M. A., & Rajan, R. G. (1995). The effect of credit market competition on lending

relationships. The Quarterly Journal of Economics, 407-443.

Petersen, M. A., & Rajan, R. G. (1997). Trade credit: theories and evidence. Review of Financial

Studies, 10(3), 661-691.

Small Business Taxes & Management (2011). Vendor Discounts for Early Payment. Geraadpleegd op

14 april 2015, via http://www.smbiz.com/sbspec385.html

Smith, J. K. (1987). Trade credit and informational asymmetry. The Journal of Finance, 42(4), 863-872.

XII

Van Horen, N. (2007). Customer market power and the provision of trade credit: evidence from Eastern

Europe and Central Asia (Vol. 4284). World Bank Publications.

Wilner, B. S. (2000). The exploitation of relationships in financial distress: The case of trade credit. The

Journal of Finance, 55(1), 153-178.

XIII

Appendix

Appendix 1 - Sectoren en hun vertegenwoordiging in de behandelde groep (data 2005)

Sector Frequentie Procent cumulatief

10, Manufacture of food products 3959 18.63 18.63

11, Manufacture of beverages 614 2.89 21.51

12, Manufacture of tobacco products 2 0.01 21.52

13, Manufacture of textiles 632 2.97 24.50

14, Manufacture of wearing apparel 457 2.15 26.65

15, Manufacture of leather and related prod. 236 1.11 27.76

16, Manufacture of wood and of products of wood and cork, except furniture; manufacture of articles of straw and plaiting materials

1444 6.79 34.55

17, Manufacture of paper and paper products 456 2.15 36.70

19, Manufacture of coke and refined petroleum prod. 28 0.13 36.83

20, Manufacture of chemicals and chemical prod. 801 3.77 40.60

21, Manufacture of basic pharmaceutical prod. and pharmaceutical preparations 154 0.72 41.32

22, Manufacture of rubber and plastic prod. 1361 6.40 47.73

23, Manufacture of other non-metallic mineral prod. 1256 5.91 53.63

24, Manufacture of basic metals 326 1.53 55.17

25, Manufacture of fabricated metal prod. except machinery and equipment 5660 26.63 81.80

26, Manufacture of computer, electronic and optical prod. 785 3.69 85.49

27, Manufacture of electrical equipment 652 3.07 88.56

28, Manufacture of machinery and equipment 1808 8.51 97.06

31, Manufacture of furniture 624 2.94 100

21255 100

XIV

Appendix 2 - Descriptieve statistieken relevante strata (100)

Behandelde Groep Controle Groep Verschilanalyse

Variabele(a) Obs Gemiddelde Std. Dev. Obs Gemiddelde Std. Dev. Tot. Obs. Δ gemiddelde t-waarde

totale activa(b) 18 12.27933 .0970881 6 12.30803 .0850536 24 0.02865 0.6445

omzet(b) 18 11.94116 .2432802 6 11.73263 .1988787 24 -0.20853 -1.8910*

Schuldratio 18 .4069283 .2328212 6 .3913853 .2939535 24 -0.0153677 -0.1329

EBITDA marge(e) 18 .1041215 .1017289 6 .0955344 .0573285 24 -0.0084543 -0.1948

handelsvorderingen(c) 18 .2355354 .0948208 6 .2497697 .1850728 24 0.0132247 0.2488

cash(d) 18 .0993439 .1271822 6 .0052204 .0113692 24 -0.0941235 -1.7838*

vlottende passiva(c) 18 .2421085 .1174395 6 .1654651 .0610996 24 -0.0766434 -1.5157

Winstmarge(f) 18 .0376464 .0962052 6 .0809626 .0679668 24 0.0433162 1.0095

Noot. Obs= aantal observaties. Std. Dev. = standaardafwijking. De gebruikte gegevens in deze tabel zijn gebaseerd op de data van het jaar 2005. *,** en *** geven de statistische significantie

van respectievelijk <0.10, <0.05 en <0.01

(a) = de variabelen zijn aan beide kanten 0.5% gewinsoriseerd of berekend uit aan beide kanten 0.5% gewinsoriseerde data.

(b) = Dit cijfer stelt een natuurlijke logaritme van de gegeven variabele voor.

(c) = Deze variabele is gedeeld door de totale activa.

(d) = Deze variabele is gedeeld door de omzet.

