Een longitudinale studie naar de impact van de ... · (2005), bekijken dan weer de relatie tussen...
67
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2009 – 2010 Een longitudinale studie naar de impact van de ondernemingsleeftijd op de evolutie van financiële buffers Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen Koen Naudts onder leiding van Dr. Tom Vanacker
Transcript of Een longitudinale studie naar de impact van de ... · (2005), bekijken dan weer de relatie tussen...
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2009 – 2010
Een longitudinale studie naar de impact van de ondernemingsleeftijd op de
evolutie van financiële buffers
Masterproef voorgedragen tot het bekomen van de graad van
Master in de Toegepaste Economische Wetenschappen
Koen Naudts
onder leiding van
Dr. Tom Vanacker
2
3
Toestemming
Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of
gereproduceerd worden, mits bronvermelding.
Koen Naudts
4
Inhoudsopgave
Lijst met figuren…………………………………………………………………………….….5
Lijst met tabellen……………………………………………………………………………….5
Voorwoord……………………………………………………………………………………..6
1 Inleiding………………………………………………………………………………….. 7
2. Theorieontwikkeling m.b.v. literatuurstudie ....................................................................... 8
2.1. Onderzoeksvraag ......................................................................................................... 8
2.2. Hypothesen ................................................................................................................ 10
3. Dataset ............................................................................................................................... 13
3.1 Variabelen ...................................................................................................................... 13
3.2 Gegevensverzameling .................................................................................................... 14
4. Resultaten .......................................................................................................................... 18
4.1 Descriptieve analyse ....................................................................................................... 18
4.2 Longitudinale analyse .................................................................................................... 24
5. Conclusies ......................................................................................................................... 32
6. Referenties ........................................................................................................................ 33
6.1. Artikels ...................................................................................................................... 33
6.2. Boeken ....................................................................................................................... 34
Bijlagen
5
Lijst met figuren
Figuur 1. Boxplot van High Discretion Slack over 15 jaar.
Figuur 2. Boxplot van Low Discretion Slack over 15 jaar.
Figuur 3. Boxplot van High Discretion Slack over 15 jaar per rechtsvorm.
Figuur 4. Boxplot van Low Discretion Slack over 15 jaar per rechtsvorm.
Figuur 5. Verdeling van High Discretion Slack in de eerste 4 jaar.
Figuur 6. Verdeling van High Discretion Slack in de laatste 3 jaar.
Figuur 7. Normal Q-Q plot van de variabele High Discretion Slack.
Figuur 8. Detrended Normal Q-Q plot van de variabele High Discretion Slack.
Figuur 9. Evolutie van het gemiddelde High Discretion Slack per rechtsvorm volgens “best
fit”. 0 = B.V.B.A. en 1 = N.V.
Figuur 10. Evolutie van het gemiddelde High Discretion Slack per rechtsvorm “cubic fit”. 0
= B.V.B.A. en 1 = N.V.
Figuur 11. Evolutie van het gemiddelde Low Discretion Slack per rechtsvorm “best fit”. 0 =
B.V.B.A. en 1 = N.V.
Figuur 12. Evolutie van het gemiddelde Low Discretion Slack per rechtsvorm “cubic fit”. 0 =
B.V.B.A. en 1 = N.V.
Figuur 13. Grafische voorstelling van verwachte en werkelijk geobserveerde gemiddelde
waarden voor High Discretion Slack per rechtsvorm. 0=B.V.B.A.‟s en 1=N.V.‟s.
Figuur 14. Grafische voorstelling van verwachte en werkelijk geobserveerde gemiddelde
waarden voor Low Discretion Slack per rechtsvorm. 0=B.V.B.A.‟s en 1=N.V.‟s.
Lijst met tabellen
Tabel 1. Aantal ondernemingen per industrie.
Tabel 2. Coëfficiënten voor de verwachte waarden van High Discretion Slack.
Tabel 3. Coëfficiënten voor de verwachte waarden van Low Discretion Slack.
6
Voorwoord
Dit werk is het sluitstuk van een schoolcarrière die me veel heeft bijgebracht over kritisch
denken. Niet in het minst over wetenschappelijk onderzoek. De hoofdgedachte die ik hierover
gevormd heb is dat wetenschappelijk werk dat de mensheid meer kost dan het ooit zal
opleveren beter niet uitgevoerd wordt. Indien dit werk als gevolg heeft dat ik de graad van
Master in de Toegepaste Economische Wetenschappen bekom zal het mij, ondanks de vele
dagen en weken werk in de toekomst ongetwijfeld meer nut opleveren dan het mij gedurende
heel het academiejaar gekost heeft. Ik hoop van harte dat dit document ook voor anderen nog
van enig nut kan zijn.
Dank aan Dr. Tom Vanacker voor zijn hulp gedurende het hele academiejaar. Zonder hem
had ik wellicht niet eens een onderwerp om de masterproef rond te schrijven. Ik wens hem
graag ook te bedanken voor het begrip dat hij heeft betreffende het feit dat dit werk niet steeds
op de eerste plaats kon komen vanwege mijn professionele agenda. Hiermede wil ik graag
ook mijn broer, Geert, bedankten voor zijn begrip voor de momenten dat ik hem niet kon
bijstaan bij de zaken op professioneel vlak.
Als laatste maar zeker niet de minste zou ik mijn ouders willen bedanken voor de kansen die
ze mij steeds hebben gegeven. Ik ben er mij bewust van dat ik tijdens sommige perioden van
elk academiejaar weinig genietbaar was. Mijn boodschap aan hen hoeft niet te worden
neergeschreven, ze weten wat ik wil zeggen.
7
1. Inleiding
Dit werk is gemaakt n.a.v. suggesties in een onderzoek van G. George (2005). Daarin wordt
onderzocht wat de precieze relatie is tussen financiële buffers van een organisatie en de
prestaties of winstgevendheid ervan. Als controlefactor stelt G. George zich de vraag wat de
invloed is van de ondernemingsleeftijd op financiële buffers. Deze vraag zal de leidraad
vormen doorheen dit onderzoek.
Er zijn reeds talloze papers geschreven over financiële buffers (in het Engels vaak kortweg
“Slack”) maar bijna allemaal bekijken zij Slack als een onafhankelijke variabele. Sommigen
onderzoeken de invloed ervan op het nemen van risico‟s door de onderneming (Bromiley,
1991) of de invloed op innovatie (Nohria & Gulati, 1996). Anderen, zoals o.a. G. George
(2005), bekijken dan weer de relatie tussen Slack en de winstgevendheid van een
onderneming. Om die invloeden beter te begrijpen kan het, mijns inziens, zeer zinvol zijn te
kijken naar welke eigenschappen van een onderneming een invloed hebben op Slack en
vooral ook de evolutie ervan. In dit werk zal voornamelijk gekeken worden naar wat de
invloed is van de leeftijd van een onderneming en de industrie waarin zij zich bevindt.
In een eerste stap zal ik trachten een duidelijke onderzoeksvraag te formuleren gevolgd door
specifieke hypothesen a.d.h.v. bestudeerde literatuur. Vervolgens licht ik toe op welke wijze
de data voor dit onderzoek werden bekomen en welke beperkingen dit met zich meebrengt.
De data worden dan d.m.v. statistische modellen geanalyseerd om tot een duidelijk besluit te
komen. Doorheen het werk zal ik steeds de mogelijke fouten en beperkingen aan bod te laten
komen.
8
2. Theorieontwikkeling m.b.v. literatuurstudie
Dit gedeelte behandelt zoals reeds aangegeven de onderzoeksvraag en de daarbij horende
specifieke hypothesen. De belangrijkste begrippen en theorieën die doorheen dit werk worden
gebruikt zullen hier beknopt worden uitgelegd. Dit alles gebeurt m.b.v. literatuur die werd
verzameld via de elektronische bibliotheek van de Universiteit Gent. De meesten werden
verzameld vanuit “Elin articles” en “Web of Science”. Hierbij werd vertrokken van de
referenties in voornoemde paper van G. George (2005). Vervolgens werd naar de referenties
gekeken van de meest nuttige papers om alzo een netwerk van aan elkaar gerelateerde werken
te bekomen. Deze papers werden daarna aangevuld met werk dat handelt over de leeftijd van
een onderneming (bv. Omtrent de “Liabilities of Newness”).
