universiteit gent faculteit economie en...
TRANSCRIPT
I
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2010 – 2011
Audithonoraria en auditor switches
Masterproef voorgedragen tot het bekomen van de graad van
Master in de Toegepaste Economische Wetenschappen
Elien Meulewaeter
Kimberley Van Osselaer
onder leiding van
Prof. Dr. Ignace De Beelde
Assistent Xavier Walthoff-Borm
II
III
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2010 – 2011
Audithonoraria en auditor switches
Masterproef voorgedragen tot het bekomen van de graad van
Master in de Toegepaste Economische Wetenschappen
Elien Meulewaeter
Kimberley Van Osselaer
onder leiding van
Prof. Dr. Ignace De Beelde
Assistent Xavier Walthoff-Borm
I
PERMISSION
Ondergetekenden verklaren dat de inhoud van deze masterproef mag geraadpleegd en/of
gereproduceerd worden, mits bronvermelding.
Elien Meulewaeter
Kimberley Van Osselaer
II
WOORD VOORAF
Deze masterproef draagt de titel „Audithonoraria en auditor switches‟. We hebben dit
onderwerp gekozen omdat we zeer sterk geïnteresseerd zijn in het auditdomein. Met ons
onderzoek willen we bovendien een bijdrage leveren tot de internationale literatuur over
auditor switches en audithonoraria.
Naar aanleiding van de recente kritieken in de richting van de Big 4 (De Tijd, 2010), deden
we graag een onderzoek naar de mogelijke invloed van auditor switches op audithonoraria.
We zijn zelf zeer nieuwsgierig naar het al dan niet bestaan van fenomenen zoals low-balling
en price-cutting in België. Aangezien er tot dusver nog geen bewijs geleverd werd voor het
bestaan ervan, hebben we besloten om hierin meer inzicht te verwerven. Aan de hand van
ons onderzoek hebben we dan ook zeer veel geleerd over de structuur en de dynamiek in de
Belgische auditmarkt.
Wij willen dan ook zeer graag onze dank uiten aan onze promotor, Prof. Dr. I. De Beelde, en
zijn assistent Xavier Walthoff-Borm voor hun hulp bij de opbouw van onze masterproef. Ook
Bilitis Schoonjans zijn wij zeer dankbaar voor haar hulp bij de panel data regressies.
Tenslotte willen wij nog zeer graag onze ouders, vrienden en alle andere mensen bedanken
die direct of indirect geholpen hebben. Wij zijn er zeker van dat hun hulp ervoor gezorgd
heeft dat we deze masterproef tot een goed einde hebben kunnen brengen.
III
Inhoudsopgave PERMISSION ......................................................................................................................... I
WOORD VOORAF ................................................................................................................ II
Inhoudsopgave ......................................................................................................................III
Gebruikte afkortingen ............................................................................................................ V
Lijst van tabellen ................................................................................................................... VI
Lijst van figuren ................................................................................................................... VII
1. Inleiding ......................................................................................................................... 1
2. Literatuurstudie .............................................................................................................. 3
2.1 Auditor switches ...................................................................................................... 3
2.1.1 Determinanten van auditor switches ................................................................. 3
2.1.2 Trends in auditor switches ................................................................................ 7
2.2 Audithonoraria ......................................................................................................... 7
2.2.1 Een overzicht van de internationale literatuur ................................................... 7
2.2.2 Generieke determinanten van audithonoraria ................................................... 8
2.2.3 Bijkomende determinanten van audithonoraria................................................11
2.2.4 Trends in audit fees .........................................................................................13
2.3 Auditor switches en audithonoraria .........................................................................15
2.3.1 Een overzicht van de internationale literatuur .....................................................15
2.3.2 Auditor switches en audithonoraria in België ...................................................18
3. Hypothesen, regressiemodellen en onderzoeksmethodiek ...........................................20
3.1 Hypothesen ............................................................................................................20
3.2 Regressiemodellen.................................................................................................22
3.2.1 Controlevariabelen ..........................................................................................22
3.2.2 Experimentele variabelen ................................................................................25
3.2.3 Regressiemodellen .........................................................................................25
3.3 Onderzoeksmethodiek ...........................................................................................26
4. Data ..............................................................................................................................28
5. Regressie-analyse ........................................................................................................30
5.1 Descriptieve statistiek .............................................................................................30
5.2 Assumpties ............................................................................................................34
5.3 Regressieresultaten ...............................................................................................37
5.3.1 Invloed van een auditor switch op het audithonorarium (model 1) ...................37
5.3.2 Specifieke switch-variabelen en hun invloed op het audithonorarium (model 2) …………………………………………………………………………………………39
5.3.3 Het bestaan van een Big 4/Mid Tier premium ..................................................41
5.3.4 Auditor switches en non-audithonoraria (model 3) ..........................................41
5.3.4 Regressie-analyses per jaar (model 1 en 2) ....................................................43
6. Sensitiviteitstesten ........................................................................................................45
IV
6.1 Omzet als onafhankelijke variabele ........................................................................45
6.1.1 Pooled data en panel data...............................................................................45
6.1.2 Regressie-analyse per jaar..............................................................................46
6.2 Gebalanceerd panel ...............................................................................................47
6.2.1 Pooled data en panel data...............................................................................47
6.2.2 Regressie-analyse per jaar..............................................................................47
7. Bespreking van de resultaten .......................................................................................48
8. Conclusie ......................................................................................................................55
9. Beperkingen en richtlijnen voor verder onderzoek ........................................................56
10. Bibliografie ............................................................................................................... VIII
11. Bijlagen ..................................................................................................................... XII
V
Gebruikte afkortingen
AVA = Algemene vergadering der aandeelhouders
OLS = Ordinary Least Squares
LSDV model = Least-Squares Dummy Variable model
ROA = Return on Assets
IBR = Instituut der Bedrijfsrevisoren
LN(AUD+NONAUD) = De natuurlijke logaritme van de som van audit- en non-audithonoraria
B4B4 = Dummy-variabele die een switch tussen Big 4 auditkantoren specificeert
B4NB4 = Dummy-variabele die een switch van een Big 4 auditkantoor naar een Non-Big 4
auditkantoor specificeert
NB4B4 = Dummy-variabele die een switch van een Non-Big 4 auditkantoor naar een Big 4
auditkantoor specificeert
NB4NB4 = Dummy-variabele die een switch tussen Non-Big 4 auditkantoren specificeert
LNTA = De natuurlijke logaritme van het totaal der activa
LNOM = De natuurlijke logaritme van de omzet
VORDTA = De ratio handelsvorderingen op het totaal der activa
VOORTA = De ratio voorraden op het totaal der activa
LIQ = Liquiditeitsratio: Vlottende activa/Vreemd vermogen op korte termijn
SOLV = Solvabiliteit: Eigen vermogen/Totaal vermogen
SQRDOCHTER = De vierkantswortel van het aantal dochterondernemingen
VERLIESDUMM = Dummy-variabele die specificeert of de onderneming al dan niet
verlieslatend is
AFSLUIT = Dummy-variabele die specificeert wanneer het boekjaar afgesloten wordt
BEURS = Dummy-variabele die specificeert of de onderneming al dan niet beursgenoteerd is
VI
Lijst van tabellen
Tabel 1: Determinanten van audithonoraria ..........................................................................14
Tabel 2: Definitie van de gebruikte variabelen ......................................................................27
Tabel 3: Verdeling van switches (ongebalanceerd panel) .....................................................30
Tabel 4: Beschrijvende statistiek 2007 (ongebalanceerd panel) ...........................................31
Tabel 5: Beschrijvende statistiek 2008 (ongebalanceerd panel) ...........................................32
Tabel 6: Beschrijvende statistiek 2009 (ongebalanceerd panel) ...........................................32
Tabel 7: Beschrijvende statistiek dummy-variabelen (ongebalanceerd panel) ......................33
Tabel 8: Correlatiematrix ......................................................................................................35
Tabel 9: Regressiemodel 1: pooled OLS en Fixed Effects model met SWITCH-variabele ....38
Tabel 10: Regressiemodel 2: pooled OLS en Fixed Effects model met specifieke switch-
variabelen .............................................................................................................................40
Tabel 11: Model 3: Invloed van een auditor switch op het non-audithonorarium ...................42
Tabel 12: Mann-Whitney U-test (evolutie audit fees) ........................................................... XII
Tabel 13: Verdeling van switches (gebalanceerd panel) ...................................................... XII
Tabel 14: Beschrijvende statistiek 2007 (gebalanceerd panel) ............................................ XII
Tabel 15: Beschrijvende statistiek 2008 (gebalanceerd panel) ........................................... XIII
Tabel 16: Beschrijvende statistiek 2009 (gebalanceerd panel) ........................................... XIII
Tabel 17: Beschrijvende statistiek dummy-variabelen (gebalanceerd panel) ...................... XIII
Tabel 18: Voorbeeld Variance Inflation Factors (pooled data) ............................................ XIV
Tabel 19: Voorbeeld test Heteroscedasticiteit (pooled data) ............................................... XIV
Tabel 20: Voorbeeld Hausman-Test (panel data) ................................................................ XV
Tabel 21: Bijkomende onafhankelijke variabele: LNNONAUD ............................................ XVI
Tabel 22: Mann-Whitney U-test (evolutie non-audit fees) ................................................... XVI
Tabel 23: Regressieresultaten 2007 met LNTA (ongebalanceerd panel) .............................. VI
Tabel 24: Regressieresultaten 2008 met LNTA (ongebalanceerd panel) ............................. VII
Tabel 25: Regressieresultaten 2009 met LNTA (ongebalanceerd panel) ............................ VIII
Tabel 26: Regressiemodel 1 met SWITCH-variabele en LNOM ........................................... IX
Tabel 27: Regressiemodel 2 met specifieke switch-variabelen en LNOM .............................. X
Tabel 28: Regressieresultaten 2007 met LNOM ................................................................... XI
Tabel 29: Regressieresultaten 2008 met LNOM .................................................................. XII
Tabel 30: Regressieresultaten 2009 met LNOM ................................................................. XIII
Tabel 31: Regressiemodel 1 met SWITCH-variabele (gebalanceerd panel) ....................... XIV
Tabel 32: Regressiemodel 2 met specifieke switch-variabelen (gebalanceerd panel) .......... XV
Tabel 33: Regressieresultaten 2007 (gebalanceerd panel) ................................................. XVI
Tabel 34: Regressieresultaten 2008 (gebalanceerd panel) ................................................ XVII
Tabel 35: Regressieresultaten 2009 (gebalanceerd panel) ............................................... XVIII
VII
Lijst van figuren
Figuur 1: Voorbeeld test normaliteit: Jarcque-Bera (pooled data) ....................................... XIV
1
1. Inleiding
Het doel van deze studie is nagaan in hoeverre een auditor switch een impact heeft op het
vastgelegde audithonorarium in België. In het licht van de recente bezorgdheid omtrent de
bikkelharde prijsconcurrentie tussen auditkantoren (De Tijd, 2010) is het interessant om te
onderzoeken in welke mate de audithonoraria voor een initiële auditopdracht afwijken van de
bezoldigingen die betaald werden aan de vorige auditor. Hierbij zal voornamelijk aandacht
besteed worden aan fenomenen zoals low-balling en price-cutting. Het is immers mogelijk
dat, ondanks de hogere opstartkosten in het eerste jaar van de audit, het audithonorarium
beneden het gangbare niveau ligt of dat het zelfs lager ligt dan alle kosten die gemaakt
moeten worden om de audit uit te voeren. Zo werd er volgens de geruchten een grote
Belgische beursgenoteerde onderneming weggekaapt van een concurrerend Big 4
auditkantoor door een korting van 50% toe te kennen op het audithonorarium (De Tijd,
2010).
De meest geciteerde reden voor eerder onderzoek omtrent auditor switches en de invloed
hiervan op het honorarium, is de mogelijke bedreiging van de onafhankelijkheidsvereiste
indien fenomenen zoals low-balling en price-cutting zich voordoen. Ook de kwaliteit van de
audit zou hierdoor ondermijnd kunnen worden.
Een auditor switch zal in deze paper gedefinieerd worden als een externe rotatie van auditor.
Het aanstellen van een nieuwe auditor die behoort tot hetzelfde auditkantoor voldoet dus niet
aan deze definitie. Er zal in deze studie ook geen onderscheid gemaakt worden naargelang
het type switch. Aangezien informatie omtrent de exacte reden van de switch niet altijd
beschikbaar is, zullen zowel vrijwillige als gedwongen switches in de steekproef opgenomen
worden.
De reden waarom deze paper het bestaan van price-cutting in België zal onderzoeken, ligt in
het feit dat internationale studies zich tot dusver voornamelijk geconcentreerd hebben op de
auditmarkt in de Verenigde Staten, Australië en het Verenigd Koninkrijk. In het merendeel
van deze studies werd het bewijs gevonden voor price-cutting, wat ons ertoe aangezet heeft
te onderzoeken of deze relatie ook in België teruggevonden kan worden. Aangezien de
marktstructuur in België verschilpunten vertoont met deze in de Angelsaksische landen is het
denkbaar dat de resultaten er in deze studie anders kunnen uitzien.
Het onderzoek is gebaseerd op een steekproef van 5.304 Belgische ondernemingen. Deze
steekproef bestaat uit ondernemingen die de wettelijke verplichting hebben om een auditor
aan te stellen voor de controle van de jaarrekening. Er zal dus een onderzoek gebeuren naar
de prijszetting bij de statutaire audit. Omwille van de relatief grote steekproef wordt verwacht
dat het onderzoek betrouwbare resultaten zal opleveren, die eventueel te veralgemenen zijn
2
naar landen met een gelijkaardige marktstructuur. Gegevens die gebruikt zullen worden in
deze paper betreffen de periode 2007-2009, aangezien een wetswijziging ertoe geleid heeft
dat de audithonoraria pas vanaf 2006 openbaar bekendgemaakt dienen te worden.
Het model dat in deze paper gebruikt zal worden om de hypothesen te testen, steunt in
hoofdzaak op variabelen waarvan uit de literatuur gebleken is dat zij een significante invloed
hebben op de hoogte van het audithonorarium. Deze variabelen hebben ondermeer
betrekking op de totale activa van de auditklant, de liquiditeit en solvabiliteit. Deze en andere
variabelen zullen samen met de hypothesen en verdere onderzoeksmethodiek besproken
worden in een later hoofdstuk van deze paper.
Om de hypothesen te kunnen testen, zal gesteund worden op verschillende
regressiemethoden. Naast de gewone Ordinary Least-Squares methode zal aandacht
gegeven worden aan specifieke methoden in verband met panel data. Naargelang de
methode die gebruikt wordt, lijken de resultaten te verschillen. Voor bepaalde modellen werd
echter wel bewijs gevonden van het bestaan van price-cutting.
In wat volgt zal in het tweede deel van deze paper een overzicht gegeven worden van de
internationale literatuur. In het derde deel worden de hypothesen geformuleerd en zullen de
regressiemodellen opgesteld worden. In het vierde deel wordt een duidelijk overzicht
gegeven van de data in de steekproef. Het vijfde deel bestaat uit de resultaten van de
regressie-analyse. In het zesde hoofdstuk zullen een aantal sensitiviteitstesten uitgevoerd
worden, waarna een grondige bespreking van de resultaten volgt. In de laatste hoofdstukken
volgt een bondige conclusie en zal er verder ingegaan worden op de beperkingen van het
onderzoek en de mogelijkheden voor verder onderzoek in de toekomst. Een beperking van
dit onderzoek heeft ondermeer betrekking op het feit dat er niet nagegaan wordt hoe het
audithonorarium verder evolueert in het tweede en derde jaar na de switch. Ook de invloed
van het bestaan van price-cutting op de kwaliteit van de audit wordt niet van naderbij
bekeken.
3
2. Literatuurstudie
In een eerste punt van deze literatuurstudie zal de aandacht gaan naar de determinanten
van auditor switches. Onderzoek in dit domein wordt voornamelijk gedreven door de
verhoogde concurrentie in de markt voor auditdiensten. In praktijk zijn er echter relatief
weinig switches vast te stellen. Ook audithonoraria kunnen beïnvloed worden door een
veelheid aan factoren. Daarom wordt er in het tweede punt van dit hoofdstuk een overzicht
gegeven van veelbesproken determinanten van audit fees. Er zal nagegaan worden welke
factoren een invloed kunnen hebben op de hoogte van het honorarium. In het derde punt
worden auditor switches en audit fees met elkaar in verband gebracht en wordt er inzicht
verkregen in de literatuur met betrekking tot de invloed van een switch op het honorarium.
2.1 Auditor switches
2.1.1 Determinanten van auditor switches
Er is in het verleden reeds uitvoerig onderzoek gebeurd naar de determinanten van auditor
switches. De grote belangstelling voor dit thema heeft te maken met de toenemende
concurrentie en dynamiek in de markt voor externe auditdiensten. Ook de bezorgdheid
omtrent het bestaan van opinion shopping werkt de interesse voor auditor switches in de
hand. Dit fenomeen houdt in dat ondernemingen na het niet krijgen van een goedkeurende
verklaring veranderen naar een ander auditkantoor. Zij hopen hierbij dat de nieuwe auditor
wel een goedkeurende verklaring zal geven. Het aantal switches is niettemin relatief laag en
de echte redenen voor een switch zijn vaak moeilijk te achterhalen. In de literatuur, en ook in
deze studie, wordt een switch gedefinieerd als een verandering van auditkantoor. Het
aanstellen van een nieuwe commissaris die behoort tot hetzelfde auditkantoor als de vorige
commissaris, wordt niet beschouwd als switch.
In de literatuur komen meerdere determinanten naar voor die kunnen leiden tot een
verhoogde kans dat ondernemingen een nieuwe externe auditor benoemen. Bovendien zijn
er in het verleden verschillende resultaten gevonden met betrekking tot deze determinanten.
Dit is te wijten aan het feit dat de omstandigheden waarin de onderzoeken plaatsvonden
vaak zeer uiteenlopend waren. Zo dateren de oudste onderzoeken van de jaren „60 en ‟70
en zijn deze studies hoofdzakelijk gebaseerd op vragenlijsten. De responsgraad ligt hierbij
vaak zeer laag en de bestudeerde steekproef is in veel studies niet groot genoeg om
betrouwbare resultaten te bekomen. De betrouwbaarheid van de resultaten komt bovendien
ook in het gevaar door het optreden van een non-respons bias. Dit houdt in dat diegene die
antwoorden op de vragenlijst verschillend zijn voor wat betreft de onderzoeksvariabele in
vergelijking met diegene die niet antwoorden. Een bijkomend nadeel bij het gebruik van
vragenlijsten is dat er een kans bestaat dat de resultaten vertekend zijn. Dit heeft te maken
4
met het feit dat ondernemingen niet altijd de werkelijke reden van de switch opgeven. Het
gebruik van vragenlijsten is immers gevoelig voor het optreden van een voluntary response
bias, wat betekent dat respondenten de werkelijkheid vrijwillig anders zullen voorstellen, en
dit vaak in hun eigen voordeel. Daarnaast komen de studies uit verschillende landen en
kunnen door verschillen in de karakteristieken van de auditmarkt erg uiteenlopende
resultaten bekomen worden. Het is dan ook zeer moeilijk om de resultaten van deze studies
te veralgemenen.
Williams (1988) is één van de eerste auteurs die geprobeerd heeft een model op te bouwen
aan de hand waarvan auditor switches bestudeerd kunnen worden. De beweegredenen voor
auditor switches kunnen verdeeld worden in twee grote categorieën. Deze betreffen de
karakteristieken van de klant en de karakteristieken van de auditor. In wat volgt zullen de
belangrijkste determinanten van auditor switches in deze categorieën besproken worden.
Karakteristieken van de klant
Een eerste reeks van determinanten heeft betrekking op de karakteristieken van de te
controleren onderneming.
Uit onderzoek blijkt dat een verandering in het management of in de aandeelhouders kan
leiden tot het aanstellen van een nieuwe auditor. De verklaring hiervoor is terug te vinden bij
de agency-theorie. Wanneer er wijzigingen zijn in het management van een onderneming of
wanneer er nieuwe aandeelhouders worden geïntroduceerd, dan ontstaan er nieuwe
principal-agent contracten. De vorige auditor zal steeds gerelateerd worden aan het
voormalige management, terwijl het nieuwe management geneigd zal zijn om een auditor
aan te stellen waarmee ze zelf vertrouwd is. Dit kan gaan om een auditor waarmee ze in het
verleden reeds heeft samengewerkt of waarvan ze vindt dat deze een goed imago heeft
(Williams, 1988). Een verandering in het management wordt door Burton en Roberts (1967)
bovendien bevonden als zijnde de meest voorkomende reden om van auditor te veranderen.
Een tweede reden die geciteerd wordt om van auditor te willen veranderen betreft een
beschadigde reputatie van de onderneming en de poging die men wil ondernemen om het
imago te herstellen. Een ongunstig imago kan bijvoorbeeld ontstaan wanneer er fraude
ontdekt wordt. Om deze slechte naam van de baan te vegen kan men er voor opteren een
nieuwe auditor aan te stellen. De vorige auditor zal immers geassocieerd worden met de
fraude waardoor belanghebbenden weinig vertrouwen hebben in de audit en de financiële
rapportering. Het aanstellen van een nieuwe auditor geeft in deze situatie het signaal dat de
onderneming opnieuw op het rechte pad is. (Williams, 1988).
In de literatuur over auditor switches werd ook het verlies van de onderneming onderzocht
als bepalende factor om van auditor te veranderen. Resultaten tonen aan dat een
5
onderneming die verlies lijdt meer geneigd is om een andere auditor aan te stellen dan een
gezonde onderneming. Er wordt immers vanuit gegaan dat nieuwe auditors meer tijd nodig
hebben voor het ontdekken van de financiële problemen (Stricharchuk, 1983). Ook volgens
Schwartz & Menon (1985) zijn ondernemingen die in financiële moeilijkheden verkeren vaker
geneigd om van auditor te veranderen, al zijn de redenen bij deze ondernemingen dikwijls
anders dan bij gezonde ondernemingen. Zo is de nood aan extra diensten een reden die
gezonde ondernemingen hebben om een andere auditor aan te stellen, terwijl deze factor
niet aangehaald wordt bij ondernemingen in financiële moeilijkheden.