(e) = (EBIT+Depreciation and Amortization) / omzet

(f) = net income/ omzet

XV

Appendix 3 - Fixed effects, bedrijf en jaar FE van de extra variabelen als afhankelijke variabele

(a) = het betreft de natuurlijke logaritme van deze variabele Robust standard errors tussen haakjes

*** p<0.01, ** p<0.05, * p<0.1

(1) (2) (3) (4) (5) (6) VARIABELE Totale activa (a) Omzet (a) EBITDA marge Cash over omzet Vlottende passiva over TA Winst marge

Post x behandeld 0.0526*** 0.0104 -0.0183*** 0.0277*** -0.0392*** -0.0120*** (0.00832) (0.00784) (0.00126) (0.00244) (0.00593) (0.000969) Constant 7.457*** 7.880*** 0.0857*** 0.134*** 0.465*** 0.0410*** (0.00324) (0.00306) (0.000490) (0.000950) (0.00231) (0.000378) Jaar FE

Ja

Ja

Ja

Ja

Ja

Ja

Observaties 159,786 159,719 159,722 159,722 159,786 159,722 R² 0.013 0.000 0.029 0.026 0.039 0.014 Aantal ID P-waarde regressie

23,534

***

23,531

***

23,531

***

23,531

***

23,534

***

23,531

***

XVI

Appendix 4 - Fixed effects, jaar en bedrijf FE alle (afhankelijke) variabelen met extra controlevariabelen


(c) = hier werd gedeeld door de totale activa (d) = (EBIT+Depreciation and Amortization) / omzet

(e) = net income/ omzet Robust standard errors tussen haakjes

*** p<0.01, ** p<0.05, * p<0.1

(1) (2) (3) (4) VARIABELE Handelsvordering(b) EBIT(c) Liquiditeit Schuldratio

Post x behandeld -0.0123*** -0.0115*** 0.00340 0.00246 (0.00226) (0.00224) (0.00640) (0.00575) Totale activa(a) 0.130*** -0.0465*** -0.0215*** 0.0770*** (0.00657) (0.00336) (0.00600) (0.0121) Omzet(a) -0.119*** 0.137*** -0.00703 -0.00186 (0.00633) (0.0112) (0.00624) (0.00598) Leeftijd(a) 0.0123*** -0.0322*** 0.0187** -0.0565*** (0.00261) (0.00566) (0.00743) (0.00549) EBITDA marge(d) 0.0672*** / 0.404*** -0.408*** (0.00937) / (0.0294) (0.0269) Cash(b) -0.180*** 0.0878*** / -0.194*** (0.0144) (0.0112) / (0.0133) Vlottende passiva(c) 0.0823*** -0.133*** / / (0.00310) (0.00657) / / 2006 0.00138** -0.00218 0.00390 -0.00436*** (0.000616) (0.00139) (0.00267) (0.00142) 2007 -0.00249** 0.000689 0.0128*** -0.0118*** (0.000983) (0.00177) (0.00406) (0.00233) 2008 -0.0133*** -0.0156*** 0.0308*** -0.0250*** (0.00161) (0.00176) (0.00521) (0.00313) 2009 -0.0142*** -0.0303*** 0.0495*** -0.0422*** (0.00199) (0.00230) (0.00693) (0.00581) 2010 -0.0125*** -0.0141*** 0.0420*** -0.0357*** (0.00224) (0.00232) (0.00729) (0.00632) 2011 -0.0174*** -0.0154*** 0.0439*** -0.0355*** (0.00237) (0.00263) (0.00792) (0.00673) Jaar FE Bedrijf FE

Ja Ja

Ja Ja

Ja Ja

Ja Ja


23,529

***

23,529

***

23,529

***

23,529

***

XVII

Appendix 5 - Descriptieve statistieken alle variabelen

Variabele Observaties Gemiddelde Std. Afwijking Min Max

Totale activa(a) 159786 7.478015 1.643536 4.828314 12.39224

Omzet(a) 159719 7.883992 1.623546 5.09375 12.61774

Schuldratio(c) 159786 .5499394 .2162647 .1011905 1.145833

EBITDA(b) 159722 .0785896 .0837007 -.186159 .3645939

Handelsvorderingen(b) 159722 .1865237 .1152389 0 .5904228

Cash(b) 159722 .1444999 .1971954 0 1.123333

Vlottende passiva(c) 159786 .4492384 .1992165 .0738916 .9859649

Winst marge(e) 159722 .0362921 .0698596 -.229765 .2807018

Liquiditeit(d) 159786 .2792318 .2599197 -.4689598 .8146965

EBIT(c) 159786 .0733136 .1127132 -.2916667 .420765 (a) = het betreft de natuurlijke logaritme van deze variabele


(d) = berekend door vlottende activa te delen door vlottende passiva (e) =berekend door de winst/omzet

De reële effecten van een wetswijziging over...

Documents

Transcript of De reële effecten van een wetswijziging over...