2.1. Onderzoeksvraag
De eerste definities omtrent financiële buffers komen uit “the behavioral theory of the firm”
(Cyert & March, 1963). Zij definieerden buffers als het verschil tussen de beschikbare
middelen en de middelen die nodig zijn om bepaalde coalities of verbonden aan te houden.
Het gaat dan over het aanhouden van werknemers, aandeelhouders, klanten, leveranciers e.d.
“Slack” komt volgens deze vroegste ideeën voor onder vorm van: een prijszetting die lager is
dan nodig om klanten aan te houden, lonen groter dan nodig om werknemers in het bedrijf te
houden of bijvoorbeeld overbodige luxe voor managers in een bedrijf. Hieraan werd later
toegevoegd dat Slack ontstaat doordat ondernemingen niet altijd optimaliserend te werk gaan.
Daardoor accumuleren ze reserve middelen en niet gegrepen kansen die een buffer gaan
vormen tegen mindere tijden. Deze buffers zullen de prestaties van een onderneming
afvlakken. In goede tijden zullen de prestaties wat minder zijn en in slechte tijden zullen de
prestaties iets beter worden (March, 1979). Deze laatste gedachte leunt aan bij “the resource
constraints theorie” die als samenvattende gedachte heeft dat bedrijven die minder Slack en
dus minder middelen bezitten, deze middelen beter benutten en dus efficiënter tewerk gaan
(Baker & Nelson 2005).
Op basis van verscheidene definities tracht Bourgeois L.J. tot een algemene definitie te komen
voor financiële buffers, nl. “die buffer van effectieve of potentiële middelen die een
onderneming toelaat zich succesvol aan te passen aan interne druk tot verandering of externe
druk tot wijzigingen van werkwijzen en methoden, alsook om veranderingen te leiden in de
strategie naar de externe omgeving toe” (1981, pg. 2). Deze definitie is een soort
9
samensmelting van gelijkaardige ideeën van verschillende papers waarvan March J. vaak, al
dan niet in samenwerking met anderen, de auteur is.
We kunnen volgens de literatuur samenvatten dat er een viertal hoofdrollen aan Slack worden
toegewezen. Een eerste kan je het beste omschrijven als “middelen op overschot”. Dit vooral
om kleine onvoorziene schommelingen in uitgaven op te vangen (Thompson, 1967).
Daarnaast kan Slack worden gebruikt om veranderingen door te voeren in bepaalde
strategieën zonder dat de onderneming meteen in financiële problemen komt. Als derde rol
kan je stellen dat Slack als functie heeft conflicten binnen de onderneming op te lossen.
Conflicten binnen een organisatie kunnen ontstaan doordat verschillende afdelingen diverse
doelen voor ogen hebben. Marketing wil verkopen, productie wil produceren, R&D wil
ontwikkelen enz. Moch en Pondy stellen dat “met genoeg Slack, zal er voor elk probleem of
conflict een oplossing bestaan” (1977). Verder laat Slack de onderneming toe te
experimenteren met innovatie en R&D (Nohria & Gulati, 1996).
Middelen, en dus ook overtollige middelen (Slack) spelen een bijzonder grote rol bij jonge en
pas opgerichte ondernemingen (Stinchcombe, 1965). In de eerste levensjaren krijgen deze
bedrijven te maken met verschillende moeilijkheden die men moet overwinnen. Zo moeten
nieuwe organisaties zich inwerken in vaak nieuwe, complexe situaties en omgevingen. Hierbij
kan Slack hulp bieden (Levinthal, 1997). Ook moeten managers in pas opgerichte
ondernemingen nieuwe rollen als sociale actoren aanleren en zal een nieuwe onderneming
nog geen duurzame relaties hebben opgebouwd met klanten, leveranciers, en andere
stakeholders. Deze moeilijkheden worden gebundeld onder de noemer “Liabilities of
Newness” (in NL. Moeilijkheden bij “nieuw zijn” of “ontstaan”). Het concept van the
liabilities of newness is bedacht door Stinchcombe (1965) en wil zeggen dat ondernemingen
naarmate ze ouder worden, minder te maken krijgen met voornoemde moeilijkheden en dus
een kleinere kans op falen hebben. De liabilities of newness worden bevestigd in meerdere
onderzoeken (Freeman, Carroll, Hannan, 1983; Singh, Tucker, House, 1986).
Volgens Hannan laten financiële buffers toe dat de onderneming investeert in nieuwe
methoden, waarmee men de liabilties of newness kan overwinnen en de kans op overleven
kan vergroten (1988). Verder kunnen ze een buffer vormen voor onvoorziene tegenvallers in
het beginstadium van de onderneming (Cyert & March, 1963).
10
Later werd het concept van liabilities of newness verfijnd door o.a. Brüderl & Schüssler
(1990). Zij voegden een liability of adolescence toe. D.w.z. dat ondernemingen net na hun
oprichting een verminderde kans op falen hebben en dat de liability of newness pas geldt na
een bepaalde periode. Dit is het geval omdat ondernemingen worden opgericht met een
bepaald startkapitaal of een bepaalde hoeveelheid middelen die dienen om de eerste perioden
in het ondernemingsleven door te komen. In de meeste landen, zoals ook België, is een
bepaald minimaal startkapitaal trouwens verplicht.
Nog verder gaat het idee van de liability of obsolescence. Deze gedachte dringt erop aan dat
oudere ondernemingen bijzonder inert zijn en dat zij naarmate ze ouder worden steeds verder
afwijken van hun omgeving. Hierdoor zal er een relatie ontstaan tegengesteld aan die van de
liability of newness nl. hoe ouder de onderneming, hoe groter haar kans op faling (Baum,
1989). We kunnen dus een zekere sequentie gewaarworden van de drie voorgaande
begrippen. Eerst kent de onderneming een periode van liabilities of adolescence gevolgd door
de liabilities of newness. Wanneer de onderneming ouder en meer inert wordt zal ze overgaan
in een periode van liabilities of obsolescence.
Men kan zien dat er dus verschillende visies zijn over het ouder worden van een
onderneming. De verschillende moeilijkheden die de organisatie moet overwinnen zullen
zorgen voor een bepaalde behoefte in financiële middelen. Logischerwijs zal daar een bepaald
patroon in de financiële buffers of “overschotten” uit volgen. Dit leidt ons tot de algemene
onderzoeksvraag van dit werk:
Wat is de impact van het ouder worden van een startende onderneming op de evolutie
van haar financiële buffers?
2.2. Hypothesen
Financiële buffers worden al van bij de eerste onderzoeken in twee of drie categorieën
opgesplitst afhankelijk van hun beschikbaarheid tot managers. In Bourgeois & Singh (1983)
wordt slack ingedeeld in “Available slack”, “Recoverable slack” en “Potential slack”. Het is
Singh J.V. (1986) die met zijn vereenvoudigde opdeling in “absorbed” en “unabsorbed slack”
de basis legde voor de indeling van Sharfman, Wolf, Chase, Tansik (1988) in “low-discretion
slack” en “high-discretion slack”. Onder de hoge discretie buffers (high-discretion slack)
kunnen we de liquide middelen plaatsen of simpelweg cash. Onder lage discretie of
flexibiliteit voor managers verstaan we o.a. schulden, verdoken reserves, e.d. Deze indeling
11
zal in lijn met George (2005) ook in dit onderzoek gebruikt worden. Om correct te zijn moet
men Slack zien als een continuüm van verschillende graden van flexibiliteit voor managers
i.p.v. twee van elkaar gescheiden uitersten. Beide vormen komen ook simultaan in een
onderneming voor. Het is dus belangrijk beide vormen te meten en ze allebei te analyseren.