Naast bovenvermelde determinanten, is ook de auditopinie een zeer belangrijke verklarende
variabele. Resultaten wijzen uit dat wanneer een onderneming een verklaring met
voorbehoud krijgt, ze meer geneigd zal zijn om van auditor te veranderen dan wanneer een
goedkeurende verklaring bekomen wordt. Aan het krijgen van een verklaring met
voorbehoud zijn immers kosten verbonden die het management tracht te vermijden
(Craswell, 1988). Dit fenomeen wordt in de literatuur door meerdere auteurs aangehaald en
in dit verband drukt men ook bezorgdheid uit over het fenomeen opinion shopping. Dit houdt
in dat men na het krijgen van een verklaring met voorbehoud een nieuwe auditor aanstelt, in
de hoop dat deze een goedkeurende verklaring zal geven. Uit meerdere studies blijkt echter
dat deze bezorgdheid onterecht is. Het staat namelijk niet vast dat een onderneming na het
switchen een betere verklaring bekomt (Chow & Rice, 1982; Krishnan, 1994). De verklaring
hiervoor wordt gegeven door Krishnan & Stephens (1995). Zij tonen aan dat switchers een
meer conservatieve behandeling krijgen dan non-switchers, wat betekent dat zij sneller een
verklaring met voorbehoud zullen krijgen. De meer conservatieve behandeling geldt zowel
voor als na de switch.
Een voorlaatste determinant die betrekking heeft op de karakteristieken van de klant is
referral. Dit is een fenomeen waarmee vooral rekening moet gehouden worden in landen
waar ondernemingen voornamelijk dochterondernemingen zijn. Referral omschrijft het
proces waarbij een dochteronderneming van auditor verandert, op vraag van de
moederonderneming. De reden hiervoor is dat er schaalvoordelen optreden en de efficiëntie
verhoogt. Dit type switch behoort, in tegenstelling tot de eerder besproken veranderingen, tot
de categorie van de onvrijwillige switches. Het zijn Branson en Breesch (2004) die deze
variabele als één van de eersten hebben geïntroduceerd. Zij deden onderzoek naar auditor
switches in België, een kleine open economie met vooral kleinere ondernemingen. Het is
noodzakelijk dat er ook hier met referral rekening gehouden wordt, naast de traditionele
determinanten van auditor switches.
Een laatste determinant houdt opnieuw verband met de categorie van onvrijwillige switches
en is terug te vinden in het kader van een overname. De onderneming die overgenomen
6
wordt, zal in de meerderheid van de gevallen immers overschakelen naar de auditor van de
overnemer (Anderson, Stokes, & Zimmer, 1993).
Karakteristieken van de auditor
De tweede reeks van determinanten van auditor switches heeft betrekking op de
karakteristieken van de auditor.
Eén van de belangrijkste redenen die in de literatuur vernoemd worden om van auditor te
veranderen is ontevredenheid met het audithonorarium. Een onderneming kan overwegen
om een nieuwe auditor aan te stellen wanneer ze van mening is dat de prijs die ze nu betaalt
te hoog is (Beddingfield & Loeb, 1974). Uit het onderzoek van DeAngelo (1981) blijkt
namelijk dat men bij het aanwerven van een nieuwe auditor een grotere kans heeft om een
lager honorarium te moeten betalen. Ook Beattie & Fearnly (1995) vinden in hun onderzoek
dat een te hoge audit fee veruit de meest geciteerde reden is om van auditor te willen
veranderen. Een studie toont aan dat ook in België een te hoog audithonorarium aanleiding
geeft tot een auditor switch. Dit heeft te maken met het feit dat een auditor aanstellen hier
een verplichting is voor grote ondernemingen, waardoor deze hoofdzakelijk kijken naar de
prijs van de audit en in mindere mate naar de kwaliteit (Branson & Breesch, 2004).
Het aanstellen van een nieuwe auditor kan ook plaatsvinden omdat de huidige auditor niet
alle gevraagde diensten naar behoren kan leveren. Het is namelijk mogelijk dat een
onderneming uitbreidt naar andere landen en dat de huidige auditor niet langer in staat is om
de controleopdracht uit te voeren. Meer algemeen kan gesteld worden dat ontevredenheid
over de kwaliteit van de audit en de bijkomende diensten een switch in de hand werkt
(Beddingfield & Loeb, 1974; Beattie & Fearnley, 1995). Zo kan een bedrijf er ook voor
opteren om een switch door te voeren wanneer ze denkt dat een nieuwe auditor efficiënter te
werk zal gaan. Grotere efficiëntie is mogelijk wanneer de auditor gespecialiseerd is in het
controleren van ondernemingen in een specifieke industrie en op deze manier
schaalvoordelen kan creëren (Eichenseher & Danos, 1981).
De duurtijd van de relatie tussen klant en auditor is een andere determinant die in de
literatuur aangehaald wordt. Hoe langer de relatie tussen de klant en de auditor duurt, hoe
minder snel de klant geneigd zal zijn om van auditor te veranderen. Een eerste verklaring
hiervoor is het feit dat de auditor vertrouwd raakt met de activiteiten van de klant en een
beter inzicht verwerft in de onderneming. Een tweede verklaring is dat de klant mogelijks
geneigd zou kunnen zijn om de auditor te behouden uit loyaliteit of tevredenheid over vorige
diensten (Williams, 1988).
7
Een laatste factor die een reden tot auditor switching zou kunnen zijn, is de reputatie van de
auditor. Het aanstellen van een auditor met een slechte reputatie geeft immers een negatief
signaal aan aandeelhouders.
2.1.2 Trends in auditor switches
Het is interessant om kort in te gaan op een belangrijke verandering die waar te nemen is in
het domein rond auditor switches. Indien men vroeger van auditor veranderde, maakte de
nieuwe auditor meestal deel uit van de toenmalige Big 8 (Burton & Roberts, 1967). Dit is te
verklaren door het feit dat ondernemingen groeien en nood hebben aan extra diensten die
niet aangeboden kunnen worden door kleinere auditkantoren. Recent onderzoek wijst echter
uit dat veranderingen steeds meer plaatsvinden in de richting van een auditor die niet
behoort tot de top van de auditkantoren. Dit fenomeen komt vooral tot uiting na de invoering
van de Sarbanes-Oxley wetgeving. De extra vereisten die gesteld werden in deze wet
resulteerden in een toegenomen hoeveelheid auditwerk en in een stijging van de
audithonoraria. Een switch naar een auditor die niet behoort tot de huidige Big 4 kan dan
gezien worden als een poging om kosten te besparen. Deze trend is vooral waar te nemen
bij ondernemingen die klein genoeg zijn om een non-Big 4 auditor aan te stellen. (Ettredge,
Li, & Scholz, 2007)
2.2 Audithonoraria
2.2.1 Een overzicht van de internationale literatuur
Naast veelvuldig onderzoek binnen het domein van auditor switching, zijn ook audit
honoraria een veel voorkomend onderwerp in de literatuur. Er is in het verleden reeds
uitvoerig onderzoek gebeurd naar de determinanten ervan. Auteurs hebben meermaals
gepoogd om een model te bepalen aan de hand waarvan de hoogte van het audithonorarium
voorspeld kan worden. De oudste onderzoeken dateren van de jaren ‟80 en hebben
hoofdzakelijk betrekking op de auditmarkt in de Verenigde Staten. Deze studies werden
gemotiveerd door de bezorgdheid die er heerste over het gebrek aan competitieve
prijszetting en het bestaan van monopoliewinsten. Als gevolg van de toegenomen fusies
tussen grote auditkantoren gedurende de jaren ‟70 en ‟80, was de concentratie in de
auditmarkt immers sterk gestegen.
Simunic (1980) kan in dit kader gezien worden als de grondlegger van de studies rond
audithonoraria. Dit onderzoek vormt het basiswerk binnen de literatuur rond prijszetting in de
auditmarkt. Het merendeel van de studies die plaatsgevonden hebben na 1980 hebben dan
ook gesteund op de resultaten van dit onderzoek.
De voornaamste doelstelling in de studie van Simunic (1980) was nagaan in welke mate er
voldoende prijsconcurrentie aanwezig was op de auditmarkt in de Verenigde Staten. Er werd
8
verondersteld dat een gebrek aan competitieve prijszetting zich voornamelijk zou voordoen
in de auditmarkt voor grote klanten, aangezien de concentratie van auditkantoren het hoogst
is in dit marktsegment. Om verschillen in prijsconcurrentie tussen marktsegmenten te kunnen
analyseren, ontwikkelde Simunic een audit fee model dat factoren bevat die het honorarium
positief of negatief kunnen beïnvloeden. Elk van deze factoren zijn proxy-variabelen voor het
aantal audituren die gespendeerd worden aan de auditopdracht. De variabelen die
opgenomen werden in het model hebben ondermeer betrekking op de grootte en de
complexiteit van de te auditeren onderneming en het financiële risico van de klant. Simunic
vindt geen bewijs voor hogere prijszetting door Big N auditkantoren en besluit hierdoor dat
de prijszetting competitief verloopt.
Na deze studie in de Verenigde Staten, werd al snel onderzoek gevoerd naar de prijszetting
van auditdiensten in andere landen. Vooral de auditmarkten in het Verenigd Koninkrijk
(Chan, Ezzamel, & Gwilliam, 1993; Taylor & Baker, 1981; Brinn, Peel, & Roberts, 1194;
Pong & Whittington, 1994), Australië (Francis, 1984), Canada (Chung & Lindsay, 1988) en
Nieuw-Zeeland (Firth, 1985) werden bestudeerd. De auditmarkten in deze landen zijn qua
structuur gelijkaardig aan deze in de Verenigde Staten. Bovendien heerst er in deze landen
een verplichting voor het bekendmaken van audithonoraria, waardoor zij geschikter zijn als
omgeving voor het voeren van onderzoek. In een latere fase begon onderzoek zich verder uit
te strekken naar een aantal ontwikkelingslanden zoals Bahrein (Joshi & AL-Bastaki, 2000) en
Bangladesh (Karim & Moizer, 1996) en landen zoals Singapore (Low, Tan, & Koh, 1990),
Frankrijk (Gonthier-Besacier & Schatt, 2007) en Nederland (Langendijk, 1998). Het audit fee
model dat ontwikkeld werd door Simunic werd in de meerderheid van bovenvermelde studies
overgenomen of uitgebreid met specifieke variabelen.
Voor de auditmarkt in België is de studie naar de prijsvorming eerder beperkt gebleven.
Slechts een aantal auteurs hebben geprobeerd om de hoogte van audithonoraria op de
Belgische auditmarkt te verklaren (Willekens & Gaeremynck, 2005; Willekens & Achmadi,
2003). De focus van internationale studies ligt bovendien grotendeels op het type van
bedrijven dat in België relatief weinig voorkomt. De vraagzijde op de Belgische auditmarkt
bestaat voornamelijk uit kleinere, niet-beursgenoteerde ondernemingen, terwijl grote,
beursgenoteerde multinationals het voorwerp uitmaken van de meeste internationale studies.
2.2.2 Generieke determinanten van audithonoraria
“Ondanks het feit dat er in het verleden reeds talrijke studies gebeurd zijn in verschillende
auditmarkten, kan er over het algemeen besloten worden dat er in de literatuur een vrij
robuust model ontwikkeld werd dat wereldwijd tussen 50% en 70% van de variatie in de
audithonoraria verklaart” (Willekens & Achmadi, 2003, p.435). Dit model is in hoofdzaak
gebaseerd op variabelen die betrekking hebben op de ondernemingsgrootte, de complexiteit
9
en het risico van de audit. Ook Cobbin (2002) heeft aangetoond dat deze generieke
determinanten te veralgemenen zijn over de landsgrenzen heen.
Elk van de factoren die hierboven vermeld worden, zijn meetbaar aan de hand van informatie
die terug te vinden is in de jaarrekening van de te auditeren onderneming. In wat volgt zal
voor elk van deze determinanten besproken worden welke rubrieken uit de jaarrekening als
proxy gebruikt kunnen worden.
Ondernemingsgrootte
Uit de internationale papers rond de prijszetting van auditdiensten is af te leiden dat de
grootte van de te auditeren onderneming veruit de belangrijkste bepalende factor is van het
audithonorarium (Firth, 1997; Langendijk, 1998). Ook in ontwikkelingslanden kan dit resultaat
teruggevonden worden (Karim & Moizer, 1996). De grootte van de klant kan geïnterpreteerd
worden als een proxy voor de hoeveelheid auditwerk die nodig is en wordt in het merendeel
van de studies gemeten aan de hand van de totale activa. Resultaten liggen in lijn met de
verwachtingen en tonen aan dat er een positieve relatie bestaat tussen de audit fee en de
grootte van de onderneming (Cobbin, 2002; Willekens & Gaeremynck, 2005).
Aangezien over het algemeen aangenomen wordt dat er een niet-lineaire relatie bestaat
tussen het audithonorarium en de grootte van de klant, wordt de natuurlijke logaritme van de
totale activa genomen alvorens deze op te nemen als onafhankelijke variabele in het model.
Wanneer een onderneming tweemaal zo groot is, houdt dit immers niet in dat ook het
honorarium verdubbelt. Auditors kunnen schaalvoordelen creëren en er wordt bovendien
gesteld dat grotere ondernemingen beschikken over betere interne controleprocedures die
het werk voor de externe auditor verlichten (Firth, 1985; Felix, Gramling, & Maletta, 2001).
Alternatieve transformaties die voorgesteld worden door een aantal auteurs is het nemen
van de vierkantswortel (Taylor & Baker, 1981; Elliott & Korpi, 1978) of het kwadrateren van
de groottevariabele (Pong & Whittington, 1994).
Naast het gebruik van de totale activa als maatstaf voor de ondernemingsgrootte, werd in het
verleden reeds gesuggereerd om de omzet of verkopen van de onderneming te nemen
(Chan, Ezzamel, & Gwilliam, 1993; Taffler & Ramalinggam, 1981). Ook bij deze maatstaf
dient de eerder besproken transformatie toegepast te worden.
Resultaten over welke proxy-variabele de voorkeur verdient, zijn eerder gemengd. De reden
die Chan et al. (1993) geven voor het gebruik van de omzet is het feit dat de totale activa
sterk kunnen verschillen tussen ondernemingen die eigenlijk gelijkaardig zijn op andere
vlakken. Voorstanders voor het gebruik van totale activa beweren dat omzet of verkopen op
verschillende wijze gedefinieerd kan worden waardoor de vergelijkbaarheid tussen
ondernemingen daalt (Low, Tan, & Koh, 1990). Aangezien er een sterke correlatie bestaat
10
tussen de totale activa en de omzet is het aan te raden om beide variabelen niet gelijktijdig in
het audit fee model op te nemen. Dit wordt echter wel gedaan in de studie van Elliott en
Korpi (1978).
Ondernemingscomplexiteit
Naast de variabelen voor de grootte van de te auditeren onderneming worden er verklarende
variabelen toegevoegd als proxy voor ondernemingscomplexiteit. Bepaalde transacties en
posten uit de balans zijn immers complexer dan andere en veroorzaken de nood aan extra
aandacht van de externe auditor.
Om ondernemingscomplexiteit te meten, kunnen er verschillende maatstaven gebruikt
worden. De meest voorkomende variabele is het aantal dochterondernemingen (Willekens &
Gaeremynck, 2005; Simunic, 1980; Pong & Whittington, 1994). De specifieke relaties tussen
moeder- en dochterondernemingen geven namelijk aanleiding tot bijkomende
controlewerkzaamheden voor de auditor. Er wordt bijgevolg een positieve relatie verwacht
tussen het aantal dochterondernemingen en het audithonorarium. Ook het aantal
buitenlandse dochterondernemingen heeft een invloed op de hoogte van het honorarium.
Andere variabelen die in het verleden gebruikt werden om de complexiteit van de
onderneming te meten zijn de ratio‟s handelsvorderingen op totale activa en voorraden op
totale activa (Firth, 1997). Ook het aantal en de aard van de industrieën waarin de klant
opereert kan een bepalende factor zijn voor de hoogte van het honorarium. Tussen diverse
industrieën zijn er immers verschillen terug te vinden voor wat betreft de auditvereisten.
Bepaalde industrieën houden een hoger risico in en zijn complexer, wat meer
controlewerkzaamheden met zich meebrengt (Simunic, 1980; Palmrose, 1983).
Bijkomend wordt in een beperkt aantal studies het gemiddelde personeelsbestand in de te
auditeren ondernemingen vernoemd als proxy-variabele voor de complexiteit van de
onderneming.
Risico van de audit
Een laatste generieke determinant van audithonoraria is het risico. Risico wordt hier
gedefinieerd als “de kans dat materiële fouten niet ontdekt worden”. Deze determinant wordt
steeds belangrijker aangezien aandeelhouders in staat zijn een rechtszaak aan te spannen
tegen de auditor. Als gevolg hiervan leidt een hoger risico tot een hoger honorarium. Dit
wordt veroorzaakt door een verhoging van de controlewerkzaamheden om het risico in te
perken of het geven van een premium als beloning voor het feit dat auditors bereid zijn een
groter risico te nemen (Chan, Ezzamel, & Gwilliam, 1993).
De ratio‟s handelsvorderingen op totale activa en voorraden op totale activa, zoals eerder
gebruikt door Firth (1997), worden door sommige auteurs gezien als een maatstaf voor het
11
risico van de audit. Voorraden en handelsvorderingen zijn balansposten die vatbaar zijn voor
manipulatie door de ondernemingsleiding, waardoor de controle ervan meer auditwerk
vereist.
Een tweede reeks variabelen die gebruikt kan worden, heeft betrekking op de financiële
toestand van de te auditeren onderneming. Een eerste maatstaf voor risico is de return on
assets, die berekend wordt door het netto inkomen te delen door de totale activa. Deze ratio
geeft een beeld van de winstgevendheid van de onderneming en zou ook een invloed
kunnen hebben op de hoogte van het honorarium. In de meerderheid van de studies vertoont
deze variabele een negatief verband met de hoogte van de audit fees, omdat
ondernemingen met hoge winsten geassocieerd worden met een lager risico. Daarnaast is
het ook mogelijk dat er een positieve relatie is tussen deze variabelen aangezien
winstgevende ondernemingen bereid zijn en in staat zijn hogere kosten te dragen. Een
daarmee gerelateerde variabele is de dummy-variabele „verlies‟. Verlieslatende
ondernemingen brengen hogere risico‟s met zich mee, wat resulteert in hogere audit fees
(Lyon & Maher, 2005). Ook het effect van de schuldgraad werd meermaals bestudeerd.
Verwacht wordt dat een hogere schuldgraad een hoger risico inhoudt. Ongeveer de helft van
de studies naar de prijsvorming van auditwerk weet deze verwachtingen te bevestigen
(Willekens & Gaeremynck, 2005). Een laatste variabele die vermeld dient te worden is de
liquiditeit van de onderneming. Aangezien een hoge liquiditeitsratio de kans op een
faillissement verkleint, wordt er hier opnieuw een negatieve relatie verwacht.
2.2.3 Bijkomende determinanten van audithonoraria
Naast de drie basisdeterminanten van audithonoraria die hierboven besproken zijn, werden
in het audit fee model veelvuldig bijkomende verklarende variabelen opgenomen.
Een veelbesproken fenomeen in de internationale literatuur is het Big N effect. Uit vrees voor
het bestaan van monopoliewinsten, onderzocht Simunic (1980) als eerste of bepaalde
auditkantoren erin slaagden om een prijspremium aan te rekenen. Er kan verwacht worden
dat auditkantoren die behoren tot de Big N in staat zijn een hogere prijs te vragen als gevolg
van de betere kwaliteit van het auditwerk en hun betere marktpositie. Anderzijds is het ook
mogelijk dat de Big N een lagere prijs aanrekenen omwille van de schaalvoordelen die zij
kunnen realiseren. Resultaten in dit domein zijn eerder gemengd. Simunic vindt geen bewijs
voor het bestaan van een prijspremium in de Verenigde Staten en ook in Nieuw-Zeeland
rapporteert men geen hogere prijszetting door grote auditkantoren (Firth, 1985). Studies met
betrekking tot de auditmarkt in Australië (Francis, 1984) en in het Verenigd Koninkrijk (Taffler
& Ramalinggam, 1981) vinden daarentegen wel bewijs voor het bestaan van een Big N
premium. Ook later onderzoek in de Verenigde Staten (Palmrose, 1986; Francis & Simon,
1987; Simon, 1985) heeft kunnen aantonen dat prijzen van Big N auditkantoren hoger zijn,
12
en dit in de markt voor kleinere auditklanten. Men besluit dat dit niet duidt op een gebrek aan
prijsconcurrentie, maar wel op de aanwezigheid van productdifferentiatie in dit segment. In
de auditmarkt voor grote auditklanten zijn er echter geen prijsverschillen waar te nemen.
Studies in België leggen hoofdzakelijk de focus op het segment van kleine, niet-
beursgenoteerde auditklanten en ook hier vindt men het bewijs dat Big N kantoren een
prijspremium aanrekenen (Willekens & Achmadi, 2003).
Een andere variabele die opgenomen kan worden in het audit fee model heeft betrekking op
de aanwezigheid en de goede of slechte werking van het intern controlesysteem. Een goed
werkend intern controlesysteem verlicht de werklast voor de externe auditor en kan bijgevolg
leiden tot een lager audithonorarium (Felix, Gramling, & Maletta, 2001).
Ook het samenaanbod van audit- en non-auditdiensten werd reeds in verscheidene studies
besproken. Dit heeft te maken met de onafhankelijkheidsvereiste die hierdoor geschonden
zou kunnen worden. Velen nemen aan dat er een negatieve relatie bestaat tussen de audit-
en de non-audit fee. De verklaring die hiervoor gegeven wordt, is het bestaan van
kennisoverdracht wat resulteert in kostenbesparingen. Klanten kunnen hiervan genieten via
lagere audithonoraria (Simunic, 1984). Een tweede mogelijke verklaring is dat er, na het
geven van kortingen aan de klant bij het auditwerk, meer kans is op het verkopen van non-
auditdiensten aan diezelfde klant en dat voor deze diensten een hogere prijs aangerekend
wordt. In praktijk zijn de resultaten echter gemengd. Een beperkt aantal studies vinden geen
of een negatief verband, terwijl de meerderheid bewijs vindt voor een positieve relatie tussen
audit- en non-audit fees (Palmrose, 1986; Firth, 1997). Dit houdt in dat de audit fees hoger
zijn indien de klant bij de auditor ook een beroep doet op non-auditdiensten.
De afsluitmaand van het boekjaar wordt ook in een aantal studies opgenomen als
verklarende variabele. Een hoger audithonorarium wordt verwacht wanneer een
onderneming het boekjaar afsluit in het drukke seizoen. Er wordt verondersteld dat
auditkantoren hun werk gelijkmatig proberen te verspreiden doorheen het jaar door het
vragen van een premium in het piekseizoen. Dit is de periode in dewelke de meerderheid
van de bedrijven hun boekjaar afsluiten. De meeste studies kunnen echter geen significant
verband terugvinden (Willekens & Gaeremynck, 2005).
Ook het al dan niet beursgenoteerd zijn van de klant is in bepaalde studies een verklarende
factor voor de hoogte van het audithonorarium. Beursgenoteerde ondernemingen laten
hogere audithonoraria optekenen. De variabele „beursnotering‟ hangt in zekere mate samen
met het risico dat eerder al besproken werd. Managers van beursgenoteerde bedrijven
hebben volgens Willekens en Gaeremynck (2005) een grotere neiging om de gerapporteerde
resultaten te verbloemen, waardoor de audit van dergelijke ondernemingen een groter risico
13
inhoudt (Langendijk, 1998; Willekens & Gaeremynck, 2005). Een tweede verklaring die
aangereikt kan worden is het feit dat beursgenoteerde bedrijven nood hebben aan een meer
kwalitatief hoogstaande audit om de aandeelhouders ervan te verzekeren dat de
geauditeerde jaarrekening een getrouw beeld geeft (Karim & Moizer, 1996).
Wat in een beperkt aantal studies ook aan bod gekomen is, is het aanstellen van een college
van revisoren. Een aantal auteurs hebben kunnen aantonen dat het aanstellen van een
college in een competitieve omgeving aanleiding zou kunnen geven tot een daling van de
totale audit fees die grote ondernemingen dienen te betalen (Thinggaard & Kiertzner, 2008;
Gonthier-Besacier & Schatt, 2007). Aangezien er in België geen verplichting heerst voor het
aanstellen van een college van revisoren, zal in wat volgt geen aandacht meer besteed
worden aan deze factor.
Tot slot hebben talrijke auteurs een switch-variabele ingevoerd om na te gaan of er bewijs te
vinden is van fenomenen zoals price-cutting en low-balling. Hier wordt in een later punt op
teruggekomen.
Een overzicht van alle variabelen die in de literatuur naar voor komen en een invloed hebben
op de hoogte van het audithonorarium, wordt gegeven in tabel 1. Hierin wordt ook vermeld
welke auteurs de desbetreffende variabele vernoemen, alsook de verwachte relatie tussen
de variabele en het honorarium en het al dan niet significant zijn ervan.
2.2.4 Trends in audit fees
Naast een bespreking van de variabelen die een invloed lijken te hebben op de hoogte van
het audithonorarium, is het interessant om in te gaan op mogelijke trends in audit fees.
Pong en Whittington (1994) nemen een trendvariabele op als determinant van audit fees. De
steekproef die gebruikt wordt heeft betrekking op ondernemingen in het Verenigd Koninkrijk
over de periode 1981-1989. De trendvariabele blijkt echter niet significant te zijn. Menon en
Williams (2001) vinden daarentegen wel het bewijs voor een trend op lange termijn in de
Amerikaans auditmarkt. Resultaten tonen aan dat audithonoraria gedurende de jaren ‟80
stijgen, maar dat deze trend niet langer aanwezig is in de jaren ‟90. De meest significante
stijging wordt teruggevonden in 1988.
Een tweede belangrijke trend is terug te vinden in de periode rond de invoering van de
Sarbanes-Oxley wetgeving. Deze wet werd geïntroduceerd in 2002 en resulteerde, zoals
eerder reeds vermeld, in strengere auditvereisten, meer auditwerk en bijgevolg hogere
audithonoraria. De stijging van het audithonorarium kan ook verklaard worden door het feit
dat er beperkingen gelegd werden op het samenaanbod van audit- en non-auditdiensten. De
audit werd sindsdien gezien als een op zichzelf staande dienst waarvoor de prijs ook op die
manier bepaald werd. Het zou met andere woorden moeilijker worden om verliezen bij
14
auditdiensten nog door te rekenen naar de non-auditdiensten. Dit zou kunnen resulteren in
hogere audit fees (Ettredge, Li, & Scholz, 2007).
Tabel 1: Determinanten van audithonoraria
Ondernemingsgrootte
Totale activa Elliott & Korpi, 1978 + S Taylor & Baker, 1981 + S Pong & Whittington, 1994 + S Karim & Mozier,1996 + S Langendijk, 1998 + S Firth, 1997 + S Felix et al, 2001 + S Cobbin, 2002 + S Willekens & Gaeremynck, 2005 + S
Omzet Taffler & Ramalinggam, 1981 + S Chan, Ezzamel & Gwilliam, 1993 + S Firth, 1997 + S Cobbin, 2002 + S Willekens & Gaeremynck, 2005 + S
Ondernemingscomplexiteit
Aantal dochterondernemingen Simunic, 1980 + S Pong & Whittington, 1994 + S Langendijk, 1998 + S
Handelsvorderingen/Totale activa Firth, 1997 + NS
Voorraden/Totale activa Firth, 1997 + NS
Aantal Industrieën Simunic, 1980 + S
Ondernemingsrisico
Return on assets Whisenant et al, 2003 - S
Voorraden/totale activa Willekens & Gaeremynck, 2005 + NS
Verlies Lyon & Maher, 2005 + S Willekens & Gaeremynck, 2005 - S
Solvabiliteit Willekens & Gaeremynck, 2005 + NS
Liquiditeit Willekens & Gaeremynck, 2005 - S
Andere determinanten
Big N effect Simunic, 1980 + NS Taffler & Ramalinggam, 1981 + S Firth, 1985 + NS Francis, 1984 + S Simon, 1985 + S Palmrose, 1986 + S Francis & Simon, 1987 + S Willekens & Achmadi, 2003 + S
Intern controlesysteem Felix et al, 2001 - S
15
Samenaanbod non-audit diensten Palmrose, 1986 + S Firth, 1997 + S
Afsluitmaand van het boekjaar Willekens & Gaeremynck, 2005 + NS
Beursnotering Langendijk, 1998 + S Karim & Mozier, 1996 + S Willekens & Gaeremynck, 2005 + S
Switch Francis, 1984 + S Palmrose, 1986 - NS Francis & Simon, 1987 - S Simon & Francis, 1988 - S Ettredge & Greenberg, 1990 - S Turpen, 1990 - S Kanodia & Mukherji, 1994 - S Pong & Whittington, 1994 - S Butterworth en Houghton, 1995 - NS Gregory & Collier - S Craswell & Francis, 1999 - NS Willekens & Achmadi + S Gosh & Lustgarten, 2006 - S Sankaraguruswamy & Whisenant,
2009 - S
2.3 Auditor switches en audithonoraria
2.3.1 Een overzicht van de internationale literatuur
De kosten voor een initiële auditopdracht liggen in normale omstandigheden hoger omwille
van het bijkomende onderzoek dat door de nieuwe auditor uitgevoerd zal worden alvorens
de opdracht te aanvaarden. De vele studies over auditor switches en audithonoraria zijn er
dan ook gekomen als reactie op het mogelijke bestaan van price-cutting en low-balling. Dit
zijn beiden fenomenen die ontstaan zijn als gevolg van de toegenomen concurrentie in de
auditmarkt en waarvan verwacht wordt dat zij de onafhankelijkheidsvereiste en de kwaliteit
van de audit aantasten. Price-cutting betekent immers dat prijzen voor een initiële
controleopdracht lager zijn dan de gangbare audithonoraria. Low-balling gaat nog een stap
verder en houdt in dat de prijs voor de eerste auditopdracht beneden de totale kosten ligt en
dat men deze nadien opnieuw verhoogd met het oog op het verbeteren van de winst. De
bedoeling van beide praktijken is het aantrekken van nieuwe klanten. Aangezien het niet
altijd mogelijk is om een zicht te krijgen op de totale kosten van een audit, wordt in de
literatuur hoofdzakelijk het bestaan van price-cutting getest. Bij dergelijk onderzoek vergelijkt
men de prijs van een initiële controleopdracht met het honorarium dat betaald werd aan de
vorige auditor of met de prijs die betaald zou worden voor een voortgezette opdracht
(Francis, 1984).
De bezorgdheid die er heerste over het ondermijnen van de onafhankelijkheid in
aanwezigheid van low-balling is te verklaren door het feit dat de auditor in het eerste jaar
16
verlies lijdt. Dit initieel verlies zal in de daaropvolgende jaren van het mandaat terugverdiend
moeten worden, wat de auditor probeert te doen aan de hand van het vragen van quasi-
rents. Auditors hebben de mogelijkheid om deze quasi-rents te verdienen bij hun klant
aangezien zij een kostenvoordeel hebben ten opzichte van andere auditors. Het
kostenvoordeel dat zij hebben zijn de hogere opstartkosten die andere auditors dienen te
maken indien de klant wenst over te stappen. De korting die een klant bij de eerste
controleopdracht krijgt, is gelijk aan de quasi-rents die de auditor in de volgende jaren denkt
te kunnen verdienen. Om zich ervan te verzekeren dat het initieel verlies teruggewonnen kan
worden, zal de auditor ervoor moeten zorgen dat de relatie met de klant een aantal jaren
stand blijft houden. Een mogelijk gevolg is het geven van goedkeurende verklaringen, ook al
geeft de jaarrekening niet altijd een getrouw beeld van de werkelijkheid.
Een tegenstrijdig argument wordt echter gegeven door DeAngelo. Volgens haar zal low-
balling de onafhankelijkheid van de auditor niet beschadigen. Zij stelt namelijk dat “low-
balling een competitief antwoord is op het vermogen van de huidige auditor om quasi-rents
te kunnen verdienen, maar dat low-balling zelf niet de oorzaak is van het bestaan van quasi-
rents” (DeAngelo, 1981, p.113). De verklaring die hiervoor gegeven wordt, is het feit dat de
verlaging van het honorarium bij de initiële audit in latere jaren beschouwd wordt als een
sunk cost. Deze kosten hebben geen effect meer op de hoogte van de future rents en de
onafhankelijkheid van de auditor (DeAngelo, 1981). Simon en Francis (1988) vinden dat de
onafhankelijkheidsvereiste wel aangetast wordt tot zolang de sunk cost volledig
terugverdiend is.
De resultaten die teruggevonden kunnen worden over het al dan niet bestaan van price-
cutting en low-balling zijn niet eenduidig. Naast studies die het voorkomen van price-cutting
kunnen bewijzen, zijn er bepaalde onderzoeken die aantonen dat een initiële auditopdracht
gepaard gaat met een hoger honorarium (Francis, 1984). Nog anderen vinden dan weer dat
een switch geen significante invloed heeft op de verloning van de nieuwe auditor (Palmrose,
1986). De grote variatie in de resultaten is in hoofdzaak te wijten aan het feit dat de studies
gebaseerd zijn op verschillende steekproeven. Onderzoek werd immers gevoerd in
verschillende tijdsperiodes en dit in regio‟s met andere marktstructuren. Studies in dit
onderzoeksdomein hebben voornamelijk betrekking op de auditmarkten in de Verenigde
Staten, Australië en het Verenigd Koninkrijk.
Het model dat in de meerderheid van de studies gebruikt werd, is gebaseerd op het model
van Simunic (1980). Francis en Simon (1987) voegen bij dit model een switch-variabele toe.
Het betreft een dummy variabele die de waarde één krijgt indien het gaat om een initiële
controleopdracht en nul indien dit niet het geval is. Zij vinden dat deze variabele significant
en negatief is in de Verenigde Staten, wat consistent is met de verwachting over het bestaan
17
van price-cutting. Dit onderzoek is echter gebaseerd op een kleine steekproef waardoor de
resultaten moeilijk te veralgemenen zijn. Simon en Francis (1988) hebben daarom hun
onderzoek uitgebreid en vinden opnieuw bewijs van price-cutting. Er wordt een korting van
ongeveer 24% gevonden. Onderzoeken na 1988 baseren zich op het model van Simon en
Francis, maar voegen een aantal variabelen toe om eventuele model misspecificatie op te
sporen. Ook hier vindt men voor de Verenigde Staten resultaten die de aanwezigheid van
price-cutting aantonen (Ettredge & Greenberg, 1990; Turpen, 1990; Kanodia & Mukherji,
1994).
Naar aanleiding van de verplichting tot het openbaar maken van de audit fees in sommige
landen, heeft er nieuw onderzoek plaatsgevonden. Volgens Dye (1991) zal er in deze
omstandigheden niet langer bewijs terug te vinden zijn van price-cutting, aangezien de
mogelijkheid om quasi-rents te verdienen verdwijnt. Aandeelhouders kunnen deze quasi-
rents waarnemen en relateren het bestaan ervan aan het verdwijnen van de
onafhankelijkheidsvereiste. Craswell en Francis (1999) onderzoeken deze stelling in
Australië en er worden door hen resultaten gevonden die consistent zijn met de beweringen
van Dye (1991) dat openbaarmaking price-cutting elimineert. Kortingen worden enkel nog
vastgesteld bij een switch van een Non-Big 8 auditor naar een Big 8 auditor. Deze leveren
immers een hogere kwaliteit die de klant pas kan vaststellen na het uitvoeren van de
controleopdracht, waardoor lagere prijzen nodig zijn om nieuwe klanten aan te trekken. Ook
eerder onderzoek door Butterworth en Houghton (1995) toont aan dat er in Australië geen
price-cutting aangetroffen wordt. Dit fenomeen werd later onderzocht in de Verenigde Staten,
nadat ook hier de openbaarmakingsverplichting werd ingevoerd. Hier wordt echter nog
steeds bewijs gevonden van kortingen bij de initiële controleopdracht, wat in strijd is met de
theorie van Dye (Sankaraguruswamy & Whisenant, 2009).
Latere onderzoeken in de Verenigde Staten treden meer in detail en maken voor wat betreft
het bestaan van price-cutting een onderscheid naargelang de grootte van het auditkantoor.
Resultaten tonen aan dat kleine auditkantoren grotere kortingen geven dan de grote, wat
verklaard wordt door de sterkere concurrentie binnen het eerste segment. Kleine auditors
zullen immers meer korting moeten geven om klanten te kunnen aantrekken, terwijl grote
auditkantoren zich in een oligopolistische markt bevinden waar er zwakkere prijsconcurrentie
heerst en de focus voornamelijk ligt op differentiatie op vlak van kwaliteit (Gosh & Lustgarten,
2006). Deze bevinding zijn consistent met deze van DeAngelo (1981) en Chan (1999), die
aantonen dat price-cutting enkel plaatsvindt in een omgeving waar er intense concurrentie is
tussen auditors.
Naast de Verenigde Staten en Australië maakte ook het Verenigd Koninkrijk deel uit van
verschillende studies. Ook hier wordt bewijs van price-cutting gevonden. Gregory en Collier
18
(1996) vinden een korting van ongeveer 22%, wat gelijkaardig is aan de resultaten van
Simon en Francis (1988) in de Verenigde Staten. Voor veranderingen van Non-Big N naar
Big N vinden zij bovendien een grotere discount. Dit houdt in dat grote auditkantoren in hun
poging om nieuwe klanten aan te trekken ook hun premium moeten laten vallen. De
resultaten van Pong en Whittington (1994) zijn gelijkaardig, maar vinden in tegenstelling tot
Gregory en Collier dat Big N auditors minder korting geven. Meer recent onderzoek in het
Verenigd Koninkrijk werd gevoerd door Peel (2009). Hij maakte bovendien gebruik van
verschillende switch-variabelen met de bedoeling een onderscheid te kunnen maken tussen
verschillende soorten switches. Price-cutting wordt gevonden bij Big N auditors, terwijl de
switch-variabele niet significant is bij de Mid 4. Peel maakt ook onderscheid naargelang de
eigendomsvorm van de onderneming en concludeert dat de kortingen voornamelijk gegeven
worden bij grote, beursgenoteerde ondernemingen die switchen naar een Big N auditor, wat
in strijd is met de resultaten van Ghosh en Lustgarten (2006).
2.3.2 Auditor switches en audithonoraria in België
Voor wat België betreft zijn de inspanningen in dit onderzoeksdomein eerder beperkt
gebleven. Ook de conclusies uit studies in het verleden zijn moeilijk door te trekken naar ons
land aangezien de focus van deze onderzoeken voornamelijk lag op markten die qua
structuur sterk verschillen van deze in België. Omwille van deze reden wordt er eerst kort
ingegaan op de marktstructuur en het wettelijk kader dat van toepassing is in België. Daarna
worden de resultaten besproken van het onderzoek dat in België heeft plaatsgevonden.
Marktstructuur en wettelijk kader
De literatuur rond auditor switches en hun invloed op audithonoraria heeft hoofdzakelijk
betrekking op de Angelsaksische landen. Een eerste punt van verschil tussen deze landen
en België ligt in de grootte van de ondernemingen. België heeft een zeer kleine, open
economie waar de meerderheid van de bedrijven klein en niet beursgenoteerd is. Dit in
tegenstelling tot de Angelsaksische landen waar vooral grote, beursgenoteerde
ondernemingen voorkomen. Wat dit tot gevolg heeft, is dat er potentieel minder agency-
conflicten zijn aangezien de onderneming veelal bestuurd wordt door de persoon die de
aandelen in handen heeft. Dit zou kunnen resulteren in het feit dat er minder nood is aan een
kwalitatief hoogstaande audit in België (Willekens & Achmadi, 2003).
Het rechtsklimaat in België is ook verschillend van dat in de onderzochte landen. In België
zullen minder snel rechtszaken aangespannen worden tegen auditors. De dreiging van een
rechtszaak zou nochtans de kwaliteit van de audit kunnen verhogen (Vander Bauwhede &
Willekens, 2004).
19
Uit de vorige twee verschilpunten zou afgeleid kunnen worden dat de kwaliteit van de audit in
België laag is. Dit is echter niet het geval aangezien dit opgevangen wordt door de strenge
regulering rond de vraag, het aanbod en de productie van de audit. Om toezicht te kunnen
houden op de kwaliteit zijn auditors verplicht om het aantal audituren dat men spendeert bij
een onderneming en de daarvoor gevraagde audit fee, door te geven aan het Instituut der
Bedrijfsrevisoren (Willekens & Achmadi, 2003).
Een ander belangrijk verschilpunt is de duur van het mandaat. In België worden auditors
aangesteld voor een periode van drie jaar, terwijl men in de Angelsaksische landen al na één
jaar het mandaat moet verlengen of een andere auditor mag aanstellen. Dit zou tot gevolg
kunnen hebben dat er in de Angelsaksische landen een sterkere prijsconcurrentie heerst op
de auditmarkten in vergelijking met België.
Ook de Big 4 concentratie is heel wat lager in België. In de Angelsaksische landen hebben
de Big 4 een marktaandeel van ongeveer 90-95%, terwijl dit in België slechts 50% is. Voor
het segment van de private ondernemingen is dit zelfs maar één derde (Sercu, Vander
Bauwhede, & Willekens, 2002). Een verklaring hiervoor kan opnieuw gegeven worden door
de aard van de ondernemingen in België. De vraagzijde op de auditmarkt bestaat
hoofdzakelijk uit kleinere ondernemingen die vaker de neiging hebben om te kiezen voor een
goedkopere Non-Big 4 auditor.
Resultaten van onderzoek in België
Willekens en Achmadi (2003) hebben als enige een poging ondernomen om na te gaan wat
de invloed van een auditor switch is op het audithonorarium op de Belgische auditmarkt.
Terwijl onderzoek in de Angelsaksisch landen aantoont dat het fenomeen price-cutting
weldegelijk bestaat, kan dit in België niet bevestigd worden. In tegenstelling tot een
negatieve relatie tussen de switch-variabele en het audithonorarium vindt men hier een
omgekeerd verband. Het eerste deel van het onderzoek werd gericht op switches in 1989 en
men heeft kunnen vaststellen dat er in het jaar van de switch een significante stijging was
van het audithonorarium. Ook voor switches in 1997 vindt men een positieve relatie, al is
deze niet langer significant: de coëfficiënt van de switch-variabele is heel wat kleiner.
De reden voor het vinden van een positieve relatie en een hoger audithonorarium in 1989
houdt verband met de hogere opstartkosten die verbonden zijn aan een initiële auditopdracht
en die in België blijkbaar doorgerekend worden aan de klant. Dat de relatie in 1997 niet
langer significant is, is mogelijks toe te schrijven aan een verhoogde concurrentiële druk die
auditkantoren ondervinden. Als gevolg hiervan zijn ze niet langer in staat om de volledige
opstartkosten aan te rekenen aan de klant en zullen ze tevreden moeten zijn met een lagere
winstmarge.
20
3. Hypothesen, regressiemodellen en onderzoeksmethodiek
Zoals de literatuur aanduidt, is in België tot op heden nog geen bewijs gevonden voor het
bestaan van low-balling en price-cutting. Willekens en Achmadi (2003) toonden immers aan
dat bedrijven de opstartkosten doorrekenen aan de auditklant, maar dat dit fenomeen wel
verzwakte overheen de tijd. In het licht van de recente kritieken op de Big 4 en de versterkte
prijsconcurrentie tussen auditkantoren, is het echter wel denkbaar dat deze trend zich verder
gezet heeft en dat de relatie tussen audithonoraria en de switch-variabele zelfs negatief zou
geworden zijn (De Tijd, 2010). In landen waar er sterke concurrentie heerst tussen
auditkantoren werd in het verleden immers bewijs gevonden voor price-cutting. Deze paper
zal met andere woorden onderzoeken of de hogere opstartkosten die verbonden zijn aan
een nieuwe controleopdracht na de switch al dan niet doorgerekend worden aan de
auditklant in de periode 2007-2009.
Een switch zal in dit onderzoek gedefinieerd worden als het aanstellen van een nieuwe
commissaris die behoort tot een auditkantoor dat verschillend is van datgene van de huidige
auditor. Het benoemen van een nieuwe auditor die hetzelfde auditkantoor vertegenwoordigt,
voldoet niet aan deze definitie. Wanneer eenzelfde natuurlijke persoon aangesteld blijft die
zelf voor een ander kantoor begint te werken, wordt er ook niet gesproken van een switch.
Ook een naamswijziging van het auditkantoor wordt logischerwijze niet aanzien als switch.
Daarnaast zal er ook geen onderscheid gemaakt worden tussen gedwongen en vrijwillige
switches aangezien de informatie die noodzakelijk is om deze scheiding te maken niet
publiek beschikbaar is.
3.1 Hypothesen
In een eerste deel van het onderzoek zal nagegaan worden of een switch er in het algemeen
toe leidt dat de auditklant een hoger of lager audithonorarium zal moeten betalen. De eerste
nulhypothese kan hier als volgt geformuleerd worden:
H0,1: Er is geen significant verband tussen het audithonorarium en de switch-variabele
Indien de nulhypothese niet verworpen kan worden, houdt dit in dat een switch geen
significante invloed heeft op het audithonorarium in het eerste jaar na de switch. Er wordt
echter verwacht dat er tussen het audithonorarium en de switch-variabele in België wel een
relatie bestaat, die bovendien negatief is en dat er dus bewijs gevonden zal worden voor
price-cutting. Deze verwachting wordt gedreven door de kritiek die geuit werd in de actualiteit
in verband met de verhoogde prijsconcurrentie tussen auditkantoren.