We vertrekken van de gedachte dat nieuwe ondernemingen starten met een bepaalde
hoeveelheid Slack. Deze hoeveelheid is gelijk aan de middelen die de oprichtingskosten en de
daaruit voortvloeiende kosten overtreffen. In België is het weinig denkbaar dat een
onderneming te weinig middelen heeft om aan haar oprichtingskosten te voldoen omdat men
verplicht is van een degelijk financieel plan op te stellen alvorens men een zaak kan
oprichten. We kunnen er dus vanuit gaan dat er een zekere hoeveelheid Slack aanwezig zal
zijn in het eerste jaar.
We kunnen ook veronderstellen dat de hoeveelheid high discretion slack van de onderneming
in haar eerste jaren hoger zal zijn dan haar hoeveelheid low discretion slack. De reden
hiervoor is dat nieuwe ondernemingen nog geen grote hoeveelheid vaste activa hebben waarin
middelen worden geabsorbeerd (Financial slack resources, firm birth and early growth, 2009,
p.18). Dit is in lijn met Sharman, Wolf, Chase, Tansik (1988) die stelden dat in oudere
ondernemingen het aandeel van low discretion slack in de totale hoeveelheid Slack groter is
dan in jongere ondernemingen. Ik stel hieromtrent bewust geen hypothese voorop omdat het
ontzettend moeilijk is om twee objectieve maatstaven te vinden die toelaten om high en low
discretion slack met elkaar te vergelijken. Het heeft bij Slack, gemeten via financiële cijfers
enkel zin te spreken van evoluties en niet van effectieve hoeveelheden.
Volgens de theorie van de liabilities of adolescence zal de onderneming na haar oprichting
voor een bepaalde tijd overleven door haar reserves op te gebruiken. Zoals reeds gezegd
bestaan deze reserves voornamelijk uit high discretion slack. Het is daarom correct te
veronderstellen dat:
H1: de hoeveelheid High Discretion Slack zal afnemen tijdens de periode van de
liabilities of adolescence.
Over de lengte van de periode van adolescentie bestaat behoorlijk wat onduidelijkheid. Ruim
gesproken kan men spreken over een periode die start bij het ontstaan van de onderneming en
eindigt tussen enkele maanden tot 6 à 7 jaar later (Brüderl & Schüssler, 1990). Feit is dat deze
12
lengte afhankelijk is van de hoeveelheid oorspronkelijke ingebrachte middelen in de
onderneming.
Oudere ondernemingen worden geacht van efficiënter om te springen met middelen door de
ervaring die ze over de jaren heen opbouwen. Men zou dus kunnen stellen dat een oudere
onderneming minder middelen nodig zal hebben om eenzelfde doel te bereiken als een
jongere onderneming. Daardoor zal ze weer meer middelen op overschot accumuleren. Maar
zoals eerder vermeld zal een onderneming op een gegeven moment in een situatie van
“liabilities of obsolescence” komen. Wanneer dit gebeurt zal de onderneming terug meer
middelen nodig hebben om zich aan te passen aan haar omgeving. Hierdoor zal de opbouw
van de buffers verminderen. Het is onduidelijk hoeveel deze vermindering zal inhouden en of
deze periode ergens stopt. Vandaar dat ik uitga van een stabilisering in high discretion slack
en kom tot de volgende hypothese:
H2: na een periode van daling tijdens de adolescentie zal een nieuwe periode
aanbreken waarin de hoeveelheid High Discretion Slack weer groeit en zich op een
bepaald niveau stabiliseert.
In overeenstemming met wat eerder gezegd werd kunnen we veronderstellen dat een
onderneming naarmate ze ouder wordt, haar vaste activa zal uitbreiden d.m.v. investeringen.
Dit vertaald zich in een grotere hoeveelheid reserves en buffers verdoken en geïncorporeerd in
vaste activa. We kunnen dus veronderstellen dat:
H3: de hoeveelheid Low Discretion Slack zal stijgen naarmate de onderneming ouder
wordt. Dit eerst met een toenemende en vervolgens een afnemende stijging.
Omdat ik de nodige analyses zal maken voor slack ten opzichte van een industriegemiddelde
ga ik ervan uit dat beide vormen van slack zich op een bepaald moment stabiliseren rond dit
gemiddelde.
13
3. Dataset
De data voor dit onderzoek werden verzameld met behulp van de Bel-first Dvd‟s die door
onze Universiteit ter beschikking worden gesteld. Deze Dvd‟s worden jaarlijks uitgegeven
door Bureau Van Dijk en bevatten financiële gegevens van duizenden Belgische en
Luxemburgse ondernemingen die jaarlijks verplicht hun jaarrekening neerleggen. Het gebruik
van een dergelijke databank zorgt voor de best mogelijke verzameling van ondernemingen en
bijgevolg te verwaarlozen kaderfouten. Dit deel geeft eerst een overzicht van de nodige
variabelen en licht vervolgens in detail toe hoe de benodigde data werden verzameld.
3.1 Variabelen
Low-discretion slack wordt gemeten via de algemene schuldgraad (x). Deze ratio drukt de
verhouding uit tussen het Vreemd vermogen en het Eigen vermogen van een onderneming
(Ooghe & Van Wymeersch, 2006) en komt mijns inziens het best overeen met de Debt-Equity
ratio die gebruikt wordt door o.a. Bourgeois (1981), Bourgeois & Singh (1983) en George
(2005). Meer schulden onder het vreemd vermogen geven managers minder flexibiliteit om
additionele schulden aan te gaan en zorgen er dus ook voor dat er minder buffers met lage
flexibiliteit (low-discretion slack) kunnen opgebouwd worden. Een stijging van de algemene
schuldgraad wijst dus op een daling van low-discretion slack.
High-discretion slack wordt hier gemeten a.d.h.v. de liquiditeitsratio in enge zin, ook wel de
acid test1 genoemd (Ooghe & Van Wymeersch, 2006). In de meeste papers rond slack wordt
de current ratio2 gebruikt maar de acid test lijkt mij beter geschikt omdat deze laatste de meest
flexibele vorm van slack kan meten. De acid test sluit immers de voorraden uit, die een lagere
flexibiliteit aan managers geven ten opzichte van liquide middelen of geldbeleggingen. Het
zou in de toekomst interessant zijn een nog meer flexibele vorm van slack te meten via
bijvoorbeeld de verhouding (geldbeleggingen + liquide middelen) op Totaal der activa of op
beperkte vlottende activa zodat men de meest enge vorm van liquiditeitsratio bekomt. Een
dergelijke ratio zelf berekenen a.d.h.v. de afzonderlijke componenten is zeker mogelijk voor
de bedrijven in mijn dataset maar deze gegevens elk afzonderlijk opvragen voor een hele
industrie om de “industry-adjusted” maatstaf te berekenen brengt echter bijzonder lange
laadtijden met zich mee en slechts weinig gewone pc‟s kunnen dit aan. Ik houd het dus op de
acid test die overigens reeds is berekend in de Bel-first databank zelf.
1 (vorderingen op ten hoogste 1 jaar + geldbeleggingen + liquide middelen) / schulden op ten hoogste 1 jaar
2 (beperkte) vlottende activa / vreemd vermogen op korte termijn
14
3.2 Gegevensverzameling
Omdat ik geïnteresseerd ben in een periode van 15 jaar en elke Dvd slechts gegevens over een
periode van 10 jaar bevat, zag ik mezelf genoodzaakt twee verschillende Dvd‟s te gebruiken.
De meest recente versie, die van 2009, was nodig om data te verzamelen uit de periode 1999-
2008. Voor de gegevens uit de periode 1994-1998 heb ik de uitgave van 2002 gebruikt. Deze
laatste gebruik ik omdat die gegevens bevat tot en met 2001. Hierdoor kan ik controleren of
de gegevens van beide Dvd‟s (2002 en 2009) elkaar correct overlappen voor de jaren 1999,
2000 en 2001. Om de nodige data uit de databanken op te vragen begon ik met de Dvd van
2008 en ging ik als volgt te werk.
Als eerste selectiecriteria werd de rechtsvorm van de gewenste ondernemingen gedefinieerd.