In een tweede deel van het onderzoek wordt de switch-variabele vervangen door vier meer
gedetailleerde variabelen. Er zal een onderscheid gemaakt worden naargelang de richting
van de switch. Door deze scheiding te maken ontstaat de mogelijkheid om na te gaan welk
21
type auditkantoor de grootste prijskortingen toestaat. In tegenstelling tot andere studies zal
hier geen verder onderscheid gemaakt worden naargelang het type klant. Nulhypotheses
twee tot vijf kunnen hier als volgt gedefinieerd worden:
H0,2: Een switch tussen Big 4 auditkantoren heeft geen significante invloed op de
hoogte van het audithonorarium
H0,3: Een switch van een Big 4 naar een Non-Big 4 auditkantoor heeft geen
significante invloed op de hoogte van het audithonorarium
H0,4: Een switch van een Non-Big 4 naar een Big 4 auditkantoor heeft geen
significante invloed op de hoogte van het audithonorarium
H0,5: Een switch tussen Non-Big 4 auditkantoren heeft geen significante invloed op de
hoogte van het audithonorarium
Aangezien dergelijke hypothesen tot op heden nog niet onderzocht werden voor België, is
het moeilijker om hieromtrent verwachtingen te scheppen. Uit onderzoek dat geen betrekking
heeft op de Belgische auditmarkt is wel af te leiden dat prijsdalingen het grootst zouden
kunnen zijn bij een switch van een Non-Big 4 naar een Big 4 auditkantoor. Er wordt immers
aangenomen dat Big 4 auditkantoren diensten van een hogere kwaliteit aanbieden en
duurder zijn, maar dat de auditklant de betere kwaliteit maar kan waarnemen na het
daadwerkelijk „consumeren‟ ervan. De auditdiensten kunnen met andere woorden gezien
worden als een soort van experience goods en om de klant ervan te overtuigen een Big 4
auditor aan te stellen, zullen zij grotere prijskortingen moeten toestaan en hun prijspremium
moeten laten vallen. Bovendien laten de kritieken in de actualiteit vermoeden dat het vooral
de grote auditkantoren zijn die een sterke prijsconcurrentie voeren. Anderzijds is het voor
België ook mogelijk dat de grootste kortingen gegeven worden bij switches naar Non-Big 4
auditkantoren zoals BDO, Grant Thornton en Mazars aangezien deze auditkantoren steeds
sterker willen staan ten opzichte van de Big 4.
Aangezien er in de literatuur ook een aantal tegenstrijdigheden zijn omtrent het bestaan van
prijspremiums bij de Big 4 auditkantoren, zal naast het testen van de bovenvermelde
hypothesen ook nagegaan worden of deze auditkantoren in België nog steeds in staat zijn
een prijspremium te vragen. Bovendien wordt de auditmarkt in België ook gekenmerkt door
de opkomst van de middelgrote auditkantoren waardoor het mogelijk is dat ook zij een
premium vragen in vergelijking met de kleine auditkantoren. De zesde en zevende
hypothesen luiden daarom als volgt:
H0,6: Big 4 auditkantoren rekenen geen prijspremie aan
H0,7: Middelgrote auditkantoren rekenen geen prijspremie aan
22
Indien in deze paper het bewijs gevonden wordt voor het bestaan van price-cutting, dan zal
verder nog nagegaan worden of een auditor switch naast een invloed op het audithonorarium
ook een invloed heeft op de non-audit fees. De bedoeling hiervan is te achterhalen of
eventuele verliezen bij de initiële controleopdracht teniet gedaan worden door een hoger
non-audithonorarium aan te rekenen aan de klant.
3.2 Regressiemodellen
Om bovenstaande hypothesen te testen wordt er gesteund op een model waarvan de
variabelen in hoofdzaak overgenomen worden uit de literatuur. De afhankelijke variabele is
het audithonorarium, maar uit eerder onderzoek blijkt dat betere resultaten bekomen worden
na het nemen van de natuurlijke logaritme ervan. Alle onafhankelijke variabelen die
opgenomen worden, zullen in wat volgt kort beschreven worden.
3.2.1 Controlevariabelen
Grootte van de geauditeerde
Zoals eerder vermeld in de literatuurstudie is de grootte van de onderneming de belangrijkste
bepalende factor van het audithonorarium. Totaal der activa en omzet kunnen als proxy-
variabelen voor grootte gebruikt worden. In deze studie wordt een model opgesteld waarin
het totaal actief opgenomen zal worden als onafhankelijke variabele. In de literatuur wordt
deze proxy immers het meest gebruikt en vormt hij een maatstaf voor de hoeveelheid
auditwerk dat vereist is. Er wordt dan ook een positieve relatie verwacht tussen deze
variabele en de audit fees. Deze relatie is echter niet lineair aangezien auditors bij grotere
ondernemingen schaalvoordelen kunnen creëren. Bovendien hebben grotere
ondernemingen frequenter een goedwerkend intern controlesysteem dat het werk van de
externe auditor kan verlichten. Rekening houdend met deze niet-lineaire relatie wordt de
natuurlijke logaritme van het totaal der activa (LNTA) opgenomen in het model.
In een sensitiviteitsanalyse zal LNTA vervangen worden door de natuurlijke logaritme van de
omzet (LNOM). Mogelijke verschillen in de resultaten zullen besproken worden. Deze
variabelen worden niet gelijktijdig in het model opgenomen omdat aangenomen wordt dat ze
positief zullen correleren, wat problemen van multicollineariteit in de hand werkt
Complexiteit
Een eerste variabele die gebruikt kan worden om de complexiteit van een onderneming te
vatten is het aantal dochterondernemingen. Om een dochteronderneming te zijn, moet de
moeder wettelijk gezien zeggenschap hebben in deze onderneming. Dit houdt in dat zij
minstens de helft van de stemmen in de AVA heeft of minstens de helft van de bestuurders
kan benoemen. Er wordt van uitgaan dat de relaties tussen de moeder- en
dochteronderneming bijkomend auditwerk vereisen. Ook hier zal bijgevolg een positieve
23
relatie verwacht worden met het audithonorarium. In het model wordt de vierkantswortel
(SQRDOCHTER) van het aantal dochterondernemingen genomen met als doel de grote
observaties te reduceren tot minder extreme waarden (Simon & Francis, 1988).
Om de ondernemingscomplexiteit verder te meten, kunnen nog twee bijkomende
verklarende variabelen opgenomen worden in het regressiemodel. Het betreft de ratio‟s
handelsvorderingen op totale activa (VORDTA) en de totale voorraden op totale activa
(VOORTA). Naarmate deze ratio‟s stijgen, neemt de complexiteit toe en zal de
controleopdracht meer inspanningen van de auditor vereisen. Dit resulteert opnieuw in een
hoger audithonorarium.
Risico van de audit
De ratio‟s handelsvorderingen op totale activa en de totale voorraden op totale activa kunnen
volgens sommige auteurs ook gezien worden als een maatstaf voor het ondernemingsrisico.
Dit is te verklaren door het feit dat de voorraden en de handelsvorderingen gemakkelijker te
manipuleren zijn door de ondernemingsleiding. Deze posten vereisen bijgevolg meer
auditwerk om tot een zo correct mogelijke opinie te komen.
Het ondernemingsrisico kan ook opgenomen worden in het model door de variabele ROA.
Dit is de return on assets en heeft betrekking op de financiële toestand en meer bepaald de
winstgevendheid van de onderneming. Er wordt aangenomen dat de controle van een
gezond bedrijf minder risico‟s inhoudt voor de auditor. Er kan dus een negatieve relatie
verwacht worden tussen de ROA en het audithonorarium.
Het al dan niet verlieslatend zijn is ook een maatstaf voor de financiële toestand van de
onderneming en vertegenwoordigt bijgevolg ook het ondernemingsrisico. Om deze factor in
het regressiemodel te introduceren wordt er gebruik gemaakt van een dummy-variabele
(VERLIESDUMM) die de waarde één krijgt in het jaar waarin de onderneming verlies heeft
geleden en nul anders. De relatie met het audithonorarium wordt verwacht positief te zijn.
Ook de solvabiliteit (SOLV) is een proxy voor het ondernemingsrisico. Deze ratio wordt
bekomen door het eigen vermogen te delen door het totale vermogen. Indien de
onderneming in grotere mate gefinancierd is met vreemd vermogen, dan zal deze ratio
kleiner worden. Bovendien geldt ook dat in dit geval meer auditwerk vereist is, aangezien de
controle van vreemd vermogen een groter risico inhoudt. Er wordt bijgevolg een negatieve
relatie verwacht tussen de solvabiliteit en het honorarium.
De variabele LIQ wordt opgenomen omdat dit de liquiditeitstoestand van de onderneming
vertegenwoordigt. In dit onderzoek wordt gebruik gemaakt van de current ratio die bekomen
wordt door de vlottende activa te delen door het vreemd vermogen op korte termijn. Hier
24
wordt een negatieve relatie verwacht omdat een hogere liquiditeit de kans op een
faillissement verkleint. Hierdoor ligt ook het risico lager.
Afsluitmaand van het boekjaar
De dummy-variabele AFSLUIT wordt opgenomen in het model omdat er verwacht wordt dat
wanneer een onderneming haar boekjaar afsluit in de drukke periode, ze meer zal moeten
betalen voor de controleopdracht. De drukke periode is de periode waarin de meerderheid
van de ondernemingen het boekjaar afsluiten en valt in België samen met de maanden
december, januari, februari en maart. In een poging om de werklast meer te spreiden over
het hele jaar zou er verwacht kunnen worden dat auditors hogere fees vragen in deze drukke
periode. De dummy AFSLUIT krijgt de waarde één indien de onderneming haar boekjaar
afsluit in de maanden december, januari, februari of maart en nul anders.
Beursnotering
Of een onderneming al dan niet beursgenoteerd is, kan een invloed hebben op het
audithonorarium. De verklaring hiervoor is dat van het management in een beursgenoteerd
bedrijf vereist wordt dat zij deugdelijk bestuur nastreven. Als gevolg van de
informatieasymmetrie tussen aandeelhouders en managers zullen aandeelhouders een
grondigere controle verlangen. Een uitgebreidere verslaggeving wordt vereist en het
auditwerk zal toenemen, waardoor er een positieve relatie ontstaat tussen het
beursgenoteerd zijn van een onderneming en de audit fee. Een tweede verklaring van het
hoger audithonorarium hangt samen met het risico van de audit. Het management zou (meer
dan in een niet-beursgenoteerde onderneming) de neiging kunnen hebben om de resultaten
te verbloemen. Zoals eerder vermeld resulteert een hoger risico in een hoger
audithonorarium. In het regressiemodel wordt de dummy-variabele BEURS opgenomen die
de waarde één krijgt wanneer de onderneming beursgenoteerd is en nul anders.
Karakteristieken van de auditor
De belangrijkste determinant van het honorarium die betrekking heeft op de auditor, is een
variabele die proxy is voor de grootte van de auditor.
De eerste variabele die dit effect vat, is de variabele BIG4. Dit is een dummy-variabele die
aangeeft of het kantoor al dan niet deel uitmaakt van de Big 4 auditkantoren. De dummy-
variabele krijgt de waarde één toegewezen wanneer de onderneming gecontroleerd wordt
door één van de Big 4. Er wordt een positieve relatie verwacht tussen deze dummy en het
honorarium aangezien van de grote auditkantoren verwacht wordt dat zij in staat zijn een
price premium te vragen voor de „betere kwaliteit‟ van de audit en hun reputatie. De
resultaten met betrekking tot deze variabele zullen informatie geven over de juistheid van de
zesde hypothese.
25
Naast de BIG4-variabele wordt een extra dummy-variabele MIDTIER toegevoegd. Via deze
variabele kan achterhaald worden of ook de opkomende middelgrote auditkantoren een
hogere prijs aanrekenen of niet. Deze variabele geeft indicatie over de correctheid van de
zevende hypothese.
3.2.2 Experimentele variabelen
Naast alle controlevariabelen die net besproken werden, wordt er voor het testen van de
eerste hypothese een dummy-variabele aan het model toegevoegd die het effect van een
switch op het audithonorarium zal vatten. Deze variabele krijgt de waarde één in het jaar dat
er een switch plaatsgevonden heeft. Dit is het jaar waarin de jaarrekening voor het eerst
gecontroleerd werd door een nieuwe auditor. De variabele krijgt de waarde nul indien het
geen initiële audit betreft. Voor België wordt verwacht dat de coëfficiënt bij deze variabele
een negatief teken zal vertonen.
Voor het testen van hypothese twee tot vijf zal de SWITCH-variabele vervangen worden door
vier andere dummy-variabelen die de richting van de switch aangeven. De eerste variabele,
B4B4, specificeert een switch tussen Big 4 auditkantoren. Een tweede variabele, B4NB4,
bevat het effect van een verandering van een Big 4 auditkantoor naar een Non-Big 4
auditkantoor, terwijl de derde dummy, NB4B4, staat voor een switch in de omgekeerde
richting. De laatste variabele, NB4NB4, duidt het effect aan van een verandering tussen Non-
Big 4 auditkantoren. Elke dummy-variabele neemt de waarde één aan indien het een switch
betreft die door de desbetreffende dummy gespecificeerd wordt.
3.2.3 Regressiemodellen
Regressiemodel 1 wordt gebruikt in het eerste deel van het onderzoek en ziet er na opname
van alle hierboven besproken variabelen als volgt uit:
LNFEE = ß0 + ß1 LNTA + ß2 VORDTA + ß3 VOORTA + ß4 LIQ + ß5 SOLV + ß6 ROA + ß7
VERLIESDUMM + ß8 AFSLUIT + ß9 BEURS + ß10 SQRDOCHTER + ß11 BIG4 + ß12
MIDTIER + ß13 SWITCH + ε
Bovenstaand model zal gebruikt worden voor het testen van de eerste hypothese. Het
tweede regressiemodel wordt op onderstaande manier gespecificeerd:
LNFEE = ß0 + ß1 LNTA + ß2 VORDTA + ß3 VOORTA + ß4 LIQ + ß5 SOLV + ß6 ROA + ß7
VERLIESDUMM + ß8 AFSLUIT + ß9 BEURS + ß10 SQRDOCHTER + ß11 BIG4 + ß12
MIDTIER + ß13 B4B4 + ß14 B4NB4 + ß15 NB4B4 + ß16 NB4NB4 + ε
Dit model kan gebruikt worden voor het testen van hypothese twee tot vijf. De zesde en
zevende hypothese kunnen getest worden gebruik makend van model 1 of model 2.
26
Om verder nog na te gaan of een auditor switch ook een invloed heeft op de hoogte van het
non-audithonorarium, zal een derde regressiemodel geschat worden. De afhankelijke
variabele wordt hier gevormd door de natuurlijke logaritme van de som van audit en non-
audit fees. Het model ziet er als volgt uit:
LN(AUD+NONAUD)= ß0 + ß1 LNTA + ß2 VORDTA + ß3 VOORTA + ß4 LIQ + ß5 SOLV + ß6
ROA + ß7 VERLIESDUMM + ß8 BIG4 + ß9 MIDTIER + ß10 SWITCH + ε
Een overzicht van alle gebruikte variabelen samen met een omschrijving en het verwachte
teken is terug te vinden in tabel 2.
3.3 Onderzoeksmethodiek
Aangezien de steekproef voor dit onderzoek bestaat uit ondernemingen waarvoor
observaties bestaan voor een periode van drie jaar, zal er voor model 1 en 2 in eerste
instantie een vergelijkende studie gebeuren tussen de pooled Ordinary Least Squares (OLS)
regressiemethode en de panel data methode. Aangezien de eerste methode geen rekening
houdt met de verschillen tussen ondernemingen, wordt verwacht dat de panel data methode
meer betrouwbare resultaten zal opleveren. Er zal hierbij gewerkt worden met een
ongebalanceerd panel omdat dit het grootste aantal observaties oplevert. Hierop wordt in het
volgend punt teruggekomen.
Indien in deze eerste stap van het onderzoek bewijs gevonden wordt voor het bestaan van
price-cutting, dan zal er ook aandacht besteed worden aan de mogelijke invloed dat dit zou
kunnen hebben op de hoogte van het non-audithonorarium (model 3). De mogelijkheid
bestaat dat eventuele verliezen bij de initiële controleopdracht doorgerekend worden naar de
non-audit fees.
In tweede instantie zullen regressiemodellen 1 en 2 voor elk jaar in de periode 2007-2009
afzonderlijk geschat worden. Dit zal gebeuren aan de hand van de OLS-methode. De
modellen die voor elk jaar geschat worden kunnen aantonen of er in een specifieke periode
al dan niet sprake is van price-cutting.
In bovenstaande stappen zal telkens het model gebruikt worden dat de natuurlijke logaritme
van de totale activa bevat. Deze werkwijze wordt toegepast aangezien deze variabele de
meest gebruikte is in de literatuur. In een sensitiviteitstest zal nagegaan worden of het
gebruik van de natuurlijke logaritme van de omzet gelijkaardige resultaten oplevert. Verwacht
wordt dat de verschillen tussen de modellen niet groot zullen zijn aangezien beide variabelen
gebruikt kunnen worden als proxy voor de grootte van de onderneming.
In een laatste deel van het onderzoek zullen de regressiemodellen opnieuw geschat worden
door gebruik te maken van de steekproef van het gebalanceerd panel. Hier zal de
27
sensitiviteitstest uitwijzen of er grote verschillen opduiken wanneer er een steekproef
gebruikt wordt die bestaat uit een beperkter aantal observaties.
Tabel 2: Definitie van de gebruikte variabelen
Variabelen Omschrijving Verwacht teken
Afhankelijke variabelen
LNFEE Natuurlijke logaritme van het audithonorarium
LN(AUD+NONAUD) Natuurlijke logaritme van de som van audit- en non-audithonoraria
Experimentele variabelen
SWITCH Dummy-variabele = 1 indien er een switch is en 0 anders +/-
B4B4 Dummy-variabele = 1 indien er een switch is tussen Big 4 auditkantoren en 0 anders
+/-
B4NB4 Dummy-variabele = 1 indien er een switch is van een Big 4 auditkantoor naar een Non-Big 4 auditkantoor en 0 anders
+/-
NB4B4 Dummy-variabele = 1 indien er een switch is van een Non-Big 4 naar een Big 4 auditkantoor en 0 anders
+/-
NB4NB4 Dummy-variabele = 1 indien er een switch is tussen Non-Big 4 auditkantoren en 0 anders
+/-
Controlevariabelen
LNTA Natuurlijke logaritme van totaal der activa +
LNOM Natuurlijke logaritme van omzet +
VORDTA Handelsvorderingen/Totaal der activa +
VOORTA Voorraden/Totaal der activa +
LIQ Liquiditeitsratio: Vlottende activa/Vreemd vermogen op korte termijn
-
SOLV Eigen vermogen/Totaal vermogen -
BIG4 Dummy-variabele = 1 indien auditor behoort tot de Big 4 en 0 anders
+
MIDTIER Dummy-variabele = 1 indien auditor behoort tot de middelgrote auditkantoren en 0 anders
+
SQRDOCHTER Vierkantswortel van het aantal dochterondernemingen +
ROA Resultaat/Totaal der activa -
VERLIESDUMM Dummy-variabele = 1 indien de onderneming verlieslatend is en 0 anders
+
AFSLUIT Dummy-variabele = 1 indien de boekhouding wordt afgesloten in de drukke periode en 0 anders
+
BEURS Dummy-variabele = 1 indien de onderneming beursgenoteerd is en 0 anders
+
28
4. Data
Dit onderzoek heeft betrekking op alle Belgische ondernemingen die bij wet verplicht zijn een
commissaris aan te stellen voor de controle van de jaarrekening, en dit voor de periode
2007-2009. Het zijn de grote ondernemingen die door het Wetboek van Vennootschappen
verplicht worden een auditor aan te stellen. Dit zijn ondernemingen die minstens twee van
onderstaande criteria overschrijden:
Omzet > 7.300.000 euro
Balanstotaal > 3.650.000 euro
Aantal werknemers > 50 voltijdse equivalenten
Indien een vennootschap meer dan 100 voltijdse equivalenten tewerkstelt, wordt zij
automatisch aanzien als grote onderneming en dient zij een commissaris aan te stellen. Ook
alle beursgenoteerde ondernemingen hebben de verplichting een auditor te benoemen.
Uitzondering op de regel vormen de vennootschappen onder firma, gewone commanditaire
vennootschappen, coöperatieve vennootschappen met onbeperkte aansprakelijkheid,
landbouwvennootschappen en economische samenwerkingsverbanden waarvan geen enkel
lid de verplichting heeft een commissaris aan te duiden.
Gegevens worden verzameld aan de hand van de Bel-First cd-rom die ter beschikking
gesteld wordt door Bureau van Dijk, waaruit blijkt dat er in België 7.464 ondernemingen aan
bovenvermelde criteria voldoen. De uiteindelijke steekproef die gebruikt zal worden in dit
onderzoek zal kleiner zijn aangezien er nog bepaalde ondernemingen verwijderd dienen te
worden. Het betreft ondernemingen waarvan over de gehele onderzochte periode geen
gegevens beschikbaar zijn over de aangestelde commissaris en/of het honorarium dat
betaald werd. Vennootschappen die ontsnappen aan de regel een revisor aan te stellen (ook
al voldoen zij aan bovenstaande criteria), worden weggelaten uit de steekproef. Daarnaast
worden ook ondernemingen die gedurende de onderzochte periode één of meerdere
boekjaren hebben die langer zijn dan één kalenderjaar verwijderd. Dit zou ongewenste
effecten kunnen hebben op de afhankelijke variabele, het audithonorarium. Verder worden
ook de financiële ondernemingen uit de steekproef geweerd. Dit gebeurt ook in de literatuur
aangezien de prijszetting voor auditdiensten in deze sector sterk zou kunnen verschillen. Dit
kan het niet opnemen van deze ondernemingen verantwoorden. Een laatste reden om
vennootschappen niet langer op te nemen in de steekproef is het feit dat er niet één, maar
wel een college van revisoren aangesteld is. In België is het benoemen van een college
geen verplichting, maar het aanstellen van meerdere revisoren in een onderneming zou een
bijkomend effect kunnen hebben op de hoogte van het audithonorarium. Uit de literatuur
blijkt immers dat het aanstellen van een college in een competitieve omgeving aanleiding
29
zou kunnen geven tot een reductie in de totale audit fees bij grote ondernemingen
(Thinggaard & Kiertzner, 2008; Gonthier-Besacier & Schatt, 2007). Bovendien is het niet
mogelijk om het totale audithonorarium dat terug te vinden is in de jaarrekening toe te wijzen
aan de verschillende leden van het college. Gegevens die hiervoor vereist zijn worden
immers niet bekendgemaakt. Indien het gegeven honorarium toch verdeeld zou worden op
basis van een arbitraire verdeelsleutel, is de kans te groot dat er fouten in de steekproef
sluipen.
Naast de informatie die te vinden is aan de hand van de Bel-First cd-rom, wordt de data
aangevuld door gebruik te maken van de jaarrekeningen die ter beschikking gesteld worden
door de Nationale Bank van België. Indien bepaalde gegevens over de auditor, zoals de
naam en de duur van het mandaat ontbraken werd er een beroep gedaan op deze
jaarrekeningen. Het kennen van de naam van de auditor is noodzakelijk voor het geven van
een waarde aan de dummy-variabelen BIG4 en MIDTIER en de dummy-variabelen die de
richting van de switch specificeren.