Ik koos voor de Naamloze Vennootschappen en Besloten Vennootschappen met Beperkte
Aansprakelijkheid omdat dit de meest voorkomende rechtsvormen zijn. Andere selecties
zouden mij, gezien de selectiecriteria die nog volgen, te weinig ondernemingen opleveren om
gerechtvaardigde uitspraken te doen over de desbetreffende rechtsvorm. Anderzijds is het wel
noodzakelijk om ondernemingen die onder een andere vorm zijn opgericht, uit te sluiten en
niet zomaar op te nemen onder de N.V.‟s of B.V.B.A.‟s. De meeste rechtsvormen verschillen
immers te zeer in benodigd en wettelijk oprichtingskapitaal en bijgevolg valt te verwachten
dat zij verschillende niveaus van initiële buffers zullen hebben.
Van de bedrijven die in de vorige stap werden geselecteerd specificeerde ik vervolgens de
oprichtingsdatum. Doordat ik een periode van 15 jaar wil onderzoeken werk ik met bedrijven
die opgericht werden in 1994. Ik kies echter om enkel met de maand Januari te werken om de
mogelijke vertekening op de korte termijn te minimaliseren. Als men immers een
onderneming opgericht in Januari, en een onderneming opgericht in December van datzelfde
jaar met elkaar vergelijkt, zal de evolutie van Slack bij de ene onderneming gemiddeld bijna
een jaar achterlopen op die van de andere onderneming. Ook naar verder onderzoek toe is dit
een belangrijke regel wanneer men bijvoorbeeld Slack en the liability of adolescence nader
gaat bekijken. Deze laatste periode duurt namelijk slechts enkele maanden (Brüderl &
Schüssler, 1990).
Omdat ik alle bedrijven in de dataset over een volledige periode van 15 jaar wil bekijken, kies
ik ervoor om de ondernemingen te selecteren die in 2008 nog actief zijn. Hierdoor wordt
echter de externe validiteit van dit onderzoek aangetast. Het zorgt ervoor dat de conclusies
15
enkel gerechtvaardigd zijn voor “succesvolle ondernemingen”. Dit is dan ook de meest
ernstige tekortkoming van de dataset.
Na de voorgaande stappen blijven er 327 Belgische, niet-beursgenoteerde ondernemingen
over. Voor deze bedrijven verzamel ik vervolgens de gegevens uit de periode 1994 tot en met
1998 met behulp van de Dvd van 2002.
Van de 327 ondernemingen zijn er 14 niet terug te vinden in de Dvd van 2002. Ik vermoed dat
het hierbij gaat om bedrijven die verhuisd zijn vanuit het buitenland naar België na 2001 en
dus niet in de dvd van 2002 zitten maar wel in die van 2009. Andere mogelijkheden zijn
fusies en overnames of gewoon fouten in de dvd. Wat me opvalt tijdens het bekijken van de
gegevens is dat de opgegeven oprichtingsdatum van tientallen ondernemingen uit de dataset
met enkele maanden verschilt tussen beide Bel-first Dvd‟s. Dit is wellicht te wijten aan een
wijziging in het Belgisch ondernemingsrecht, doch, heeft verder geen gevolgen voor dit
onderzoek.
Omdat ik wil voorkomen dat de resultaten van dit werk beïnvloed worden door zeer kleine
micro-ondernemingen controleer ik de 313 overgebleven ondernemingen handmatig op hun
aantal werknemers. Als voorwaarde stel ik voorop dat een onderneming over de periode van
15 jaar gemiddeld meer dan 1 persoon moet tewerkstellen. In deze stap vallen 137
ondernemingen af. Hierbij bevinden zich ook enkele bedrijven waarvan cruciale gegevens van
meer dan 3 boekjaren, of 20% van de gegevens, ontbreken. Op die manier houd ik een dataset
over van 176 ondernemingen.
Van deze bedrijven wil ik weten hoe hun slack niveau evolueert ten opzichte van het
gemiddelde niveau van de industrie waarin de onderneming zich bevindt. Hiervoor groepeer
ik de ondernemingen in verschillende categorieën volgens hun respectievelijke NACEBEL-
code. Omdat er in 2003 een wijziging heeft plaats gevonden in de indeling van de codes ben
ik genoodzaakt een keuze te maken omtrent de versie die ik gebruik. Ik kies ervoor om de
oude indeling voor de hele periode van 15 jaar. Het is belangrijk deze consistentie in te
bouwen omdat mij is opgevallen dat vele bedrijven die op het niveau van 1 cijfer tot eenzelfde
groep hoorden in de oude indeling niet meer samen horen in de nieuwe indeling. De keuze
voor de oude indeling ligt voor de hand aangezien dit de enige mogelijke indeling is in de
Dvd van 2002 en er in de databank van 2009 keuze is uit beiden. Als laatste opmerking
omtrent de NACEBEL-code kan men argumenteren dat ondernemingen gegroepeerd onder 1
16
categorie economisch gezien niet noodzakelijk op elkaar lijken. Wanneer men de
verschillende categorieën op het niveau van 2 cijfers bekijkt kan men namelijk zien dat de
activiteiten toch vaak zeer uiteenlopend zijn. Wellicht is het dus mogelijk om groeperingen te
maken waarin de opgenomen bedrijven beter met elkaar overeenstemmen inzake
economische kenmerken en evoluties van slack.
In een eerste stap groepeer ik de ondernemingen a.d.h.v. het eerste cijfer van hun NACEBEL-
code. Hieronder in Tabel 1. vindt u de indeling die daaruit volgt. Meteen valt op dat er in
categorie 5 veel meer ondernemingen zijn dan in de andere categorieën. Daarom heb ik de 72
ondernemingen van categorie 5 verder opgedeeld tot op het niveau van het tweede cijfer uit de
NACEBEL-code. Ook deze verdeling vindt u hieronder.
Tabel 2. Aantal ondernemingen per industrie.
NACEBEL-code Aantal NACEBEL-code 5 Aantal
0 1 50 8
1 10 51 27
2 17 52 25
3 3 53 0
4 29 54 0
5 72 55 12
6 12
7 26
8 2
9 4
Totaal 176 72
Wanneer al de nodige gegevens van de 176 ondernemingen verzameld zijn is het nog nodig
de gemiddelde slack niveaus van de tien verschillende industrieën te bepalen. Hiervoor moest
ik de algemene schuldgraad (x) en de liquiditeitsratio in enge zin van alle bedrijven in de
industrieën uit Bel-first te halen. U ziet dat er zich in de categorieën 0, 3, 8, 9, 53 en 54 slechts
maximum vier bedrijven bevinden. Vanwege de lange laadtijden kies ik ervoor om deze
ondernemingen uit de steekproef te laten. Op deze manier vallen er 10 ondernemingen af en
blijft er een totaal van 166 bedrijven, gegroepeerd onder 9 verschillende NACEBEL-codes,
over.
17
Om al de nodige gemiddelden te bekomen selecteerde ik enkel de Besloten Vennootschappen
met Beperkte Aansprakelijkheid en de Naamloze Vennootschappen. Als gevolg van de grote
hoeveelheid bedrijven, in sommige industrieën meer dan dertigduizend, en de daarbij horende
laadtijden zag ik mezelf genoodzaakt een eenvoudige steekproef te nemen van de
ondernemingen in elke industrie. Bel-first laat toe om bedrijf 1 t.e.m. X te selecteren. Hierbij
is bedrijf 1 die onderneming die alfabetisch gezien op de eerste plaats komt (bv. AAA N.V.).
Ik zorgde ervoor dat ik van alle bedrijven uit een bepaalde NACEBEL-code minstens 25% én
minstens 5000 ondernemingen had. Bij een industrie van 30 000 ondernemingen levert dit dus
een steekproef op van de eerste 7500 alfabetisch geordende ondernemingen. Bij een industrie
met 10 000 ondernemingen ontstaat er een steekproef van 5000. Deze methode zorgt
nauwelijks voor kader- of steekproeffouten aangezien we er vanuit mogen gaan dat er geen
significant noch relevant verband bestaat tussen de eerste letter van de naam van een
onderneming en haar economische kenmerken.