Om switches te kunnen identificeren werd er bovendien gebruik gemaakt van een onderzoek
van de Hoge Raad voor Economische Beroepen. Zij hebben een studie gedaan naar de
structuur van de auditmarkt in België. Het resultaat van dit onderzoek is een lijst met alle
auditkantoren, natuurlijke personen en overkoepelende organisaties in België. Er werd een
beroep gedaan op deze lijst indien de audit in een bepaald jaar gedaan werd door een
andere natuurlijke persoon of rechtspersoon. Wanneer deze natuurlijke persoon of
rechtspersoon behoort tot dezelfde groep als de vorige auditor, wordt dat in dit onderzoek
immers niet gezien als switch.
Aangezien observaties betrekking hebben op verschillende ondernemingen over een
bepaalde periode, dient er gewerkt te worden met panel data. Indien er een gebalanceerd
panel gebruikt wordt, dienen ook ondernemingen verwijderd te worden waarvan gegevens
voor één of meerdere jaren in de periode 2007-2009 niet beschikbaar zijn in Bel-First of de
jaarrekeningen die terug te vinden zijn op de website van de Nationale Bank van België.
Indien de voorkeur uitgaat naar een ongebalanceerd panel dienen enkel de jaren verwijderd
te worden waarvan de gegevens ontbreken. Voor het gebalanceerd panel wordt op deze
manier een steekproef bekomen die bestaat uit 3.525 ondernemingen, wat resulteert in een
totaal van 10.575 observaties. In deze steekproef zijn bovendien 462 switches terug te
vinden. De steekproef voor het ongebalanceerd panel is uitgebreider en bestaat uit 13.660
observaties. Ook het aantal switches is hier groter en bedraagt 587.
30
5. Regressie-analyse
In dit hoofdstuk zal het empirisch onderzoek besproken worden. De resultaten van de
regressiemodellen die eerder vermeld werden, worden hier weergegeven en bekritiseerd.
Een eerste punt geeft een overzicht van de descriptieve statistiek, waarna ingegaan wordt op
het al dan niet voldaan zijn van de assumpties waarop het OLS-model steunt. In het derde
punt zullen de eigenlijke regressiemodellen weergegeven worden.
5.1 Descriptieve statistiek
In dit punt wordt de beschrijvende statistiek besproken. Er moet een keuze gemaakt worden
tussen een gebalanceerd en een ongebalanceerd panel. In wat volgt gaat de voorkeur uit
naar het ongebalanceerd panel aangezien dit het grootste aantal observaties bevat.
Bovendien leidt het gebruik van dit panel niet tot een survivorship bias. Dit is echter wel
mogelijk bij het tweede type aangezien daar enkel ondernemingen opgenomen worden die
over de gehele onderzochte periode actief waren. Als laatste zal in dit punt wel kort ingegaan
worden op mogelijke verschillen1 tussen beide panels.
Tabel 3 geeft de verdeling van het aantal switches in de steekproef van het ongebalanceerde
panel. Over de jaren 2007, 2008 en 2009 hebben 641 grote ondernemingen een nieuwe
auditor aangesteld. Bijna een derde van de switches vond plaats tussen Big 4 auditkantoren.
Het kleinste aantal switches is terug te vinden van een Big 4 auditkantoor naar een Non-Big
4 auditor. Ook het aantal veranderingen tussen Non-Big 4 auditors is relatief groot.
Vorige\Nieuwe auditor Big 4 Non-Big 4 Totaal
Big 4 205 113 318 Non-Big 4 135 188 323 Totaal 340 301 641
Tabel 3: Verdeling van switches (ongebalanceerd panel)
Tabellen 4, 5 en 6 geven de beschrijvende statistiek weer. Voor de variabelen die
opgenomen worden in het regressiemodel, wordt het gemiddelde en de standaardafwijking
berekend. Deze getallen worden weergegeven voor de totale steekproef, waarna een
onderscheid gemaakt wordt tussen twee subsamples; de switchers en de non-switchers. De
beschrijvende statistiek gebeurt voor de drie jaren afzonderlijk.
Resultaten voor 2007 in tabel 4 tonen aan dat de gemiddelde audit fee voor de totale
steekproef € 24.233,48 bedraagt. Het gemiddelde voor de switchers ligt lager dan dat van de
non-switchers, wat een aanwijzing kan zijn van price-cutting. Uit de Mann-Whitney U-test
blijkt echter dat het verschil niet significant is op het 5% significantieniveau. Ook het totaal
1 De verschillen tussen beide panels zullen gering zijn aangezien het ongebalanceerd panel een
uitbreiding is van het gebalanceerd panel.
31
der activa en de omzet blijken voor de switchers lager te zijn dan voor de non-switchers.
Hieruit blijkt dat vooral de kleinere ondernemingen van auditor veranderen. Deze verschillen
zijn opnieuw niet significant. Het gemiddelde van de totale activa voor de totale steekproef is
€ 118.656.000 terwijl de omzet gemiddeld € 92.170.000 bedraagt.
Volledige steekproef
(n = 4273)
Switchers
(n = 202)
Non-Switchers
(n = 4071)
Mann-Whitney U-
test
Variabele Gem. St. afw. Gem. St. afw. Gem. St. afw. Verschil P-wrde Audit fee 24.233,48 58.033,76 22.034,91 27.532,84 24.330,67 59.127,14 -2.295,76 0,156 LNFEE 9,4388 1,0471 9,5082 0,9669 9,4354 1,0509 0,07284 0,159 TA* 118.656 798.079 80.313 318.919 120.640 814.341 -40.326 0,321 LNTA 16,8778 1,4382 16,8980 1,3295 16,8779 1,4442 0,02 0,321 Omzet* 92.170 578.233 64.028 155.340 93.530 59.123 -29.501 0,638 LNOM 17,1207 1,3519 17,0899 1,3305 17,1220 1,3529 -0,0321 0,638 VORDTA 0,3112 0,2233 0,3161 0,2235 0,3108 0,2234 0,0052 0,776 VOORTA 0,1403 0,1701 0,1263 0,1623 0,1409 0,1705 -0,0146 0,327 LIQ 1,9105 3,0028 1,9251 2,5398 1,9140 3,0384 0,1111 0,889 SOLV 0,3406 0,2523 0,3410 0,2658 0,3408 0,2518 0,0002 0,945 ROA 0,0679 0,1231 0,0589 0,1491 0,0683 0,1217 -0,0094 0,447 Dochter 2,3179 9,9377 1,6386 3,9402 2,4348 10,1421 -0,7962 0,838
*Opmerking: omzet en totaal der activa staat in duizenden euro’s
Tabel 4: Beschrijvende statistiek 2007 (ongebalanceerd panel)
Het gemiddelde van de ratio vorderingen op totaal der activa ligt zowel voor de totale
steekproef als de twee subsamples in de buurt van 31%. Er blijkt wel een klein verschil te
zijn tussen de switchers en non-switchers bij de gemiddelde voorraden op totaal actief. Deze
bedraagt 14,10% voor de non-switchers en ligt hiermee iets hoger dan de 12,63% bij de
switchers. Het verschil is echter niet significant.
Ook voor de resterende variabelen zijn de verschillen tussen switchers en non-switchers
eerder beperkt. Bovendien toont de Mann-Whitney U-test aan dat het kleine verschil in
gemiddelden niet significant is. De ratio‟s liquiditeit en solvabiliteit verschillen amper bij de
switchers en de non-switchers. Ook de hogere gemiddelde return on assets bij de non-
switchers verschilt niet significant van deze van de andere subsample.
Een belangrijke opmerking is dat de standaardafwijkingen van de besproken variabelen zeer
groot zijn. Dit wijst erop dat er zeer veel variatie is in de ondernemingen die opgenomen zijn
in de steekproef.
Wanneer de beschrijvende statistiek van het jaar 2007 vergeleken wordt met deze van 2008
en 2009 in tabel 5 en 6, dan is er jaarlijks een daling van de gemiddelde audit fee op te
merken. In 2008 is het gemiddelde gedaald tot 23.659,16. Voor 2009 zien we een verdere
daling van het audithonorarium tot 22.600,50. Deze tendens zou te wijten kunnen zijn aan de
financiële crisis, die bedrijven ertoe aangezet heeft te besparen op audit fees door een
32
goedkopere auditor aan te stellen. Na het corrigeren van de audithonoraria door deze te
delen door de totale activa2 blijkt uit de Mann-Whitney U-test dat de verschillen in
gemiddelde waarden niet significant zijn op het 5% significantieniveau. Voor de resultaten
hiervoor wordt verwezen naar bijlage 11.1.
Volledige steekproef
(n =4816)
Switchers
(n =233)
Non-Switchers
(n =4583)
Mann-Whitney U-
test
Variabele Gem. St. afw. Gem. St. afw. Gem. St. afw. Verschil P-wrde Audit fee 23.659,16 42.600,34 22.879,93 36.943,03 23.698,78 42.871,17 -818,85 0,061 LNFEE 9,4412 1,0321 9,5203 0,9495 9,4372 1,0361 0,8309 0,061 TA* 122.510 948.066 66.561 227.468 125.350 970.437 -37.433 0,476 LNTA 16,8779 1,4258 16,8151 1,2883 16,8811 1,4325 -0,0660 0,476 Omzet* 90.737 614.305 73.468 292.697 91.615 626.264 -1,8147 0,148 LNOM 17,1000 1,3685 17,2167 1,1033 17,0941 1,38046 0,1225 0,148 VORDTA 0,2902 0,2186 0,2982 0,2148 0,2898 0,2188 0,0084 0,453 VOORTA 0,1419 0,1789 0,1555 0,1777 0,1412 0,1789 0,1436 0,058 LIQ 1,9759 3,2975 2,3056 4,4288 1,9591 3,2292 0,3459 0,867 SOLV 0,3519 0,2608 0,3432 0,2780 0,3523 0,2599 -0,0091 0,614 ROA 0,0526 0,1388 0,0570 0,1234 0,0524 0,1396 0,0046 0,880 Dochter 2,2795 9,6151 1,4807 3,3180 2,3201 9,8265 -0,8394 0,984
*Opmerking: omzet en totaal der activa staat in duizenden euro’s
Tabel 5: Beschrijvende statistiek 2008 (ongebalanceerd panel)
Volledige steekproef
(n = 4571)
Switchers
(n = 152)
Non-Switchers
(n = 4419)
Mann-Whitney U-
test
Variabele Gem. St. afw. Gem. St. afw. Gem. St. afw. Verschil P-wrde Audit fee 22.600,50 39.249,86 21.449,91 26.303,02 22.640,08 39.621,47 -1.190,17 0,288 LNFEE 9,4288 1,0116 9,5017 0,9324 9,4263 1,0142 0,0754 0,288 TA* 124.784 973.568 142.993 665.180 124.158 982.502 18.835 0,768 LNTA 16,8441 1,4212 16,9018 1,4841 16,8421 1,4191 0,0597 0,768 Omzet* 75.168 430.538 57.564 125.478 75.774 437.254 -18.210 0,844 LNOM 17,0288 1,2994 17,0769 0,9324 17,0271 1,3035 0,0498 0,844 VORDTA 0,2773 0,2138 0,2756 0,1833 0,2773 0,2148 -0,0018 0,473 VOORTA 0,1342 0,1711 0,1400 0,1626 0,1341 0,1714 0,0060 0,310 LIQ 2,0895 3,2107 2,0124 3,4850 2,0921 3,2013 -0,0798 0,076 SOLV 0,3696 0,2615 0,3228 0,2518 0,3712 0,2617 -0,0485 0,150 ROA 0,0451 0,1278 0,0315 0,1480 0,0455 0,1270 -0,0140 0,386 Dochter 2,1899 9,4367 1,9063 3,9601 2,1503 9,2192 -0,2180 0,128
*Opmerking: omzet en totaal der activa staat in duizenden euro’s
Tabel 6: Beschrijvende statistiek 2009 (ongebalanceerd panel)
Een gelijkenis met 2007 is het feit dat in 2008 en 2009 het gemiddelde audithonorarium, de
totale activa en de omzet van de switchers nog steeds kleiner zijn dan deze van de non-
2 Om na te gaan of deze daling significant is en niet te wijten is aan andere factoren, wordt er gekeken
naar de verandering in de verhouding tussen het audithonorarium en de totale activa. De grootte van de onderneming is immers de belangrijkste verklarende factor van het audithonorarium en de daling in de audit fees zou kunnen wijzen op een daling in de grootte van de ondernemingen.
33
switchers, al zijn de verschillen opnieuw insignificant op het 5% significantieniveau. Het
gemiddelde van de ratio vorderingen op totaal actief is licht gedaald, terwijl het gemiddelde
van de ratio voorraden op totaal actief stijgt in 2008. In 2009 is er echter opnieuw een daling.
Ook het gemiddelde van de liquiditeit en de solvabiliteit stijgt bij de non-switchers. Voor deze
laatste variabele wordt bij de switchers echter een daling waargenomen. Ook de return on
assets daalt geleidelijk aan en bedraagt in 2009 voor de totale steekproef slechts 4,51%.
Naast de continue variabelen wordt ook de beschrijvende statistiek van de dummy-
variabelen per jaar gegeven. Voor de resultaten hiervan wordt verwezen naar tabel 7.
2007 2008 2009
Variabele Aantal = 1 Aantal = 0 Aantal = 1 Aantal = 0 Aantal = 1 Aantal = 0 SWITCH 202 4.071 233 4.583 152 4.419 B4NB4 45 4.228 44 4.772 10 4.561 B4B4 40 4.233 86 4.730 52 4.519 NB4B4 61 4.212 49 4.767 38 4.533 NB4NB4 56 4.217 55 4.761 51 4.520 BIG4 2.053 2.220 2.211 2.605 2.014 2.557 MIDTIER 370 3.903 439 4.377 431 4.140 VERLIESDUMM 666 3.607 1.057 3.759 1.065 3.506 AFSLUIT 3.862 411 4.267 549 3.996 575 BEURS 49 4.224 48 4.766 44 4.525
Tabel 7: Beschrijvende statistiek dummy-variabelen (ongebalanceerd panel)
In 2007 zijn er in de totale steekproef van 4.273 ondernemingen 202 switches waar te
nemen. Het grootste aantal switches vindt plaats tussen een Non-Big 4 en Big 4
auditkantoor. In 2008 en 2009 zijn er hoofdzakelijk veranderingen tussen Big 4 auditors.
Procentueel gezien blijft het totaal aantal switches in 2008 gelijk, terwijl er in 2009 een lichte
daling op te tekenen is.
Tabel 7 geeft weer dat bijna de helft van de ondernemingen van de steekproef in 2007 een
Big 4 auditor heeft aangesteld, wat gelijkaardig is aan resultaten van vorige studies in België.
Toch is dit relatief laag, aangezien in andere landen percentages tot 95% teruggevonden
worden. De concentratie van de middelgrote auditkantoren ligt beduidend lager. Zoals eerder
vermeld, kan dit verklaard worden door het feit dat de markt in België voornamelijk bestaat
uit kleine, niet-beursgenoteerde ondernemingen die vaker kiezen voor een Non-Big 4
auditkantoor.
In de steekproef is een relatief groot aantal verlieslatende ondernemingen terug te vinden.
Dit aantal stijgt zelfs in 2008 en 2009, wat verklaard zou kunnen worden door de financiële
crisis.
Voor de tabellen met descriptieve statistiek van het gebalanceerd panel wordt verwezen naar
bijlage 11.2. Zoals eerder vermeld ligt het aantal observaties en dus ook het aantal switches
34
een stuk lager. De verdeling van de switches over de verschillende categorieën is wel
gelijklopend. Ook bij het gebalanceerd panel is het gemiddelde van het audithonorarium, de
totale activa en de omzet lager voor switchers. Voor alle andere variabelen zijn de
statistische kengetallen gelijkaardig.
5.2 Assumpties
Aangezien bepaalde modellen voor het testen van de eerder besproken hypothesen geschat
worden op basis van de Ordinary Least Squares methode, wordt eerst nagegaan of de
belangrijkste assumpties waarop deze methode steunt, voldaan zijn.
Een eerste assumptie veronderstelt dat er geen multicollineariteit aanwezig is. Om dit na te
gaan kunnen bij de verschillende regressiemodellen Variance Inflation Factors berekend
worden. Resultaten hiervan tonen aan dat multicollineariteit niet in een overdreven mate
aanwezig is. Dit geldt voor alle geschatte modellen. Een voorbeeld van deze test wordt
gegeven in bijlage 11.3. Naast de berekening van de VIF‟s kan ook een correlatiematrix
opgesteld worden om correlaties te ontdekken tussen de afhankelijke en onafhankelijke
variabelen. Deze correlatiematrix wordt weergegeven in tabel 8. Hieruit blijkt dat alle
variabelen in bepaalde mate met elkaar correleren. De hoogste correlatie is terug te vinden
tussen de natuurlijke logaritmes van het totaal der activa en de omzet, deze zijn beiden
proxy voor de grootte van de onderneming. Zoals eerder vermeld zal dit implicaties hebben
voor de vorm van het regressiemodel: beide variabelen correleren hoog met het
audithonorarium, maar zullen niet gelijktijdig in het model opgenomen worden. Gelijkaardige
resultaten zijn ook terug te vinden in de literatuur waardoor er met de gegeven variabelen
verder gewerkt zal worden.
Via de White-Test wordt bewijs gevonden voor heteroscedasticiteit. Om de problemen die
hiermee verband houden in rekening te brengen wordt er een correctie toegepast: de White
heteroskedasticity-consistent standard errors zullen worden berekend. Voor een voorbeeld
van de heteroscedasticiteitstest wordt er ook verwezen naar bijlage 11.3. Voor alle modellen
en gebruikte steekproeven worden gelijkaardige resultaten bekomen. Aangezien panel data
moeilijker te controleren zijn op de aanwezigheid van heteroscedasticiteit, zullen ook hier uit
voorzorg de White cross-section standard errors berekend worden.
Een laatste assumptie betreft de normaliteit van de data. Dit wordt gecontroleerd aan de
hand van de Jarque-Bera test. Resultaten tonen echter aan dat de residuen niet normaal
verdeeld zijn. Voor een voorbeeld van deze test wordt opnieuw verwezen naar bijlage 11.3.
Tenslotte werd er gecontroleerd op het voorkomen van outliers die verwijderd werden om te
vermijden dat zij de resultaten te veel kunnen beïnvloeden.
35
Tabel 8: Correlatiematrix
Correlatie p-waarde
LNFEE
SWITCH
LNTA
LNOM
VORDTA
VOORTA
LIQ
SOLV
BIG4
MIDTIER
ROA
LNFEE
1,000000 ----
SWITCH
0,009352 0,3363
1,000000 ----
LNTA
0,631762 0,0000
-0,004571 0,6384
1,000000 ----
LNOM
0,607545 0,0000
0,003660 0,7067
0,684343 0,0000
1,000000 ----
VORDTA
-0,097155 0,0000
-0,003051 0,7538
-0,330860 0,0000
0,058684 0,0000
1,000000 ----
VOORTA
-0,112112 0,0000
0,003858 0,6916
-0,177491 0,0000
0,068265 0,0000
-0,072538 0,0000
1,000000 ----
LIQ
-0,030932 0,0015
0,005054 0,6033
0,081440 0,0000
-0,077506 0,0000
-0,137894 0,0000
-0,009513 0,3280
1,000000 ----
SOLV
-0,023227 0,0169
-0,013070 0,1790
0,036085 0,0002
-0,100880 0,0000
-0,237433 0,0000
-0,025024 0,0101
0,379993 0,0000
1,000000 ----
BIG4 0,536657 0,0000
0,027693 0,0044
0,329370 0,0000
0,282863 0,0000
-0,023496 0,0157
-0,163057 0,0000
0,021231 0,0290
-0,000168 0,9862
1,000000 ----
MIDTIER
-0,063582 0,0000
0,047350 0,0000
-0,044548 0,0000
-0,022617 0,0200
0,000563 0,9538
0,063956 0,0000
-0,022182 0,0225
-0,043614 0,0000
-0,306265 0,0000
1,000000 ----
ROA -0,035794 0,0002
-0,011125 0,2527
-0,047110 0,0000
0,053364 0,0000
0,036083 0,0002
-0,026476 0,0065
0,079272 0,0000
0,253536 0,0000
0,0116827 0,2348
-0,010070 0,3005
1,000000 ----
SQRDOCH
0,350444 0,0000
-0,009670 0,3200
0,501402 0,0000
0,318793 0,0000
-0,188014 0,0000
-0,117250 0,0000
-0,035377 0,0003
0,015669 0,1071
0,116827 0,0000
0,016122 0,0974
-0,045118 0,0000
VERLIES
0,089144 0,0000
0,015237 0,1172
0,024461 0,0119
-0,025014 0,0101
-0,043761 0,0000
0,018284 0,0601
-0,074823 0,0000
-0,219097 0,0000
0,056212 0,0000
0,029056 0,0028
-0,493542 0,0000
AFSLUIT
-0,026299 0,0068
0,008815 0,3647
0,023463 0,0158
-0,025172 0,0096
-0,019551 0,0444
-0,019586 0,0440
0,015915 0,1017
0,007516 0,4396
-0,012365 0,2036
0,027941 0,0041
-0,036293 0,0002
BEURS
0,198279 0,0000
-0,014943 0,1244
0,196581 0,0000
0,092440 0,0000
-0,094181 0,0000
-0,046395 0,0000
-0,010712 0,2707
0,051781 0,0000
0,060354 0,0000
0,011053 0,2558
-0,017978 0,0645
36
Tabel 8: Correlatiematrix (vervolg)
Correlatie p-waarde
SQR DOCHTER
VERLIES
AFSLUIT
BEURS
LNFEE
SWITCH
LNTA
LNOM
VORDTA
VOORTA
LIQ
SOLV
BIG4
MIDTIER
ROA
SQRDOCH
1,000000 ----
VERLIES
0,043990 0,0000
1,000000 ----
AFSLUIT
0,037082 0,0001
0,019595 0,0439
1,000000 ----
BEURS
0,389799 0,0000
0,029104 0,0028
0,036844 0,0002
1,000000 ----
37
5.3 Regressieresultaten
5.3.1 Invloed van een auditor switch op het audithonorarium (model 1)
Om de eerder besproken hypothese te testen, zal er een vergelijkende studie gebeuren
tussen twee verschillende regressiemethoden. Het regressiemodel zal in eerste instantie
geschat worden aan de hand van de pooled OLS methode. Voor de tweede manier wordt er
gesteund op panel data regressies.