Uit deze duizenden gegevens werden vervolgens de gemiddelde algemene schuldgraad (x) en
acid test per jaar en per industrie bepaald. Hierna was het mogelijk om de gegevens van de
individuele ondernemingen in de dataset aan te passen aan de industrie waarin zij zich
bevindt. Zo wordt er gecorrigeerd voor schommelingen in de algemene economie of de
economische situatie in een industrie. Het is bijvoorbeeld ook mogelijk dat wijzigingen in de
rechtspraak ervoor zorgen dat in bepaalde industrieën veranderingen komen die een invloed
hebben op de financiële buffers. Hiermee geen rekening houden zou ervoor kunnen zorgen
dat er verkeerde uitspraken worden gedaan over de evolutie van slack. Bij de meeste
industrieën zie ik een lichte stijging van de liquiditeit in enge zin over de jaren heen. Van de
algemene schuldgraad (x) kan ik het omgekeerde zeggen.
Verder is het belangrijk in Bel-first het verschil te zien tussen een ontbrekende waarde, zijnde
een leeg vak, en een nulwaarde. Wanneer ik de jaren 1999, 2000 en 2001 uit beide dvd‟s met
elkaar vergelijk valt me op dat deze vaak door elkaar gebruikt worden. Al de nulwaarden in
de dataset worden door mij gecontroleerd. Elke nulwaarde bij de algemene schuldgraad (x)
wordt aanschouwd als een ontbrekende waarde omdat het, afgezien van het oprichtingsjaar,
weinig waarschijnlijk is dat een onderneming een totaal vreemd vermogen van nul heeft.
Omdat dit voor de acid test iets minder onwaarschijnlijk is bekijk ik de jaren voor en na de
nulwaarde om te controleren of deze nul enigszins in lijn ligt met de overige jaren.
18
4. Resultaten
Alle analyses die volgen zijn gemaakt m.b.v. de computerprogramma‟s SPSS_16 en
SAS_9_1_3. Bij het gebruik van SAS hanteerde ik voornamelijk cursussen en het internet om
de juiste syntax te bekomen.
4.1 Descriptieve analyse
Iedere data analyse hoort te beginnen met een descriptieve analyse. Dit is ook bij een
longitudinale studie het geval. Deze analyse zal vanwege de longitudinale aard van het
onderzoek overwegend grafisch en intuïtief zijn.
Om een eerste inzicht te krijgen in de spreiding van beide soorten slack in elk jaar van de
geobserveerde periode, maak ik de nodige boxplots. Wanneer ik dit doe voor de aan elke
industrie aangepaste waarde voor slack bekom ik echter een onleesbaar instrument. Dit komt
door de extreme uitschieters van soms meer dan twintig maal de interkwartielafstand boven
het maximum. Om hier een oplossing voor bieden zou men alle extreme waarden uit de
steekproef kunnen verwijderen. Ik kies er evenwel voor om alle uiterste waarden terug te
brengen naar het 5e en 95
e percentiel. Hierdoor gaan de gegevens niet zomaar verloren.
Wanneer ik vervolgens nogmaals een boxplot opstel voor beide soorten slack en daarvoor de
aangepaste waarden gebruik, bekom ik het volgende.
Figuur 1. Boxplot van High Discretion Slack over 15 jaar.
19
Wat meteen opvalt bij de gegevens voor High discretion slack in Figuur 1. is dat na 15 jaar
minstens driekwart van de ondernemingen er niet in slaagt om een liquiditeit te bekomen die
even hoog is als het gemiddelde niveau van haar totale industrie. Het is ook duidelijk dat de
gegevens naarmate de tijd verloopt, verder uiteen liggen. Vooral dan het aantal uitschieters
neemt aanzienlijk toe. Verder valt er uit deze eerste plot over de evolutie van high discretion
slack helaas weinig te vertellen dat in overeenstemming is met mijn vooropgestelde
hypothesen.
Figuur 2. Boxplot van Low Discretion Slack over 15 jaar.
In Figuur 2. merk ik vooreerst een tegenovergestelde trend in uitschieters en spreiding op dan
gezien in Figuur 1. Naarmate de jaren vorderen centreren de waarden zich dichter rond de
mediaan. Over de evolutie kan gezegd worden dat de minima zo goed als ongewijzigd blijven,
enkel hogere waarden dalen. Merk op dat een daling in onze variabele voor Low discretion
slack een stijging betekent voor deze vorm van buffer. Een lagere algemene schuldgraad
betekent immers dat de managers van dat bedrijf eenvoudiger toegang kunnen krijgen tot
additionele schuldfinanciering.
In beide boxplots moet men de waarden onder de nul niet interpreteren als een te kort aan
middelen of negatieve buffer. De nullijn staat namelijk voor de gemiddelde waarde in de
gehele industrieën. Juister is het om de waarden onder nul te zien als een negatieve afwijking
ten opzichte van het gemiddelde van een industrie. Graag wil ik benadrukken dat dit de enige
waarde is die met een gemiddelde te maken heeft. We werken immers met boxplots waarin
20
enkel de spreiding van effectieve waarden per jaar te zien is samen met de respectievelijke
kwartielen.
Een opsplitsing volgens rechtsvorm levert ons, wat betreft de boxplot voor High discretion
slack iets meer duidelijkheid op. Als we in Figuur 3. kijken naar de evolutie van de waarden
tussen het 1e en 3
e kwartiel over de tijd bij de Besloten Vennootschappen met Beperkte
Aansprakelijkheid, zien we toch een initiële daling gevolgd door een stijging tot op een
bepaald niveau. Dit pleit in het voordeel van hypothese 1 en 2. Te verwachten valt dat het
niveau waarop slack zich op lange termijn volgens hypothese 2 zal stabiliseren, gelijk zal zijn
aan de gemiddelde waarde van slack binnen de industrie. Dit niveau wordt in de boxplots
aangegeven door de nullijn. In Figuur 3. wordt deze verwachting echter niet volledig
ondersteund.
Figuur 3. Boxplot van High Discretion Slack over 15 jaar per rechtsvorm.
De opsplitsing per rechtsvorm brengt wat betreft Low Discretion Slack weinig extra
informatie met zich mee. In zowel Figuur 3. als Figuur 4. valt op te merken dat de minima en
maxima bij de B.V.B.A.‟s doorgaans verder van elkaar liggen dan bij de N.V.‟s. Dit wijst op
een grotere diversiteit onder B.V.B.A.‟s wat naar mijn mening in lijn ligt met de
werkelijkheid.
21
Figuur 4. Boxplot van Low Discretion Slack over 15 jaar per rechtsvorm.
Omdat we in de longitudinale analyse een geschikt model willen gebruiken voor het
modelleren van de verwachte slack-waarden, is het belangrijk om na te gaan of onze
variabelen voor slack normaal verdeeld zijn. Dit kan in de eerste plaats door het plotten van
histogrammen voor beide variabelen. Via SAS is het perfect mogelijk deze histogrammen met
bijhorende curven te bekomen, alsook de waarde van enkele kritieke factoren zoals skewness
(scheefheid) en kurtosis (piekvorming). Hieronder zal ik steeds de eerste en de laatste jaren
van de geobserveerde periode bespreken3.
In Figuur 5. ziet u de histogrammen voor high discretion slack in de eerste vier jaar van de
geobserveerde periode. Er valt enkel in het eerste jaar een verdeling op te merken die voldoet
aan de voorwaarden voor normaliteit. In jaar 2 wijken de waarden meer af van de
normaalverdeling om over de jaren heen te komen tot de situatie in Figuur 6. In de laatste drie
jaren van de geobserveerde periode is er nauwelijks nog sprake van een normaal verdeling.
Juister is het om in de laatste jaren de spreken van een rechts scheve verdeling. Dit was ook
al enigszins te zien in Figuur 1 en 3. Er valt uiterst rechts elk jaar een blok van ongeveer vijf
ondernemingen op te merken. Dat is het gevolg van de terugbrenging van extreme uitschieters
tot het 95e percentiel.