De resultaten van het testen van de eerste nulhypothese zijn terug te vinden in tabel 9. De
gebruikte methode bij de panel data is de Fixed Effects Least-Squares Dummy Variable
(LSDV) regressiemethode. De keuze hiervoor werd gemaakt naar aanleiding van de
resultaten van de Hausman-Test, die terug te vinden zijn in bijlage 11.4. Deze test toont
immers aan dat niet de Random Effects methode, maar wel de Fixed Effects methode de
meest geschikte is voor deze steekproef.
Een eerste belangrijk verschilpunt tussen de pooled data model en het panel data model, is
het feit dat in het tweede regressiemodel alle verklarende variabelen, met inbegrip van de
experimentele variabele SWITCH, significant verschillend zijn van nul op het 5%
significantieniveau. In het eerste regressiemodel is de SWITCH-variabele niet significant
verschillend van nul op het 5% significantieniveau. Ook de solvabiliteit van de onderneming
lijkt in dit model geen significante invloed te hebben op het audithonorarium. Wanneer de
variabele SOLV uit de regressie verwijderd wordt, blijft de SWITCH-variabele insignificant. In
het pooled model hebben de meeste variabelen, met uitzondering van SOLV, ROA en
AFSLUIT, het verwachte teken. In het Fixed Effects model is enkel het teken van de
variabele SOLV in strijd met de verwachtingen.
Een tweede opmerkelijk verschil tussen de gegeven regressiemodellen betreft de hoogte van
de adjusted R2. Deze is voor het Fixed Effects model aanmerkelijk groter: 94% tegenover
54%3.
Een laatste opmerking betreft het feit dat bepaalde variabelen niet langer opgenomen
kunnen worden in het Fixed Effects regressiemodel. Het betreft de dummy-variabelen
SQRDOCHTER, AFSLUIT en BEURS, die voor een individuele onderneming niet wijzigen
gedurende de gehele onderzochte periode 2007-2009. Het niet kunnen opnemen van deze
variabelen lijkt echter geen nadeel in te houden voor de verklarende kracht van het tweede
model.
3 De betere verklarende kracht van het tweede regressiemodel is mogelijks te wijten aan het feit dat er
in het pooled OLS model geen rekening mee wordt gehouden dat er verschillen zijn tussen de ondernemingen in de steekproef, wat in het Fixed Effects model wel expliciet in rekening gebracht wordt.
38
Tabel 9: Regressiemodel 1: pooled OLS en Fixed Effects model met SWITCH-variabele
Afhankelijke variabele: LNFEE N = 13.660 Aantal switches = 587
Model 1a: Pooled OLS regressiemodel Model 1b: Fixed Effects regressiemodel
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error** t-Statistiek P-waarde
C 3,004711 0,115817 25,94365 0,0000 6,610320 0,333089 19,84549 0,0000 SWITCH -0,013183 0,027941 -0,471817 0,6371 -0,024485 0,004274 -5,729061 0,0000 LNTA 0,350517 0,006830 51,32117 0,0000 0,150920 0,017269 8,739482 0,0000 VORDTA 0,378040 0,032425 11,65901 0,0000 0,101743 0,020012 5,084112 0,0000 VOORTA 0,222807 0,035051 6,356600 0,0000 0,225540 0,030626 7,364257 0,0000 LIQ -0,020742 0,001948 -10,64524 0,0000 -0,002862 0,000894 -3,200459 0,0014 SOLV 0,027038 0,028885 0,936053 0,3493 0,085720 0,026031 3,293050 0,0010 BIG4 0,832459 0,013327 62,46265 0,0000 0,403928 0,034106 11,84319 0,0000 MIDTIER 0,240776 0,022229 10,83145 0,0000 0,111621 0,039943 2,794526 0,0052 SQRDOCHTER 0,043506 0,006900 6,305641 0,0000 ROA 0,118248 0,057884 2,042827 0,0411 -0,110547 0,041818 -2,643516 0,0082 VERLIESDUMM 0,170510 0,017974 9,486252 0,0000 0,034347 0,002272 15,11912 0,0000 AFSLUIT -0,084566 0,017835 -4,741661 0,0000 BEURS 0,547164 0,108306 5,052014 0,0000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,544068 0,543634
1.252,059 0,000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,961677 0,937778 40,23878 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
** Opmerking: Standaardfouten zijn de White cross-section standard errors
39
Ondanks de verschillen tussen beide regressiemethoden zal de conclusie getrokken worden
aan de hand van het panel data regressiemodel. Op basis van bovenstaande resultaten kan
bijgevolg de eerste nulhypothese verworpen worden en blijkt dat een switch een significante
invloed heeft op de hoogte van het audithonorarium. De coëfficiënt bij de SWITCH-variabele
is bovendien negatief, wat wijst op de aanwezigheid van price-cutting op de Belgische
auditmarkt. De prijskorting die gevonden wordt is niettemin relatief klein en bedraagt slechts
2,48%.
5.3.2 Specifieke switch-variabelen en hun invloed op het audithonorarium (model 2)
Ook de hypothesen twee tot en met vijf kunnen getest worden gebruik makend van de
pooled OLS en de Fixed Effects methode. De resultaten hiervoor werden opgenomen in
tabel 10. Ook hier toont de Hausman-Test aan dat de Fixed Effects regressiemethode voor
panel data gebruikt dient te worden.
Net zoals in het model met de SWITCH-variabele valt er te bemerken dat de solvabiliteit van
de onderneming in het eerste model geen significante invloed heeft op het 5%
significantieniveau, terwijl alle andere controlevariabelen wel significant zijn. Voor wat betreft
de vier experimentele variabelen is er slechts één daarvan significant verschillend van nul.
Uit het pooled OLS model is af te leiden dat switching leidt tot een lager audithonorarium
indien de auditklant verandert van een Non-Big 4 auditor naar een Big 4 auditor. Er wordt
een prijskorting gevonden van 18,89%. Ook hier leidt het verwijderen van de variabele SOLV
niet tot een wijziging in de resultaten. De resultaten zijn echter wel tegenstrijdig met deze van
het Fixed Effects regressiemodel. Hieruit blijkt immers dat een significante price-cutting enkel
voorkomt bij een switch van een Big 4 auditor naar een Non-Big 4 auditor. De prijskorting
zou hier bovendien slechts 5,41% bedragen. Voor wat betreft het teken van de coëfficiënten
bij de controlevariabelen, kan tot dezelfde conclusie gekomen worden als bij het testen van
de eerste hypothese.
Hoewel de resultaten tussen beide methoden opnieuw verschillend zijn, gaat de voorkeur
ook hier uit naar de tweede regressiemethode die gebaseerd is op panel data. De adjusted
R2 (94%) is hier beduidend hoger en naar aanleiding van de eigenschappen van dit type
regressie valt te verwachten dat dit model de meest betrouwbare resultaten oplevert. Er dient
wel gezegd te worden dat deze conclusie tegenstrijdig is met wat er in de actualiteit beweerd
wordt. Hier wordt verder op teruggekomen tijdens de bespreking van de resultaten.
40
Tabel 10: Regressiemodel 2: pooled OLS en Fixed Effects model met specifieke switch-variabelen
Afhankelijke variabele: LNFEE N = 13.660 Aantal switches = 587
Model 2a: Pooled OLS regressiemodel Model 2b: Fixed Effects regressiemodel
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error** t-Statistiek P-waarde
C 3,015415 0,115832 26,03264 0,0000 6,623736 0,331767 19,96500 0,0000 B4B4 0,090748 0,048861 1,857257 0,0633 -0,026927 0,022342 -1,205233 0,2281 B4NB4 0,114433 0,070905 1,613895 0,1066 -0,052701 0,012838 -4,104935 0,0000 NB4B4 -0,173022 0,057359 -3,016491 0,0026 0,021731 0,029497 0,736710 0,4613 NB4NB4 -0,085939 0,047480 -1,809991 0,0703 -0,026302 0,023148 -1,136230 0,2559 LNTA 0,350003 0,006832 51,22769 0,0000 0,150776 0,017288 8,721662 0,0000 VORDTA 0,374644 0,032426 11,55388 0,0000 0,102065 0,019571 5,215043 0,0000 VOORTA 0,224136 0,035047 6,395374 0,0000 0,226406 0,032013 7,072309 0,0000 LIQ -0,020794 0,001940 -10,71581 0,0000 -0,002861 0,000891 -3,209908 0,0013 SOLV 0,024111 0,028902 0,834234 0,4042 0,086624 0,025881 3,346961 0,0008 BIG4 0,832444 0,013592 61,24573 0,0000 0,378530 0,030240 12,51773 0,0000 MIDTIER 0,239222 0,022327 10,71443 0,0000 0,111996 0,043502 2,574517 0,0101 SQRDOCHTER 0,043767 0,006900 6,342796 0,0000 ROA 0,120660 0,057824 2,086662 0,0369 -0,110928 0,042203 -2,628431 0,0086 VERLIESDUMM 0,170880 0,017968 9,510005 0,0000 0,034140 0,002157 15,82913 0,0000 AFSLUIT -0,085064 0,017811 -4,775866 0,0000 BEURS 0,546163 0,108414 5,037764 0,0000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,544611 0,544076
1.019,300 0,000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,961685 0,937768 40,20986 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
** Opmerking: Standaardfouten zijn de White cross-section standard errors
41
5.3.3 Het bestaan van een Big 4/Mid Tier premium
Zoals eerder vermeld kunnen de besproken modellen ook gebruikt worden voor het testen
van de zesde en zevende hypothese. De BIG4-variabele is zowel in model 1 als model 2
positief en significant, wat aantoont dat de Big 4 auditkantoren nog steeds in staat zijn een
prijspremium te vragen voor hun geleverde diensten. Ook de variabele MIDTIER is in elk van
de modellen positief en significant, wat kan bevestigen dat de grote auditkantoren steeds
meer concurrentiële druk zullen voelen van de middelgrote auditkantoren, omdat ook zij zich
geleidelijk aan proberen te onderscheiden van de kleinere auditkantoren.
5.3.4 Auditor switches en non-audithonoraria (model 3)
Als bijkomend punt zal er in deze studie kort aandacht besteed worden aan de relatie tussen
audit- en non audit fees en de invloed van een auditor switch op de hoogte van het non-
audithonorarium.
Zoals eerder vermeld in de literatuur wordt er een negatieve relatie verwacht tussen het
audit- en non-audithonorarium. Dit kan verklaard worden door het bestaan van leereffecten.
Door het aanbieden van non-auditdiensten zou de auditor betere inzichten verwerven in de
structuur en de werking van de onderneming, wat zou kunnen resulteren in lagere audit fees.
Onderzoek toont echter aan dat er in tegenstelling tot deze negatieve relatie, een positieve
gevonden wordt. Auteurs vinden het zeer moeilijk om hiervoor een verklaring te geven. Ook
voor België werd deze relatie getoetst door aan het regressiemodel (model 1) een
bijkomende onafhankelijke variabele toe te voegen. Deze bijkomende variabele is de
natuurlijke logaritme van de non-audithonoraria4 en de coëfficiënt bij deze variabele toont
aan dat er ook in België een positieve relatie gevonden wordt. Voor de gedetailleerde
regressieresultaten hiervan, wordt er verwezen naar bijlage 11.5.
Nu duidelijk geworden is dat er een relatie bestaat tussen audit- en non-audithonoraria en de
resultaten aantonen dat price-cutting aanwezig is bij de prijszetting van auditdiensten op de
Belgische auditmarkt, is het interessant om na te gaan of ook de hoogte van het non-
audithonorarium hierdoor beïnvloed wordt. Indien ondernemingen een lager audithonorarium
aanrekenen met de bedoeling om klanten aan te trekken, is het mogelijk dat de eventuele
verliezen doorgesluisd worden naar de non-audithonoraria. Indien deze bewering juist is, dan
zou een auditor switch moeten resulteren in hogere non-audit fees. Om deze stelling te
testen wordt het model met de SWITCH-variabele opnieuw gebruikt. De afhankelijke
variabele wordt ditmaal gevormd door de natuurlijke logaritme van de som van audit- en non-
audithonoraria (model 3). Indien er compensatie optreedt in de vorm van hogere non-audit
4 Wanneer de non-audit fees als onafhankelijke variabele opgenomen worden in het regressiemodel,
wordt er in de literatuur ook de natuurlijke logaritme genomen.
42
fees, dan zou de coëfficiënt bij de SWITCH-variabele niet langer significant verschillend
mogen zijn van nul.
Resultaten worden opgenomen in tabel 11 en tonen aan dat de coëfficiënt bij de SWITCH-
variabele nog steeds negatief en significant verschillend is van nul. Bovendien wordt er nu
een prijskorting gevonden van 11,71%, wat groter is dan de eerder gegeven 2,48%. Wat
deze resultaten suggereren is dat een auditor switch niet alleen resulteert in lagere
audithonoraria, maar dat er ook lagere non-audithonoraria aangerekend worden. Hiervoor
kunnen twee mogelijke verklaringen gegeven worden. Enerzijds zou dit kunnen betekenen
dat er ook price-cutting aanwezig is bij de prijszetting van non-auditwerk. Anderzijds is het
mogelijk dat de auditor minder non-auditwerk aanbiedt in het jaar volgend op de switch en dit
doet om waakzamer te zijn op vlak van de onafhankelijkheidsvereiste.
Tabel 11: Model 3: Invloed van een auditor switch op het non-audithonorarium
Afhankelijke variabele: LN(Audit fees + Non-Audit fees)
Methode: Fixed Effects regressiemodel N = 5.101 Aantal switches = 149
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde
C 4,187965 1,148479 3,646530 0,0003 SWITCH -0,110723 0,008593 -12,88448 0,0000 LNTA 0,333426 0,064469 5,171909 0,0000 VORDTA 0,023358 0,031972 0,730580 0,4651 VOORTA 0,539366 0,059677 9,038085 0,0000 LIQ -0,003187 0,004028 -0,791142 0,4289 SOLV -0,000194 0,000630 -0,308187 0,7580 ROA -0,002669 0,000403 -6,629477 0,0000 VERLIESDUMM 0,007414 0,011639 0,637054 0,5241 BIG4 0,547222 0,111864 4,891830 0,0000 MIDTIER -0,022947 0,087433 -0,262456 0,7930
R2 0,948491 Adjusted R2 0,895382 F-statistiek 17,85927 Prob(F-stat.) 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
Opvallend is dat de steekproef die gebruikt werd bij de schatting van bovenstaand model
kleiner is dan de oorspronkelijke. Dit heeft te maken met het feit dat er enkel ondernemingen
opgenomen werden die naast de audithonoraria ook non-audithonoraria gepubliceerd
hebben in de periode 2007-2009.
Tot slot kan ook nog vermeld worden dat de non-audithonoraria gedurende de onderzochte
periode 2007-2009 een hele evolutie doorgemaakt hebben. De non-audithonoraria in 2009
43
zijn significant lager dan deze in 2007 en 20085. Dit zou kunnen wijzen op een inkrimping
van de markt voor non-auditdiensten, wat mogelijks te verklaren is door de financiële crisis
waarvan de gevolgen zich voornamelijk gemanifesteerd hebben in 2009. Voor de resultaten
van de Mann-Whitney U-testen die hiervoor gebruikt werden, wordt verwezen naar bijlage
11.6.
5.3.4 Regressie-analyses per jaar (model 1 en 2)
In dit punt zullen de gegeven hypothesen afzonderlijk per jaar getest worden. Er werd reeds
bewijs gevonden voor het bestaan van price-cutting en hier kan nagegaan worden in welk
jaar in de periode 2007-2009 dit fenomeen aanwezig was. De regressie zal steunen op de
OLS-methode. Voor de resultaten wordt er verwezen naar de tabellen in bijlage 11.7. Elke
tabel toont enerzijds model 1 met de SWITCH-variabele en anderzijds model 2 met de
specifieke switch-variabelen.
De resultaten in tabel 23 tonen aan dat er in het eerste model twee variabelen zijn die geen
significante invloed uitoefenen op het audithonorarium. Het betreft de SWITCH-variabele en
de solvabiliteit van de onderneming. Ook wanneer deze laatste uit het model verwijderd
wordt, blijft de switch-variabele insignificant. De coëfficiënt is bovendien positief, wat niet
wijst op de aanwezigheid van price-cutting, maar wel dat de hogere opstartkosten
doorgerekend worden. In het tweede regressiemodel in tabel 23 is slechts één van de vier
specifieke switch-variabelen significant verschillend van nul. Een verandering tussen Big 4
auditors zou een invloed hebben op de audit fees. Er wordt echter geen bewijs gevonden
voor price-cutting aangezien de coëfficiënt positief is. Ook hier is de variabele SOLV niet
significant en leidt weglating uit het model niet tot verbeterde resultaten. De verklarende
kracht van beide modellen in tabel 23 is gelijkaardig met een aanvaardbare adjusted R2 van
54%.
De meeste coëfficiënten hebben in beide modellen voor 2007 het teken dat verwacht wordt
in de literatuur. Er zijn echter twee variabelen waarvan het teken van de coëfficiënt
tegengesteld is. Er wordt immers een negatieve relatie verwacht tussen de ROA en het
honorarium, terwijl er een positieve gevonden wordt. Dit houdt in dat een winstgevende
onderneming een hoger audithonorarium dient te betalen. Deze relatie is wel mogelijk indien
men aanneemt dat winstgevende ondernemingen in staat zijn en bereid zijn een hoger
honorarium te betalen. Ook de variabele AFSLUIT heeft een coëfficiënt met een
tegengesteld teken. De resultaten voor 2008 en 2009 in de tabellen 24 en 25 zijn
gelijkaardig, al is de ROA in 2008 en 2009 niet langer significant. Voor 2009 heeft de
5 Ook hier werd de verhouding van non-audithonoraria op totaal der activa gebruikt om rekening te
houden met het feit dat de grootte van een onderneming ook een invloed kan hebben op de hoogte van de non-audit fees.
44
coëfficiënt van deze variabele wel het verwachte, negatieve teken. De variabele SOLV heeft
in 2008 en 2009 een teken dat tegengesteld is aan de verwachtingen, al is deze niet
significant.
Er kan besloten worden dat er enkel in 2008 en 2009 een aanwijzing voor price-cutting
gevonden wordt in het model met de SWITCH-variabele, al zijn de coëfficiënten niet
significant op het 5% significantieniveau. Voor 2007 wordt een positieve coëfficiënt
gevonden, wat betekent dat de hogere opstartkosten in deze periode doorgerekend werden
aan de klant. Deze relatie is ook niet significant op het 5% significantieniveau. Uit het model
met de specifieke switch-variabelen blijkt dat een verandering tussen Big 4 auditors in 2007
een significante invloed heeft op het audithonorarium. Een switch leidt tot een hogere audit
fee. Voor 2008 zijn de resultaten verschillend en blijkt dat een switch van een Non-Big 4
auditkantoor naar een Big 4 auditor aanleiding geeft tot een lager honorarium. Er is hier met
andere woorden sprake van price-cutting. In 2009 wordt er opnieuw een andere relatie
gevonden. Nu resulteert een verandering tussen Non-Big 4 auditkantoren in price-cutting.
De verklarende kracht van alle regressiemodellen is gelijkaardig, met telkens een adjusted
R2 van rond de 54%.
45
6. Sensitiviteitstesten
In een volgend punt zal nagegaan worden in welke mate de resultaten wijzigen indien de
steekproef of de verklarende variabelen veranderen. In een eerste test zal de onafhankelijke
variabele LNTA vervangen worden door de natuurlijke logaritme van de omzet: een tweede
proxy voor de grootte van de onderneming. In een tweede test zullen de reeds uitgevoerde
regressie-analyses herhaald worden voor het gebalanceerd panel. Ook hier werd nagegaan
in hoeverre de assumpties onderliggende het OLS model geldig zijn. Resultaten voor deze
assumpties zijn gelijkaardig aan wat eerder gevonden werd.
6.1 Omzet als onafhankelijke variabele
Zoals eerder vermeld zullen het totaal der activa en de omzet bijna nooit gelijktijdig in een
regressiemodel opgenomen worden. Daarom wordt er hier nagegaan hoe de resultaten
veranderen indien niet de totale activa maar wel de omzet als onafhankelijke variabele wordt
gebruikt. Ook hier wordt de natuurlijke logaritme genomen.
6.1.1 Pooled data en panel data
Voor panel data wijst de Hausman-Test opnieuw in de richting van het Fixed Effects model.
De resultaten voor het model met de SWITCH-variabele en het model met de specifieke
switch-variabelen, werden opgenomen in bijlage 11.8 (tabellen 26 en 27)6.
Er zijn een aantal verschilpunten tussen het pooled OLS model dat in dit punt gebruikt wordt
voor het testen van de eerste hypothese (model 1a*) en het oorspronkelijke pooled model
met de SWITCH-variabele (model 1a). Er is te zien dat de variabelen VORDTA en VOORTA
niet langer het verwachte teken hebben, terwijl de ROA in dit model wel het correcte,
negatieve teken heeft. Bovendien zijn alle variabelen met uitzondering van de SWITCH-
variabele significant verschillend van nul. Er is slechts een minimaal verschil tussen de R2
van beide modellen.
Wanneer het Fixed Effects model (model 1b*) vergeleken wordt met het oorspronkelijke
(model 1b), is er een verschil in de significantie van bepaalde variabelen: VORDTA en LIQ
zijn niet langer significant. Bovendien is de coëfficiënt van deze eerste variabele negatief,
wat tegengesteld is aan de verwachtingen. Ook hier is het verschil in R2 tussen beide
modellen zeer miniem.
Dezelfde conclusies kunnen getrokken worden voor de modellen 2a* en 2b* die de specifieke
switch-variabelen bevatten.
6 In wat volgt zullen de modellen waarin LNOM opgenomen is aangeduid worden met een ster om het
onderscheid te kunnen maken met de oorspronkelijke modellen waarin LNTA gebruikt werd.
46
6.1.2 Regressie-analyse per jaar
Ook in de regressie-analyse per jaar zal LNTA telkens vervangen worden door de natuurlijke
logaritme van de omzet om na te gaan wat het effect is op de regressieresultaten. De
resultaten zijn opnieuw terug te vinden in bijlage 11.8 (tabellen 28 tot 30).
Door in 2007 LNTA te vervangen door LNOM wijken de resultaten slechts in beperkte mate
af van hetgeen gevonden werd in de oorspronkelijke modellen. Het grote verschilpunt is dat
de variabele LIQ niet langer significant is. Dit geldt zowel voor het model met de SWITCH-
variabele als voor het model met de specifieke switch-variabelen. Bovendien is na de
vervanging van LNTA door LNOM de SWITCH-variabele nog steeds niet significant en blijft
in het model met de specifieke switch-variabelen B4B4 de enige significante experimentele
variabele. Het verschil tussen de adjusted R2 van de huidige en de oorspronkelijke modellen
is miniem.
De verschillen in 2008 liggen ergens anders. In het model met de SWITCH-variabele zijn de
variabelen ROA en AFSLUIT niet langer significant. Ook een switch lijkt nog steeds geen
significante invloed uit te oefenen op de hoogte van het honorarium. In het model met de
specifieke switch-variabelen is het enkel de variabele AFSLUIT die niet langer significant is.