3 Histogrammen van de tussenliggende jaren vindt u terug in de bijlagen.
22
Figuur 5. Verdeling van High Discretion Slack in de eerste 4 jaar.
Figuur 6. Verdeling van High Discretion Slack in de laatste 3 jaar.
Wanneer ik in SPSS de Normal Q-Q plots bekijk wordt de hiervoor beschreven evolutie
wederom bevestigd. De gegevens van 1994 liggen op een aanvaardbaar rechte lijn, die van
2008 duidelijk niet. De afwijking van ieder punt t.o.v. de verwachte rechte lijn in de Normal
Q-Q plot wordt weergegeven in Figuur 8, de Detrended Normal Probability Q-Q Plot. Daar
zien we voor het jaar 2008 een overduidelijke trend in afwijkingen.
23
Figuur 7. Normal Q-Q plot van de variabele High Discretion Slack.
Figuur 8. Detrended Normal Q-Q plot van de variabele High Discretion Slack.
Wanneer we een model wensen op te stellen waarin een opsplitsing gebeurt tussen B.V.B.A.‟s
en N.V.‟s is het belangrijk ook de normaliteit voor beide rechtsvormen apart te controleren.
Het is immers mogelijk dat beide rechtsvormen een niet normale verdeling verdoezelen
waardoor de normaliteit van het geheel er beter uitziet dan in werkelijkheid het geval is. De
opsplitsing per rechtsvorm levert uiteindelijk eenzelfde conclusie op omtrent normaliteit.4 Er
kan echter wel gezegd worden dat de gegevens van de N.V.‟s de normaliteit iets beter
benaderen dan de gegevens van de B.V.B.A.‟s.
Bij de gegevens voor low discretion slack is de situatie nog veel verontrustender. De gegevens
vormen een duidelijke rechts-scheve verdeling, bevestigd door o.a. een sterk positieve
skewness5.
4 De nodige histogrammen en plots werden ter illustratie opgenomen in de bijlagen.
5 Ook hiervan vindt u de nodige plots terug in de bijlagen.
24
4.2 Longitudinale analyse
Hoewel een analyse van de evolutie der gemiddelden doorgaans bij de descriptieve analyse
wordt gedaan, kies ik ervoor deze analyse in dit deel te doen. Op die manier is er een
duidelijke link met de gemodelleerde verwachte waarden voor slack.
Via SAS bekomen we de figuren 9 t.e.m. 12. In Figuur 9. laat ik het programma zelf de “best
fit” bepalen via “INTERPOL=spline”. Deze grafiek spreekt nauwelijks in het voordeel van de
vooropgestelde hypothesen. Er is een zeer licht stijgende trend, maar wat vooral opvalt is dat
het niveau van high discretion slack over het algemeen hoger is bij de B.V.B.A.‟s in de
dataset. Vooral vanaf het 6e jaar ontwikkeld zich duidelijk een verschil. Merk op dat 6 jaar de
periode is waarna de liabilties of adolescence door de literatuur als voorbij wordt geacht
(Brüderl & Schüssler, 1990).
Figuur 9. Evolutie van het gemiddelde High Discretion Slack per rechtsvorm volgens “best fit”. 0 = B.V.B.A.
en 1 = N.V.
Omdat ik in de hypothesen een kubische evolutie vooropstel, laat ik SAS ook dezelfde
waarden zo goed mogelijk benaderen door een derdegraadsvergelijking. Het resultaat hiervan
ziet u in Figuur 10. De waargenomen evolutie tussen jaar 3 en jaar 12 komt wat betreft
buigpunten overeen met Hypothese 2. De daling van de grafiek op het einde van de
geobserveerde periode is misschien te verklaren door het feit dat ondernemingen op dergelijke
leeftijd last beginnen ondervinden van liabilities of obsolescence. Om te vernieuwen en hun
25
originele plannen up to date te brengen, hebben de ondernemingen immers middelen nodig.
Mijn vermoeden is dan ook dat deze terugval in slack slechts een periode van enkele jaren
beslaat en gevolgd wordt door een stijging tot aan het industriegemiddelde. Om dit
vermoeden te bevestigen is echter onderzoek nodig dat een langere termijn analyseert.
Hetgeen vooropgesteld in Hypothese 1 wordt in Figuur 10. duidelijk niet bevestigd.
Figuur 10. Evolutie van het gemiddelde High Discretion Slack per rechtsvorm “cubic fit”. 0 = B.V.B.A. en
1 = N.V.
De zelfde werkwijze wordt toegepast bij de variabele voor low discretion slack. We zien een
daling van onze variabele over de eerste 10 jaar gevolgd door een stabilisatie voor beide
rechtsvormen. Merk nogmaals op dat low discretion slack dus een tegenovergestelde evolutie
doormaakt. Hiervoor spiegelt men de grafiek denkbeeldig ten opzichte van de nullijn.
Wanneer we vervolgens de verschillende punten zo goed mogelijk proberen te benaderen
door een derdegraadsvergelijking (Figuur 12.) valt op dat vooral de evolutie bij de B.V.B.A.‟s
voldoet aan de verwachtingen van Hypothese 3. Slack heeft hier eerst een toenemende
stijging en evolueert vervolgens na het buigpunt verder met afnemende stijging. Bij de N.V.‟s
neemt de evolutie eerder de vorm aan van een tweedegraadsvergelijking. Wat ook opvalt is
dat de algemene schuldgraad ver onder de industriegemiddelden ligt. Dat betekent dat beide
vormen van slack in onze geobserveerde periode na 15 jaar boven de industriegemiddelden
zitten.
26
Figuur 11. Evolutie van het gemiddelde Low Discretion Slack per rechtsvorm “best fit”. 0 = B.V.B.A. en
1 = N.V.
Figuur 12. Evolutie van het gemiddelde Low Discretion Slack per rechtsvorm “cubic fit”. 0 = B.V.B.A. en
1 = N.V.
27
Voor het voorspellen van de verwachte waarden wil ik gebruik maken van het Linear Mixed
Model. Met dit model zal ik in SAS een vergelijking trachten op te stellen voor de verwachte
waarden van Slack. Dit model is lineair in de parameters maar toch geschikt voor niet-lineaire
groeicurven.
De vergelijking heeft standaard de volgende vorm:
E(Yij) = B1 + B2tij
Omdat ik in de Hypothesen een kubische relatie vooropstel wordt de vergelijking in dit geval:
E(Yij) = B1 + B2tij + B3tij2 + B4tij
3
Hierbij zijn B1 tot B4 de te schatten coëfficiënten. Merk op dat in deze vergelijkingen geen
sprake is van residuen. Dit komt doordat we verwachte curven opstellen die moeten gelden
voor de gehele populatie. Wanneer men een gehele populatie in rekening brengt is er totaal
gezien geen afwijking tot de verwachte curve.
Het is belangrijk te weten dat enkel de hoogste term van de vergelijking interpreteerbaar is.
Men hoort de hoogste term te controleren op significantie en wanneer significant bevonden
moeten alle lagere termen in het model blijven, ongeacht hun significantie. Is de hoogste term
niet significant dan wordt hij uit het model verwijderd en test met de 2e hoogste term.
Een voordeel van LMM is dat het geschikt is voor een dataset met ontbrekende waarden. Ook
voor ongebalanceerde data is LMM uiterst geschikt. Een voorwaarde voor het gebruik van
LMM is echter wel dat de afhankelijke variabele, de variabele waarvoor de waarden geschat
worden, normaal verdeeld is. Zoals we konden zien in de descriptieve analyse is dit voor
zowel voor high als low discretion slack bezwaarlijk het geval.
De oplossing die ik toepas om dit probleem op te lossen is de zogeheten logaritmische
transformatie. Hierbij neem ik van elke waarde voor high en low discretion slack het
natuurlijke logaritme met grondtal e. Omdat er enorm veel negatieve waarden in de dataset
zitten, moet ik alle waarden eerst verhogen met een constante. Ik kijk naar de meest negatieve
waarden en besluit om alle waarden voor high discretion slack te verhogen met 2.5 en alle
waarden voor low discretion slack met 5.5.
28
Vervolgens kijk ik naar de gevolgen van deze transformatie op de verdeling van de gegevens.
Uit de histogrammen en Q-Q plots leren we dat de situatie enorm verbeterd is. Vooral voor de
N.V.‟s. Volgens de Kolmogorov-Smirnov test is de verdeling bij high discretion slack slechts
in enkele jaren verdeeld. Bij low discretion slack is er in bijna elk jaar een normale verdeling.
Wanneer we daarenboven de vuistregel volgen die zegt dat men mag veronderstellen dat een
verdeling normaal is als de skewness tussen -0.8 en +0.8 ligt en de kurtosis tussen -3 en +3,
dan kunnen we zeggen dat we geen grote fout maken door onze gegevens als normaal
verdeeld te beschouwen. We gaan dan ook verder met het LMM.
Omdat tijdens de analyse van de werkelijk waargenomen gemiddelden enkele interessante
dingen aan het licht gekomen zijn omtrent het verschil tussen B.V.B.A.‟s en N.V.‟s, blijf ik
verder werken met een opsplitsing van beide rechtsvormen. Via PROC MIXED en de juiste
syntax bekomen we het model voor high discretion slack dat u ziet in Tabel 2.
Tabel 2. Coëfficiënten voor de verwachte waarden van High Discretion Slack.
29
Voor B.V.B.A.‟s levert dit de volgende vergelijking op:
E(High Disc. Slack) = 0.3685 + 0.1297 – 0.00909 ti – 0.03334 ti + 0.007161 ti2 +
0.007533 ti2 – 0.00046 ti
3 – 0.00033 ti
3
= 0.4982 – 0.04243 ti + 0.014694 ti2 – 0.00079 ti
3
Voor de N.V.‟s:
E(High Disc. Slack) = 0.3685 – 0.00909 t + 0.007161 ti2 – 0.00046 ti
3
Het heeft uiteraard geen enkele zin een waarde in te vullen voor t aangezien we nog steeds
met een relatief gegeven werken. Slack wordt hier niet in absolute maatstaven uitgedrukt,
enkel evoluties zijn relevant. Zoals reeds aangegeven moet men steeds de significantie van de
hoogste term controleren. De coëfficiënt die bij „JAAR*JAAR*JAAR‟ hoort is duidelijk
significant en zegt dus dat de verwachte evolutie wel degelijk van de derde graad is. De
coëfficiënt bij „JAAR*JAAR*JAAR*RECHT‟ daarentegen is volgens het 5% significantie
niveau niet significant. Omdat deze wel nog significant is voor een significantieniveau van
10% lijkt het mij onnodig deze variabele te verwijderen uit het model. Nu de hoogste termen
als significant aanschouwd worden moeten alle overige, lagere termen ongeacht het
significantie in het model blijven.
Vervolgens plotten we in SAS de verwachte grafiek. De zwarte bolletjes zijn de werkelijk
waargenomen gemiddelden van de N.V.‟s. Alle conclusies rond het al dan niet verwerpen van
hypothesen worden in Figuur 13. bevestigd. We zien geen initiële daling zoals verwacht in
Hypothese 1 en ook van de stabilisatie in Hypothese 2 is niet bepaald sprake. Let wel dat de
steilheid van de grafiek erg afhangt van de schaalverdeling. Het lijkt immers alsof er een
sterke daling is op het einde van de periode. Wanneer we echter deze grafiek horizontaal
uitrekken lijkt het meer op een stabilisatie. Ik blijf het idee van de liabilities of obsolescence
vooropstellen als mogelijke verklaring voor de daling.
30
Figuur 13. Grafische voorstelling van verwachte en werkelijk geobserveerde gemiddelde waarden voor High
Discretion Slack per rechtsvorm. 0=B.V.B.A.’s en 1=N.V.’s.
Daarna gaan we op dezelfde manier te werk voor low discretion slack. De vergelijking
worden volgens de zelfde methode opgesteld. Zo bekomen we:
B.V.B.A.: E(Low Disc. Slack) = 1.3103 + 0.0388 ti – 0.014906 ti2 +0.000758 ti
3
N.V.: E(Low Disc. Slack) = 1.9748 -0.1544 ti + 0.006464 ti2 + 0.000019 ti
3
Merk op dat de hoogste termen niet significant zijn (op 5% significantieniveau). Ze mogen
dus uit de vergelijking wegvallen. We zien dat enkel de B.V.B.A.‟s op 10%
significantieniveau een significante variabele hebben. Bij de N.V.‟s is zelfs de coëfficiënt van
de 2e graad niet significant, wat wijst op een eerder rechtlijnige verwachte evolutie. Dit
verschil tussen beide rechtsvormen komt overeen met wat eerder in dit werk werd vastgesteld.
Opmerkelijk bij de grafische analyse van Figuur 14. is dat de kromme voor N.V.‟s plotseling
boven die van de B.V.B.A.‟s komt te liggen. Verder komt hun evolutie overeen met hetgeen
besproken bij Figuur 12.
31
Tabel 3. Coëfficiënten voor de verwachte waarden van Low Discretion Slack.
Figuur 14. Grafische voorstelling van verwachte en werkelijk geobserveerde gemiddelde waarden voor Low
Discretion Slack per rechtsvorm. 0=B.V.B.A.’s en 1=N.V.’s.
32
5. Conclusie
Samenvattend kan als eerste gezegd worden dat Hypothese 1 wordt verworpen. Niets wijst in
de richting van een initiële daling. Hier merk ik graag op dat de vooropgestelde evolutie in
hypothese 1 misschien wél heel kort voorkomt. De eerste waarde die we meten voor slack is
immers de waarde die uit de eerste neerlegging van de jaarrekening komt. Het zou interessant
zijn om in de toekomst slack op andere wijzen te gaan meten in het eerste boekjaar. Zo kan je
pas echt rekening houden met de buffer net na oprichting maar vóór elke commerciële
handeling. Dit soort financiële buffer lijkt mij meer geschikt als vertrekpunt in soortgelijke
analyses. Hypothese 2 draagt meer juistheid in zich. Er is ongetwijfeld sprake van een
stijgende trend die zich na een tiental jaren stabiliseert. Om te weten of de daling na 10 jaar
van langere duur is of ze een schommelende beweging maakt, is het nodig om onderzoek te
doen over een langere periode.
De in Hypothese 3 aangegeven evolutie is juist in richting. Over een periode van 15 jaar is er
een duidelijke daling in algemene schuldgraad en dus stijging in low discretion slack. Voor
B.V.B.A.‟s is de manier van stijgen, nl. eerst toenemende stijging en vervolgens afnemend,
het meest waarschijnlijk. Voor N.V.‟s zou ik een 2e graads stijging aannemen. Over het
algemeen valt op dat de gevoelsmatige benadering die in dit werk werd gehanteerd het meest
tot zijn recht kwam bij evoluties van de B.V.B.A.‟s.
Het kan in de toekomst interessant zijn om ook andere denkpistes te volgen dan de drie
liabilities waarover in dit werk voornamelijk gesproken wordt. Zo kan gebruik gemaakt
worden van een model van Porter over de levenscyclus van een onderneming. Dit werd reeds
voorgesteld door Sharfman et al. in 1998. Het zou ook goed zijn om verschillende methoden
om slack te meten, in één onderzoek met elkaar te vergelijken.
Ik hoop dat dit werk een bijdrage kan leveren tot de literatuur in die zin dat ik behoorlijk wat
exploratief onderzoek heb verricht naar de materie. Hopelijk zet dit werk anderen aan om
slack op dezelfde longitudinale wijze te analyseren, als afhankelijke variabele, en niet zoals
doorgaans, als onafhankelijke variabele. Laat dit werk bovenal een hulp zijn aan mensen die
niet goed vertrouwd zijn met het onderwerp en op intuïtieve wijze bepaalde inzichten willen
verwerven want de geest en denkvermogen worden al te vaak door cijfers het zwijgen
opgelegd.