Ook hier zijn er geen belangrijke wijzigingen in de significantie van de variabelen die de
richting van de switch specificeren. Enkel de coëfficiënt bij de variabele B4B4 krijgt een
tegengesteld teken.
Wanneer de modellen voor 2009 vergeleken worden met de oorspronkelijke, valt op dat de
variabelen SOLV en ROA plots een significante invloed hebben op de afhankelijke variabele.
Ook hier zijn er geen wijzigingen in de significantie van de experimentele variabelen in beide
modellen.
Aangezien de verklarende kracht van de modellen ongeveer gelijk blijft na het toevoegen van
LNOM, wordt besloten om bij de bespreking van de resultaten de focus te leggen op de
regressiemodellen die LNTA bevatten. Bovendien wordt het ook in de literatuur meestal op
deze wijze gedaan.
47
6.2 Gebalanceerd panel
In dit deel wordt nagegaan wat de verschillen zijn indien het gebalanceerd panel gebruikt
wordt in plaats van het ongebalanceerd panel. Dit wordt enkel herhaald voor de modellen
waarin het totaal actief als onafhankelijk variabele wordt gebruikt. Uit de tabellen in bijlage
11.9 kan afgeleid worden dat er slechts geringe verschillen zijn in de resultaten (tabellen 31
tot 35).
6.2.1 Pooled data en panel data
Door het gebalanceerd panel te gebruiken is bij het pooled OLS regressiemodel de ROA niet
langer significant, maar ligt de adjusted R2 iets hoger dan wanneer het ongebalanceerd
panel gebruikt wordt. Dit geldt zowel voor het model met de SWITCH-variabele als voor het
model met de specifieke switch-variabelen. In dit laatste model wordt ook de variabele B4B4
significant.
Wanneer de Fixed Effects methode gebruikt wordt, is de variabele LIQ niet langer significant
en ligt de adjusted R2 lager dan bij gebruik van het ongebalanceerd panel.
6.2.2 Regressie-analyse per jaar
Bij de regressies per jaar zijn SQRDOCHTER en ROA niet langer significant in 2007 en dit
geldt zowel voor het model met de SWITCH-variabele als het model met de specifieke
switch-variabelen. In vergelijking met het ongebalanceerd panel verandert in 2008 het teken
van B4B4, deze variabele is nog steeds niet significant. De modellen van 2009 geven aan
dat SOLV significant is, wat een bijkomend verschilpunt is met de resultaten van het
ongebalanceerd panel. Het teken van B4NB4 wordt negatief en de specifieke switch-
variabele NB4B4 wordt significant. De adjusted R2 voor de regressies per jaar liggen bij het
gebalanceerd panel net iets hoger dan bij het ongebalanceerd panel.
Ondanks de verschilpunten tussen beide panels, wordt besloten dat het gebruik van het
ongebalanceerd panel de meest betrouwbare resultaten geeft, aangezien in het
gebalanceerd panel alleen de ondernemingen opgenomen worden die over de gehele
onderzochte periode actief zijn. Dit zou, zoals het in de literatuur gezegd wordt, kunnen
leiden tot de survivorship bias.
48
7. Bespreking van de resultaten
In het verleden is reeds uitvoerig onderzoek gebeurd naar de invloed van een auditor switch
op het audithonorarium. Zoals eerder vermeld werd dit hoofdzakelijk gemotiveerd door de
verhoogde concurrentie tussen auditkantoren, de bezorgdheid omtrent het bestaan van low-
balling en price-cutting en de negatieve invloed die deze fenomenen zouden kunnen hebben
op de onafhankelijkheidsvereiste van de auditor en de kwaliteit van de audit. Indien deze
fenomenen zich voordoen zal het eventuele verlies dat men lijdt bij de initiële auditopdracht
in de daaropvolgende jaren van het mandaat immers terugverdiend moeten worden. Dit kan
men enerzijds doen door de audit fees opnieuw te verhogen en onterecht goedkeurende
verklaringen te geven, met de bedoeling om de relatie tussen klant en auditor niet te
verstoren. Dit zou een invloed kunnen hebben op de onafhankelijkheid van de auditor.
Anderzijds is het mogelijk dat er bespaard wordt op het auditwerk om op die manier de
kosten van de audit te beperken en de winstmarge te kunnen verhogen. Dit zou dan weer
nadelig zijn voor de kwaliteit van de audit.
Onderzoek heeft zich tot dusver voornamelijk gesitueerd in de Verenigde Staten, Australië
en het Verenigd Koninkrijk. Door de verschillende contexten waarin de studies hebben
plaatsgevonden, zijn er uiteenlopende resultaten ontstaan. Een beperkt aantal studies is tot
de conclusie gekomen dat een switch geen significante invloed heeft op de hoogte van het
honorarium, terwijl men ook meermaals bewijs gevonden heeft voor het bestaan van price-
cutting. Onderzoek dat tot deze laatste resultaten geleid heeft, heeft in hoofdzaak betrekking
op de Verenigde Staten en het Verenigd Koninkrijk waar er hevige concurrentie heerst op de
auditmarkt. Volgens DeAngelo (1981) en Chan (1999) is een concurrentiële omgeving een
noodzakelijke voorwaarde voor het bestaan van price-cutting. De prijskortingen die hier
gevonden worden situeren zich in de buurt van 20%. Onderzoek in Australië toonde
daarentegen aan dat de hogere opstartkosten wel doorgerekend worden naar de klant, wat
resulteert in hogere audit fees bij de initiële controleopdracht. Volgens Dye (1991) is deze
bevinding te wijten aan het feit dat ondernemingen hier de verplichting hebben om de
betaalde audit fees openbaar te maken. Hierdoor wordt het moeilijker voor auditors om
quasi-rents te kunnen verdienen. De reden hiervoor is dat aandeelhouders en andere
belanghebbenden het verdienen van quasi-rents associëren met een gebrek aan
onafhankelijkheid van de auditor. Latere onderzoeken in de Verenigde Staten kunnen echter
nog steeds bewijs leveren voor het bestaan van price-cutting, zelfs nadat de
openbaarmakingsverplichting ook hier werd ingevoerd. Een mogelijke verklaring hiervoor is
het feit dat er nog steeds hevige concurrentie heerst op de Amerikaanse auditmarkt als
gevolg van de regel dat auditors benoemd worden voor een periode van slechts één jaar.
49
Het onderzoek met betrekking tot de Belgische auditmarkt is eerder beperkt gebleven. Deze
studie heeft dan ook geprobeerd om binnen dit onderzoeksdomein een bijdrage te leveren
aan de internationale literatuur door verder te werken op de studie van Willekens en
Achmadi (2003). Het grote verschil met voorgaand werk is dat de steekproef in deze paper
bestaat uit een groter aantal observaties en dat er gewerkt wordt met panel data in plaats
van cross-sectionele data. Bovendien hebben er op de Belgische auditmarkt sinds het
laatste onderzoek een aantal wijzigingen plaatsgevonden, waardoor het gebruik van meer
recente gegevens ook een impact zou kunnen hebben op de resultaten. Willekens en
Achmadi (2003) hebben kunnen aantonen dat price-cutting niet terug te vinden is in België.
Zij vinden, net zoals in Australië, het bewijs dat de hogere opstartkosten bij een initiële
auditopdracht doorgerekend worden aan de auditklant in 1989 en 1997, al is de switch-
variabele in 1997 niet langer significant. Deze bevindingen zijn consistent met de
verwachting dat price-cutting vooral terug te vinden is binnen een omgeving waar er intense
concurrentie heerst tussen auditors (DeAngelo, 1981; Chan, 1999). Er wordt verwacht dat de
prijsconcurrentie tussen auditkantoren in België minder sterk is als gevolg van de strenge
regulering rond de controleopdracht. Één van deze regels is het feit dat de auditor
aangesteld wordt voor een periode van drie jaar. In deze omstandigheden is het voor
ondernemingen immers moeilijker om snel van auditor te kunnen veranderen, tenzij daar
ernstige redenen toe zijn. De kans dat price-cutting voorkomt in een dergelijke omgeving is
dus ook eerder beperkt. In de Verenigde Staten daarentegen is de markt veel flexibeler en
worden auditors benoemd voor een periode van één jaar. Aangezien de benoeming jaarlijks
gebeurt, is het denkbaar dat de concurrentie tussen de auditkantoren in die markt veel
sterker is.
Recenter werd in de actualiteit echter de bezorgdheid uitgedrukt dat de prijsconcurrentie
tussen grote auditkantoren in België sterk toegenomen is en dat zij misbruik zouden maken
van hun dominante positie, ondanks het feit dat men nog steeds benoemd wordt voor een
periode van drie jaar. Hierdoor zou ook de impact van een switch op het honorarium
gewijzigd kunnen zijn. In deze paper werd daarom een audit fee model ontwikkeld dat
gebaseerd is op de literatuur en aan de hand daarvan kon aangetoond worden dat price-
cutting in de periode 2007-2009 wel aanwezig was bij de prijszetting op de Belgische
auditmarkt. Ondanks de hogere opstartkosten bij een initiële controleopdracht ligt het
audithonorarium in het jaar na de switch 2,48% lager dan het gangbare honorarium. Deze
resultaten kunnen met andere woorden bevestigen dat de speculaties omtrent de
toegenomen concurrentie tussen auditkantoren juist blijken te zijn. Een mogelijke verklaring
hiervoor zou kunnen zijn dat Belgische ondernemingen die een auditor aanstellen steeds
meer de focus leggen op het beperken van hun kosten om zelf een voorsprong te behalen
50
op hun concurrenten. Belgische ondernemingen hebben immers de verplichting om een
auditor aan te stellen, waardoor zij in deze tijden vooral kijken naar de prijs van de audit en
niet zozeer naar de kwaliteit ervan. Auditkantoren dienen hierop in te spelen door
prijskortingen te geven. Daarnaast wordt er ook beweerd dat de toegenomen concentratie op
de Belgische auditmarkt geleid heeft tot de toename van de prijsconcurrentie.
Hoewel er bewijs gevonden wordt voor price-cutting, valt te bemerken dat deze prijskortingen
heel wat lager zijn dan de waarden die we aantreffen in de studies met betrekking tot de
Amerikaanse auditmarkt of de auditmarkt in het Verenigd Koninkrijk. De reden waarom er in
België lagere kortingen gevonden worden is dat de concurrentie op de auditmarkt nog steeds
zwakker is dan deze in de Verenigde Staten en het Verenigd Koninkrijk. Een bijkomende
verklaring voor de kleinere prijskorting zou ook gegeven kunnen worden door het feit dat de
vraagzijde op de Belgische auditmarkt vooral bestaat uit kleinere ondernemingen waar de
interne controlesystemen beperkter aanwezig zijn. Volgens Gosh en Lustgarten (2006)
liggen de opstartkosten bij dergelijke auditopdrachten hoger dan bij ondernemingen waar er
wel een sterke interne controle aanwezig is. Dit zou voor auditors een reden kunnen zijn om
procentueel gezien minder grote prijskortingen toe te staan. Door het feit dat er in België
price-cutting gevonden wordt, kan bovendien het argument van Dye (1991) weerlegd
worden. Door het openbaar maken van de audithonoraria te verplichten, lijkt men niet in
staat te zijn om price-cutting volledig te verhinderen. Volgens het Instituut der
Bedrijfsrevisoren zou de verplichting tot het bekend maken van de audithonoraria de
concurrentie tussen auditkantoren juist aanwakkeren. Deze verplichting heerst er in België
sinds 2006 en het feit dat auditors weten welke prijs de concurrenten aanrekenen voor hun
auditdiensten, vormt volgens het IBR een stimulans voor price-cutting. Bedrijven kiezen
immers resoluut voor de goedkoopste auditor, wat auditkantoren ertoe aanzet om hun prijs
lager te zetten dan deze van de concurrenten.
Aangezien de kritieken in de actualiteit voornamelijk geuit werden in de richting van de Big 4
auditkantoren, werd in deze studie nagegaan of price-cutting vooral gevonden kan worden
indien de nieuwe auditor behoort tot één van de Big 4. Dit zou aantonen dat het vooral de
grote auditkantoren zijn die het sterkst proberen te concurreren. In het verleden heeft men
voor België nog niet onderzocht welk type auditkantoor in staat is en bereid is de grootste
prijskortingen bij een switch toe te staan, maar in de literatuur is er wel bewijs terug te vinden
voor andere landen. Resultaten zijn gemengd en tonen enerzijds aan dat de grootste
kortingen gegeven worden door kleine auditkantoren. Bepaalde studies verwachten dat de
concurrentie in dit segment het grootst is en dat zij dus enkel klanten kunnen aantrekken
door goedkoper te werken. Andere studies vinden daarentegen een grotere discount voor
veranderingen van een Non-Big 4 naar een Big 4 auditkantoor. De verklaring hiervoor werd
51
gegeven door de theorie van de experience goods. Big 4 auditkantoren bieden
gedifferentieerde diensten aan tegen een hogere prijs, maar ondernemingen zien deze
hogere kwaliteit pas na het daadwerkelijk consumeren ervan. Klanten zullen pas bereid zijn
de hogere prijs te betalen nadat ze zich ervan verzekerd hebben dat de kwaliteit werkelijk
beter is dan deze die de kleinere auditkantoren aanbieden. De grote auditkantoren zullen
ondernemingen proberen te overtuigen om klant te worden en doen dit door grotere
prijskortingen toe te staan.
Zoals hierboven vermeld werd, is er voor België tot dusver nog geen onderzoek gebeurd in
deze richting, waardoor het moeilijker wordt om de resultaten hiervan te voorspellen.
Aangezien de Big 4 auditkantoren ervan beschuldigd worden te sterke prijsconcurrentie te
voeren en misbruik te maken van hun dominante positie, is het echter wel mogelijk dat zij de
grootste kortingen geven. Indien zij voor de audit een mandaat van drie jaar hebben
binnengehaald is het voor hen bovendien gemakkelijker om ook bijkomende diensten zoals
consultancyactiviteiten aan te bieden aan de grote ondernemingen en kunnen zij het
eventuele verlies dat geleden wordt bij de initiële controleopdracht doorrekenen in de vorm
van hogere fees voor deze consultancyopdrachten. De sterke concurrentie tussen de grote
auditkantoren via de lagere prijszetting van auditdiensten zou dan gezien kunnen worden als
een strijd om ook meer consultancywerk te kunnen aanbieden aan de auditklant. Toch dient
men voorzichtig om te gaan met de speculaties in de actualiteit. De resultaten in deze paper
tonen immers aan dat er in het panel data model enkel significante discounts gevonden
worden bij een verandering van een Big 4 naar een Non-Big 4 auditkantoor. Dit zou
verklaard kunnen worden door het feit dat steeds meer middelgrote auditkantoren in België,
zoals BDO, Grant Thornton en Mazars, trachten te concurreren met de Big 4 en dat doen
door kortingen van ongeveer 5,4% te geven bij de initiële controleopdracht. Hieruit zou
afgeleid kunnen worden dat de concurrentie tussen de Big 4 auditkantoren zich vooral
situeert op vlak van niet-prijskenmerken. Er wordt ook bewijs voor price-cutting gevonden bij
switches tussen Big 4 auditkantoren en tussen Non-Big 4 auditkantoren, al zijn de
coëfficiënten niet significant verschillend van nul op het 5% significantieniveau. De coëfficiënt
die aantoont wat het effect is van een switch tussen een Non-Big 4 auditkantoor en een Big 4
auditkantoor op de hoogte van het audithonorarium is positief. Ook deze is niet significant
verschillend van nul op het 5% significantieniveau. Wanneer we tenslotte nog even
terugkijken naar het pooled regressiemodel zien we dat er bij switches van Non-Big 4
auditkantoren naar Big 4 auditors wel significante prijskortingen van 18,89% worden
gegeven. Zoals eerder vermeld, wordt er verwacht dat deze resultaten minder betrouwbaar
zijn aangezien er niet specifiek rekening gehouden wordt met de verschillen tussen de
ondernemingen in de steekproef.
52
Wanneer er gekeken wordt naar de resultaten van de regressies per jaar zien we een mooie
evolutie. In 2007 kan nog geen bewijs gevonden worden voor het bestaan van price-cutting,
want het audithonorarium voor de initiële controleopdracht is hoger dan het gangbare. Voor
2008 en 2009 wordt er wel een negatieve coëfficiënt gevonden die echter niet significant is
op het 5% significantieniveau. Deze resultaten zijn wel consistent met de verwachting dat de
concurrentie op de Belgische auditmarkt geleidelijk aan toeneemt, wat steeds meer
resulteert in price-cutting.
Wat in de literatuur rond audithonoraria ook veelvuldig aan bod kwam is het Big N-effect. De
bedoeling van dergelijk onderzoek is nagaan of auditkantoren die behoren tot de Big N,
prijspremiums vragen voor de aangeboden auditdiensten. Er wordt immers aangenomen dat
deze kantoren in staat zijn zich te differentiëren op het vlak van de kwaliteit van de audit,
waardoor het mogelijk wordt om een prijspremium aan te rekenen. Ook hier zijn de
resultaten in de internationale literatuur eerder gemengd. Simunic (1980) heeft niet kunnen
aantonen dat de toenmalige Big 8 prijspremiums aanrekenen en ook in Nieuw-Zeeland
werden gelijkaardige resultaten gerapporteerd (Firth, 1985). In Australië, het Verenigd
Koninkrijk en later ook in de Verenigde Staten wordt daarentegen wel het bewijs geleverd
voor het bestaan van deze prijspremiums. Ook eerder onderzoek in België en deze paper
kunnen aantonen dat de Big 4 auditkantoren in staat zijn een prijspremium te vragen voor
hun aangeboden auditdiensten. Wat hier gevonden wordt, kan opnieuw verklaard worden
door de poging die deze kantoren ondernemen om hun diensten te differentiëren. Bovendien
hebben zij over de jaren heen een zekere reputatie opgebouwd. DeAngelo (1981)
argumenteert dat grote auditkantoren, theoretisch gezien, een sterkere stimulans voelen om
een zekere kwaliteit aan te bieden vergeleken met de kleinere auditkantoren omdat zij meer
te verliezen hebben. Volgens de Big 4 zelf zijn zij beter in staat de boekhouding van
ondernemingen te controleren omdat ze beschikken over beter opgeleide sectorspecialisten
en een veel uitgebreider en sterker internationaal netwerk hebben. Zij stuiten echter op
kritiek van de Mid Tier auditkantoren die beweren dat ook zij voldoende gewapend zijn om
de controleopdrachten goed te kunnen uitvoeren. De resultaten in deze paper tonen aan dat
de coëfficiënt bij de MIDTIER-variabele ook positief en significant is, wat er op wijst dat de
grote auditkantoren steeds meer concurrentiële druk zullen mogen verwachten van de
middelgrote auditkantoren. Dit was ook af te leiden uit het feit dat het vooral Non-Big 4
auditkantoren zijn die aan price-cutting doen bij de prijszetting van de auditdiensten. Deze
bevinding is eigen aan de auditmarkt in België waar het aandeel van de Big 4 auditkantoren
beperkter is in vergelijking met andere landen. Een steeds grotere rol wordt ingenomen door
de middelgrote auditkantoren.
53
Niettegenstaande de reputatie die de Big 4 auditkantoren hebben opgebouwd, werd er door
Vander Bauwhede en Willekens (2004) onderzocht of er ook in de praktijk een
kwaliteitsverschil terug te vinden is tussen de Big 4 en Non-Big 4 auditors in het segment van
de private ondernemingen. Zij vinden echter geen bewijs waarmee aangetoond kan worden
dat er differentiatie is op het vlak van kwaliteit. Dit is opnieuw te verklaren door het feit dat
het aanstellen van een auditor in België een verplichting vormt en ondernemingen bijgevolg
niet altijd nood hebben aan de gedifferentieerde diensten die door de Big 4 aangeboden
worden. Het feit dat de honoraria die aangerekend worden door de Big 4 hoger zijn, zou dus
verklaard kunnen worden door de perceptie die ondernemingen hebben over de kwaliteit van
de audit en het imago dat de auditkantoren hebben opgebouwd. Aangezien het onderzoek
van Vander Bauwhede en Willekens (2004) zich gericht heeft op de private ondernemingen
is het niet duidelijk of er wel kwaliteitsverschillen gevonden kunnen worden in het segment
van de Belgische beursgenoteerde ondernemingen. Het is immers mogelijk dat deze
ondernemingen meer zekerheid willen verschaffen aan de aandeelhouders en daarom wel
op zoek zijn naar gedifferentieerde auditdiensten. Het is wel zo dat dit type ondernemingen
in België zeer beperkt is in aantal.
Een laatste punt in dit onderzoek richtte de aandacht op de relatie tussen audit- en non-
audithonoraria en hoe deze laatste beïnvloed worden door het bestaan van price-cutting bij
de prijszetting van auditdiensten. In tegenstelling tot wat verwacht wordt, werd er geen
negatieve, maar wel een positieve relatie gevonden tussen audit- en non-audithonoraria in
België. Deze resultaten zijn consistent met de literatuur. Er kunnen een aantal redenen
gegeven worden die de positieve relatie tussen audit- en non-audit fees kunnen verklaren.
Ten eerste zijn de ondernemingen die non-audit diensten vragen veelal ondernemingen met
bepaalde problemen of risico‟s. Dit is ook een factor die de hoogte van de audit fees
beïnvloedt. Ten tweede is deze positieve relatie ook te verklaren doordat de auditor
benoemd wordt voor een periode van drie jaar en op die manier een zekere monopoliemacht
verwerft. Ondernemingen zullen vaak bij hetzelfde kantoor dat de audit doet bijkomend
advies vragen, waardoor auditkantoren een hogere prijs kunnen aanrekenen voor deze
diensten. Een bijkomende reden kan zijn dat er mogelijk efficiënties voorkomen bij het
uitvoeren van de non-auditdienst die de commissaris in staat stellen een hogere prijs aan te
rekenen voor de auditdienst. Ten slotte kan de positieve relatie ook te wijten zijn aan het feit
dat het vooral de grote ondernemingen zijn die een beroep doen op non-auditdiensten. Deze
ondernemingen komen vaker in complexe situaties terecht, waardoor ook de audit fees
hoger zullen zijn. De grootte en de complexiteit van de onderneming zijn immers verklarende
factoren voor de hoogte van het audithonorarium.