33
6. Referenties
6.1. Artikels
Baker T & Nelson R. (2005) Creating something from nothing: resource construction through
entrepreneurial bricolage, Administrative science quarterly, Vol. 50, Nr. 3, pp. 329-366
Baum J.A.C. (1989) Liabilities of newness, adolescence and obsolescence: exploring age
dependence in the dissolution of organizational relationships and organizations,
Administrative science association of Canada, Nr. 10, pp. 1-10.
Bourgeois L.J. (1981) On the measurement of organizational slack, Academy of management
review, Nr. 6, pp. 29-39
Bourgeois L.J. & Singh J.V. (1983) Organizational slack and political behavior among top
management teams, Academy of management proceedings, pp. 43-49.
Bromiley P. (1991) Testing a causal model of corporate risk taking and performance,
Academy of management journal, Vol. 34, Nr. 1, pp. 37-59.
Brüderl J. & Schüssler R. (1990) Organizational mortality: the liabilities of newness and
adolescence, Administrative science quarterly, Nr. 35, pp. 530-547.
Freeman J., Carroll G.R., Hannan M.T. (1983) The liability of newness: age dependence in
organizational death rates, American sociological review, Vol. 48, Nr. 10, pp. 692-710.
George G. (2005) Slack resources and the performance of privately held firms, Academy of
management journal, Vol. 48, Nr. 4, pp. 661-676.
Hannan M. (1988) Rethinking age dependence in organizational mortality: logical
formalizations, American journal of sociology, Nr. 104, pp. 126-164.
Levinthal D.A. (1997) Adaption on rugged landscapes, Management science, Nr. 43, pp. 934-
950.
Moch M.K. & Pondy L.R. (1977) The structure of chaos: organized anarchy as a response to
ambiguity, Administrative science quarterly, Nr. 22, pp. 351-362.
34
Nohria N. & Gulati R. (1996) Is slack good or bad for innovation?, Academy of management
journal, Vol. 39, Nr. 5, pp. 1245-1264.
Sharfman M.P., Wolf G., Chase R.B., Tansik D.A., (1988) Antecedents of organizational
slack, Academy of management review, Nr. 13, pp. 601-614.
Singh J.V. (1986) Performance, slack and risk taking in organizational decision making,
Academy of management journal, Nr. 29, pp. 562-585.
Singh J.V., Tucker D.J., House R.J. (1986) Organizational legitimacy and the liability of
newness, Administrative science quarterly, Nr. 31, pp. 171-193.
6.2. Boeken
Cyert R. & March J. (1963) A behavioral theory of the firm, Englewood Cliffs, NJ: Prentice-
Hall.
De Pelsmacker P. & Van Kenhove P. (2007) Marktonderzoek: methoden en toepassingen,
Pearson-Prentice Hall.
Ooghe H. & Van Wymeersch C. (2006) Handboek financiële analyse van de onderneming,
Intersentia.
Stinchcombe A.L. (1965) Social structure and organizations, in March J. (Ed.), Handbook of
organizations, pp. 142-193, Chicago: Rand McNally.
Thompson J.D. (1967) Organizations in action, New York: McGraw-Hill.
35
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2009 – 2010
BIJLAGEN
Masterproef voorgedragen tot het bekomen van de graad van
Master in de Toegepaste Economische Wetenschappen
Koen Naudts
onder leiding van
Dr. Tom Vanacker
36
Inhoud
Individuele curven High Discretion Slack…………………………………………..………..37
Individuele curven Low Discretion Slack……………………………………………..……...37
Histogrammen High Discretion Slack. ..................................................................................... 37
Histogrammen Low Discretion Slack. ..................................................................................... 40
Histogrammen High Discretion Slack per rechtsvorm. 0=B.V.B.A en 1=N.V. ...................... 42
Histogrammen Low Discretion Slack per rechtsvorm. 0=B.V.B.A en 1=N.V. ....................... 45
Q-Q plots van High Discretion Slack. ...................................................................................... 47
Detrended Q-Q plots van High Discretion Slack. .................................................................... 50
Q-Q plots van Low Discretion Slack. ...................................................................................... 53
Detrended Q-Q plots van Low Discretion Slack. ..................................................................... 55
Histogrammen High Discretion Slack na transformatie........................................................... 58
Histogrammen Low Discretion Slack na transformatie. .......................................................... 60
Q-Q plots van High Discretion Slack na transformatie. ........................................................... 62
Detrended Q-Q plots van High Discretion Slack na transformatie. ......................................... 63
Q-Q plots van Low Discretion Slack na transformatie. ........................................................... 64
Detrended Q-Q plots van Low Discretion Slack na transformative. ........................................ 65
Kolmogorov-Smirnov test na transformatie: High Discretion Slack…………………………66
Kolmogorov-Smirnov test na transformatie: High Discretion Slack…………………………67
37
Individuele curven High Discretion Slack.
Individuele curven Low Discretion Slack.
38
Histogrammen High Discretion Slack.
39
40
Histogrammen Low Discretion Slack.
41
42
Histogrammen High Discretion Slack per rechtsvorm. 0=B.V.B.A en 1=N.V.
43
44
45
Histogrammen Low Discretion Slack per rechtsvorm. 0=B.V.B.A en 1=N.V.
46
47
Q-Q plots van High Discretion Slack.
48
49
50
Detrended Q-Q plots van High Discretion Slack.
51
52
53
Q-Q plots van Low Discretion Slack.
54
55
Detrended Q-Q plots van Low Discretion Slack.
56
57
58
Histogrammen High Discretion Slack na transformatie.
59
60
Histogrammen Low Discretion Slack na transformatie.
61
62
Q-Q plots van High Discretion Slack na transformatie.
63
Detrended Q-Q plots van High Discretion Slack na transformatie.
64
Q-Q plots van Low Discretion Slack na transformatie.
65
Detrended Q-Q plots van Low Discretion Slack na transformative.
66
Kolmogorov-Smirnov test na transformatie: High Discretion Slack.
Tests of Normality
Jaartal
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
ELEN_Van_Hi_Slack_verho
ogd_met_Cte
1994 ,130 108 ,000 ,918 108 ,000
2 ,094 154 ,002 ,939 154 ,000
3 ,083 165 ,008 ,966 165 ,000
4 ,058 165 ,200* ,970 165 ,001
5 ,057 166 ,200* ,974 166 ,003
6 ,076 166 ,022 ,970 166 ,001
7 ,100 166 ,000 ,933 166 ,000
8 ,076 166 ,021 ,966 166 ,000
9 ,088 166 ,003 ,938 166 ,000
10 ,112 166 ,000 ,935 166 ,000
11 ,105 166 ,000 ,939 166 ,000
12 ,080 166 ,011 ,958 166 ,000
13 ,114 166 ,000 ,951 166 ,000
14 ,074 166 ,029 ,973 166 ,002
2008 ,064 165 ,091 ,969 165 ,001
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
67
Kolmogorov-Smirnov test na transformatie: Low Discretion Slack.
Tests of Normality
Jaartal
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
ELEN_Van_Low_Slack_verh
oogd_met_Cte
1994 ,068 104 ,200* ,972 104 ,025
2 ,050 144 ,200* ,978 144 ,022
3 ,059 150 ,200* ,974 150 ,007
4 ,048 147 ,200* ,973 147 ,005
5 ,048 146 ,200* ,977 146 ,017
6 ,059 155 ,200* ,966 155 ,001
7 ,147 155 ,000 ,869 155 ,000
8 ,066 157 ,095 ,960 157 ,000
9 ,047 158 ,200* ,973 158 ,003
10 ,055 158 ,200* ,969 158 ,001
11 ,052 160 ,200* ,978 160 ,012
12 ,061 160 ,200* ,977 160 ,009
13 ,047 158 ,200* ,979 158 ,016
14 ,043 157 ,200* ,983 157 ,045
2008 ,058 157 ,200* ,976 157 ,007
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