54
Daarnaast werd er ook gevonden dat price-cutting bij de prijszetting van auditdiensten niet
resulteert in hogere fees voor non-auditwerk. Er werd verwacht dat initiële verliezen bij het
auditwerk gecompenseerd zullen worden door ze door te rekenen naar de non-
audithonoraria. Deze verwachting blijkt echter niet te kloppen, want de SWITCH-variabele
lijkt een grotere, negatieve invloed te hebben op de som van het audit- en non-
audithonorarium. Er worden nu grotere prijskortingen van 11,71% gevonden. Wat deze
resultaten aantonen is dat er niet alleen price-cutting is bij de prijszetting voor auditwerk,
maar dat ook de non-audithonoraria in het jaar na de switch lager zijn dan wat te verwachten
is. Voor dit laatste zijn twee mogelijke verklaringen te bedenken. Een eerste houdt in dat de
auditor goedkoper is voor wat betreft het non-auditwerk, wat betekent dat er ook price-cutting
aanwezig is bij de prijszetting van non-auditdiensten. Een tweede verklaring houdt in dat de
auditor minder non-auditwerk uitvoert bij de klant. De onafhankelijkheidsvereiste in het
achterhoofd houdende, is de tweede verklaring de meest waarschijnlijke. Indien er ook price-
cutting optreedt bij de non-auditdiensten, dan zou de onafhankelijkheid van de auditor
immers nog meer in het gevaar komen. Door minder non-auditwerk aan te bieden is de
auditor waakzamer op het vlak van deze onafhankelijkheidsvereiste, die volgens velen al
beschadigd wordt door prijskortingen toe te staan bij de initiële auditopdracht. Bovendien is
het auditkantoor er al in geslaagd om voor de audit een mandaat van drie jaar binnen te
halen, wat het eenvoudiger maakt om bij diezelfde klant ook consultancyactiviteiten en
dergelijke aan te bieden. Vanuit economische standpunt is het niet denkbaar dat de auditor
ook bij deze diensten beneden de kosten zal werken, maar is het waarschijnlijker dat er
minder non-auditdiensten aangeboden worden. Indien men toch price-cutting zou
terugvinden bij de prijszetting van non-auditdiensten, dan zal het voor de klant immers
moeilijker te accepteren zijn dat de non-audithonoraria nadien opnieuw verhoogd worden. Dit
vormt voor de auditor een bijkomende stimulans om niet aan price-cutting te doen bij de
bepaling van de non-audit fees.
55
8. Conclusie
Uit dit onderzoek over de invloed van auditor switches op het audithonorarium op de
Belgische auditmarkt komen vier belangrijke resultaten naar voor.
Eerst en vooral kon er worden aangetoond dat price-cutting aanwezig is in België bij een
initiële controleopdracht in de periode 2007-2009. Er werd een prijskorting toegekend van
2,48%. Dit resultaat werd bekomen door een regressiemodel op te stellen dat gebaseerd is
op de literatuur. De korting die gegeven werd, ligt echter lager dan wat gevonden wordt op
de auditmarkt in de Verenigde Staten en het Verenigd Koninkrijk. Dit ligt in lijn met de
verwachtingen omdat de Belgische auditmarkt specifieke kenmerken heeft die resulteren in
een beperktere prijsconcurrentie. Zo wordt een auditor in België aangesteld voor een
mandaat van drie jaar, terwijl in de Verenigde Staten auditors benoemd worden voor een
periode van één jaar. Volgens DeAngelo (1981) en Chan (1999) is een concurrentiële
omgeving echter een noodzakelijke voorwaarde voor het aanwezig zijn van price-cutting.
Ondanks de openbaarmakingsverplichting die er heerst in België wordt er toch price-cutting
gevonden, wat tegengesteld is aan wat Dye (1991) in zijn theorie verwacht.
Een ander resultaat dat gevonden wordt, is dat er een significante prijskorting gegeven wordt
bij een switch van een Big 4 naar een Non-Big 4 auditkantoor. Deze korting bedraagt
ongeveer 5,41%. Dit kan er op wijzen dat de Non-Big 4 auditkantoren marktaandeel
proberen te winnen door met de Big 4 auditkantoren te concurreren op basis van de prijs.
Een derde bevinding van deze studie is dat de Big 4 auditkantoren een prijspremium
aanrekenen voor de aangeboden auditdiensten. Dit kan er op duiden dat de Big 4
auditkantoren nog steeds in staat zijn hun diensten te differentiëren. Ook de Mid Tier
auditkantoren vragen een kleinere premium wat aanduidt dat deze kantoren aan een opmars
bezig zijn.
Een laatste resultaat is dat er tussen audit- en non-audit diensten ook in België een positief
verband waar te nemen is. Deze relatie is tegengesteld aan wat normaal verwacht zou
worden, maar is wel consistent met de literatuur: men verwacht immers een negatieve relatie
door de leereffecten die kunnen optreden, maar er wordt meestal een positieve relatie
gevonden. Een ander resultaat met betrekking tot deze non-audit fees is dat de prijskorting
die gegeven wordt op de audit fees niet doorgerekend wordt naar de non-audit fees. Uit dit
onderzoek is gebleken dat er in het jaar na de switch ook lagere non-audit fees aangerekend
worden. Dit kan er op wijzen dat de nieuwe auditor minder non-auditdiensten levert om op
die manier waakzamer te zijn in verband met de onafhankelijkheidsvereiste.
56
9. Beperkingen en richtlijnen voor verder onderzoek
In dit laatste punt zal kort ingegaan worden op een mogelijke beperking van dit onderzoek en
zullen enkele richtlijnen gegeven worden voor verder onderzoek.
Een beperking van deze studie zou kunnen inhouden dat de tijdsperiode waarover het
onderzoek loopt eerder beperkt is. Er wordt nagegaan of er bewijs gevonden kan worden
voor price-cutting in de periode 2007-2009. Dat het onderzoek slechts loopt over een periode
van drie jaar is te wijten aan het feit dat de invoering van de openbaarmakingsverplichting
zeer recent is. Ondernemingen in België werden maar verplicht om hun betaalde audit fees
bekend te maken sinds 2006. Door de beperkte periode van drie jaar kan het moeilijk zijn om
over een echt panel te spreken en is het aan te raden om dit onderzoek in de toekomst te
herhalen over een langere tijdshorizon.
Een eerste richtlijn voor verder onderzoek is nagaan wat de invloed van price-cutting is op de
kwaliteit van de audit in België. In deze studie wordt enkel bevestigd dat het fenomeen price-
cutting bestaat, maar er wordt niet verder onderzocht of dit nefast is voor de kwaliteit van de
audit op langere termijn. Zoals in de literatuur reeds gesuggereerd werd, is het mogelijk dat
de auditkantoren proberen om kosten te besparen door het auditwerk te verminderen en op
die manier toch winst proberen te maken bij de controleopdracht.
Ook de invloed van price-cutting op de onafhankelijkheid van de auditor werd niet
onderzocht. In de literatuur heerst er een zekere bezorgdheid over het aantasten van de
onafhankelijkheid van de auditor omdat bij price-cutting de initiële verliezen terugverdiend
dienen te worden gedurende de periode van het mandaat. De kans zou hierdoor groter zijn
dat de auditor onterecht een goedkeurende verklaring zal geven om de relatie met de
onderneming in stand te houden. Een richtlijn voor toekomstig onderzoek die hiermee
gepaard gaat, is het onderzoeken van het prijszettingproces in de jaren na de switch. Men
dient dan na te gaan in hoeverre het audithonorarium in de jaren na de initiële
controleopdracht zal stijgen of gelijk zal blijven.
VIII
10. Bibliografie
Anderson, D., Stokes, D., & Zimmer, I. (1993). Corporate Takeovers and Auditor Switching. Auditing: A Journal of Practice & Theory, Vol. 12, No. 1 , pp. 65-73.
Baber, W., Brooks, E., & Ricks, W. (1987). An Empirical Investigation of the Market for Audit Services in the Public Sector. Journal of Accounting Research, Vol. 25, No. 2 , pp. 293-305.
Beattie, V., & Fearnley, S. (1995). The importance of audit firm characteristics and the driver of auditor change in UK listed companies. Accounting and business research , pp. 227-239.
Beddingfield, J., & Loeb, S. (1974). Auditor changes - an examination. The Journal of Accountancy , pp. 66-69.
Branson, J., & Breesch, D. (2004). Referral as a determining factor for changing auditors in the Belgian auditing market: An emperical study. The international journal of accounting , pp. 307-326.
Brinn, T., Peel, M., & Roberts, R. (1194). Audit Fee Determinants of Independent & Subsidiary Unquoted Companies in the UK - An Exploratory Study. Britisch Accounting Review , pp. 101-121.
Burton, J. C., & Roberts, W. (1967). A study of auditor changes. The journal of accountancy , pp. 31-36.
Butterworth, S., & Houghton, K. (1995). Auditor switching: The pricing of audit services. Journal of business, Finance & Accounting , pp.323-344.
Chan, D. (1999). Low-balling and Efficiency in a Two-Period Specialization Model of Auditing Competition. Contemporary Accounting Research , pp. 609-642.
Chan, P., Ezzamel, M., & Gwilliam, D. (1993). Determinants of audit fees for quoted UK companies. Journal of Business Finance & Accounting , pp. 765-786.
Chow, C. W., & Rice, S. J. (1982). Qualified audit opinions and auditor switching. The accounting review , pp. 326-335.
Chung, D., & Lindsay, W. (1988). The pricing of audit services: The Canadian perspective. Contemporary Accounting Research, Vol. 5, Issue 1 , pp. 19-46.
Cleeren, E. (2010, November 14). De grote vier in het vizier. De Tijd . URL: http://www.tijd.be/nieuws/ondernemingen_management_-_expertise/De_grote_vier_in_het_vizier.8986897-3134.art
Cleeren, E. (2010, December 09). Prijzenslag bedreigt kwaliteit audit. De Tijd . URL: http://www.tijd.be/nieuws/ondernemingen_management_-_expertise/-Prijzenslag_bedreigt_kwaliteit_audit-.8997244-3134.art?highlight=audit
Cobbin, P. E. (2002). International Dimensions of the Audit Fee Determinants Literature. International Journal of Auditing , pp. 53-77.
Craswell, A. T., & Francis, J. R. (1999). Pricing initial audit engagements: A test of competing theories. The accounting review , pp.201-216.
Craswell, A. (1988). The Association Between Qualified Opinions and Auditor Switches. Accounting and Business Research, Vol. 19, No. 73 , pp. 23-31.
DeAngelo, L. (1981). Auditor independence, "Low balling", and disclosure regulation. Journal of Accounting and Economics , pp. 113-127.
Dye, R. (1991). Informationally motivated auditor replacement. Journal of accounting and economics , pp.347-374.
IX
Eichenseher, J., & Danos, P. (1981). The analysis of industry-specific auditor concentration: Towards an explanatory model. The accounting review , pp. 479-492.
Elliott, R., & Korpi, A. (1978). Factors Affecting Audit Fees. Cost-Benefit Analysis of Auditing, Commision on Auditors' Responsibilities, Research Study No. 3 .
Ettredge, M., & Greenberg, R. (1990). Determinants of fee cutting on initial audit engagements. Journal of accounting research , pp.198-210.
Ettredge, M., Li, C., & Scholz, S. (2007). Audit fees and auditor dismissals in the Sarbanes-Oxley era. Accounting horizons , pp. 371-386.
Felix, W., Gramling, A., & Maletta, M. (2001). The Contribution of Internal Audit as a Determinant of External Audit Fees and Factors Influencing This Contribution. Journal of Accounting Research, 39 (3) , pp. 513-534.
Firth, M. (1985). An Analysis of Audit Fees and Their Determinants in New Zealand. Auditing: A Journal of Practice & Theory, Vol. 4, No. 2 , pp. 23-37.
Firth, M. (1997). The provision of non-audit services and the pricing of audit fees. Journal of Business Finance & Accounting , pp. 511-525.
Francis, J. R., & Simon, D. T. (1987). A test of audit pricing in the small-client segment of the U.S. audit market. The accounting review , pp.145-156.
Francis, J. (1984). The Effect of Audit Firm Size on Audit Prices: A study of the Australian Market. Journal of Accounting and Economics, Vol. 6 , pp. 133-151.
Francis, J., & Wilson, E. (1988). Auditor Changes: A Joint Test of Theories Relating to Agency Costs and Auditor Differentiation. Accounting Review, 63:4 , pp. 663-682.
Gonthier-Besacier, N., & Schatt, A. (2007). Determinants of audit fees for French quoted firms. Managerial Auditing Journal, Vol. 22, No. 2 , pp. 139-160.
Gosh, A., & Lustgarten, S. (2006). Pricing of initial audit engagements by large and small audit firms. Contemporary Accounting Research , pp. 333-368.
Gregory, A., & Collier, P. (1996). Audit fees and auditor change; an investigation of the persistence of fee reduction by type of change. Journal of business, Finance & Accounting , pp.13-28.
Houston, R., Peters, M., & Pratt, J. (2005). Nonlitigation Risk and Pricing Audit Services. Auditing: A Journal of Practice & Theory, Vol. 24, No. 1 , pp. 37-53.
Houston, R., Peters, M., & Pratt, J. (1999). The Audit Risk Model, Business Risk and Audit-Planning Decisions. The Accounting Review, Vol. 74, No. 3 , pp. 281-298.
Joshi, P., & AL-Bastaki, H. (2000). Determinants of Audit Fees: Evidence from the Companies Listed in Bahrain. International Journal of Accounting , pp. 129-138.
Kanodia, C., & Mukherji, A. (1994). Audit Pricing, Lowballing and Auditor Turnover: A Dynamic Analysis. Accounting Review, 69:4 , pp. 593-615.
Karim, W., & Moizer, P. (1996). Determinants of Audit Fees in Bangladesh. The International Journal of Accounting, Vol. 31, No. 4 , pp. 497-509.
Krishnan, J. (1994). Auditor switching and conservatism. The accounting review , pp. 200-215.
Krishnan, J., & Stephens, R. G. (1995). Evidence on opinion shopping form audit opinion conservatism. Journal of accounting and public policy , pp.179-201.
Langendijk, H. (1998). The market for audit services in the Netherlands. European Accounting Review, Vol. 6, Issue 2 , pp. 253-264.
X
Low, L., Tan, P., & Koh, H. (1990). The Determinants of Audit Fees: An Analysis in the Singapore Context. Journal of Business Finance & Accounting , pp. 285-295.
Lyon, J., & Maher, M. (2005). The Importance of Business Risk in Setting Audit Fees: Evidence from Cases of Client Misconduct. Journal of Accounting Research, 43 , pp. 133-151.
Maher, M., Tiessen, P., Colson, R., & Broman, A. (1992). Competition and Audit Fees. The Accounting Review , pp. 199-211.
Matthews, D., & Peel, M. (2003). Audit fee determinants and the large auditor premium in 1900. Accounting and Business Research, Vol. 33, No. 2 , pp. 137-155.
Menon, K., & Williams, D. (2001). Long-term trends in audit fees. Auditing: A Journal of Practice and Theory , pp. 115-136.
Palmrose, Z. (1986). Audit fees and auditor size: Further evidence. Journal of Accounting Research , pp. 97-110.
Palmrose, Z. (1986). The Effect of Nonaudit Services on the Pricing of Audit Services: Further Evidence. Journal of Accounting Research, Vol. 24, No. 2 , pp. 405-411.
Palmrose, Z. (1989). The Relation of Audit Contract Type to Audit Fees and Hours. The Accounting Review , pp. 488-499.
Pearson, T., & Trompeter, G. (1994). Competition in the Market for Audit Services: The Effect of Supplier Concentration on Audit Fees. Contemporary Accounting Research, Vol. 11, No. 1 , pp. 115-135.
Peel, M. (2009). The pricing of initial audit engagements by Big 4 and leading Mid-tier auditors.
Pong, C., & Whittington, G. (1994). The Determinants of Audit Fees: Some Empirical Models. Journal of Business Finance & Accounting , pp. 1071-1095.
Roberts, R., Glezen, G., & Jones, T. (1990). Determinants of Auditor Change in the Public Sector. Journal of Accounting Research, Vol. 28, No. 1 , pp. 220-228.
Sankaraguruswamy, S., & Whisenant, S. (2009). Pricing initial audit engagements: Emperical evidence following public disclosure of audit fees.
Schatzberg, J. (1994). A New Examination of Auditor "Low Ball" Pricing: Theoretical Model and Experimental Evidence. Auditing: A Journal of Practice & Theory, Vol. 13 , pp. 33-55.
Schwartz, K. B., & Menon, K. (1985). Auditor switches by failing firms. The accounting review , pp. 248-261.
Sercu, P., Vander Bauwhede, H., & Willekens, M. (2002). Earnings quality in privately held firms: the roles of external audits, stakeholders, and governance mechanisms. Research Report .
Simon, D. T., & Francis, J. R. (1988). The effects of auditor change on audit fees: Tests of price cutting and price recovery. The accounting review , pp.255-269.
Simunic, D. A. (1980). The Pricing of Audit Services: Theory and Evidence. Journal of Accounting Research , pp. 161-190.
Simunic, D. (1984). Auditing, Consulting, and Auditor Independence. Journal of Accounting Research, Vol. 18 , pp. 161-190.
Stricharchuk, G. (1983). More ailing concerns are firing auditors in hopes of keeping bad news from public. The wall street journal , p. 35.
Taffler, R., & Ramalinggam, K. (1981). The Determinants of the Audit Fee in the U.K.: An Exploratory Study. City University Working Paper .
XI
Taylor, M., & Baker, R. (1981). An Analysis of the External Audit Fee. Accounting and Business Research , pp. 55-60.
Thinggaard, F., & Kiertzner, L. (2008). Determinants of Audit Fees: Evidence from a Small Capital Market with a Joint Audit Requirement. International Journal of Auditing , pp. 141-158.
Turpen, R. (1990). Differential pricing on auditors' initial engagements: Further evidence. A journal of practice & theory , pp.60-76.
Vander Bauwhede, H., & Willekens, M. (2004). Evidence on (the lack of) audit-quality differentation in the private client segment of the Belgian audit market. European accounting review , pp.501-522.
Walker, P. L., & Casterella, J. R. (2000). The role of auditee profitability in pricing new audit engagements. A journal of practice & theory , pp.157-167.
Whisenant, S., Sankaraguruswamy, S., & Raghunandan, K. (2003). Evidence on the Joint Determination of Audit and Non-Audit Fees. Journal of Accounting Research, Vol. 41, No. 4 , pp. 721-744.
Willekens, M., & Achmadi, C. (2003). Pricing and supplier concentration in the private client segment of the audit market: Market power or competition? The International Journal of Acounting , pp. 431-455.
Willekens, M., & Gaeremynck, A. (2005). Prijszetting in de Belgische Auditmarkt. Brugge: Die Keure NV.
Williams, D. D. (1988). The potential determinants of auditor change. Journal of Business, Finance and Accounting , pp. 243-261.
XII
11. Bijlagen
11.1 Evolutie audit fees in de periode 2007-2009
Periode Mann-Whitney U P-waarde
2007-2008 1,027E7 0,849 2008-2009 1,086E7 0,265 2007-2009 9617590,500 0,209
Tabel 12: Mann-Whitney U-test (evolutie audit fees)
11.2 Beschrijvende statistiek gebalanceerd panel
Vorige\Nieuwe auditor Big 4 Non-Big 4 Totaal
Big 4 168 79 247 Non-Big 4 92 123 215 Totaal 260 202 462
Tabel 13: Verdeling van switches (gebalanceerd panel)
Volledige steekproef
(n = 3525)
Switchers
(n = 174)
Non-Switchers
(n = 3351)
Variabele Gem. St. afw. Gem. St. afw. Gem. St. afw. Audit fee 25.297,21 61.677,12 22.875,43 28.063,82 25.422,96 62.933,76 LNFEE 9,4803 1,0459 9,5580 0,9569 9,4762 1,0504 TA 127.407 844.736 68.097 244.726 130.486 864.499 LNTA 16,9085 1,4637 16,9232 1,3058 16,9077 1,4716 Omzet 93.668 616.593 59.102 100.642 95.462 631.938 LNOM 17,1437 1,3353 17,1162 1,2330 17,1451 1,3405 VORDTA 0,3025 0,2168 0,3008 0,2160 0,3026 0,2168 VOORTA 0,1371 0,1655 0,1243 0,1600 0,1378 0,1658 LIQ 1,9145 3,0883 1,9500 2,6635 1,9127 3,1091 SOLV 0,3459 0,2492 0,3418 0,2588 0,3461 0,2487 ROA 0,0701 0,1231 0,0581 0,1509 0,0707 0,1215 Dochters 2,5662 10,6557 1,71 4,126 2,61 10,887
Tabel 14: Beschrijvende statistiek 2007 (gebalanceerd panel)
XIII
Volledige steekproef
(n = 3525)
Switchers
(n = 177)
Non-Switchers
(n = 3348)
Variabele Gem. St. afw. Gem. St. afw. Gem. St. afw. Audit fee 25.880,88 44.188,76 24.367,25 41.174,63 25.960,90 44.346,73 LNFEE 9,5341 1,0428 9,5497 0,9662 9,5333 1,0469 TA 143.675 1.090.615 70.794 254.276 147.528 1.117.428 LNTA 16,9653 1,4640 16,8485 1,2786 16,9715 1,4731 Omzet 98.803 694.505 80.769 332.957 99.756 708.517 LNOM 17,2027 1,3252 17,2701 1,0926 17,1991 1,3365 VORDTA 0,2879 0,2119 0,2841 0,1928 0,2881 0,2129 VOORTA 0,1420 0,1746 0,1649 0,1826 0,1408 0,1742 LIQ 1,9495 3,1519 2,2919 4,5683 1,9314 3,0516 SOLV 0,3537 0,2547 0,3483 0,2754 0,3539 0,2536 ROA 0,0553 0,1379 0,0586 0,1221 0,0551 0,1387 Dochters 2,5662 10,6557 1,71 4,126 2,61 10,887
Tabel 15: Beschrijvende statistiek 2008 (gebalanceerd panel)
Volledige steekproef
(n = 3525)
Switchers
(n = 111)
Non-Switchers
(n = 3414)
Variabele Gem. St. afw. Gem. St. afw. Gem. St. afw. Audit fee 25.732,99 43.474,58 23.751,93 27.986,41 25.797,40 43.887,73 LNFEE 9,5604 1,0141 9,6219 0,9242 9,5584 1,0170 TA 145.437 1.092.717 126.057 479.885 146.067 1.106.990 LNTA 16,9483 1,4670 16,9848 1,4937 16,9471 1,4664 Omzet 84.526 476.393 63.524 142.223 85.208 483.389 LNOM 17,1441 1,2710 17,1612 1,1270 17,1436 1,2756 VORDTA 0,278222 0,2102 0,2679 0,1851 0,2785 0,2111 VOORTA 0,13196 0,1652 0,1252 0,1481 0,1322 0,1658 LIQ 2,077373 3,2607 1,8433 2,2140 2,0850 3,2891 SOLV 0,368528 0,2588 0,3259 0,2460 0,3699 0,2591 ROA 0,043048 0,1311 0,0208 0,1361 0,04377 0,1309 Dochters 2,5662 10,6557 1,71 4,126 2,61 10,887
Tabel 16: Beschrijvende statistiek 2009 (gebalanceerd panel)
2007 2008 2009
Variabele Aantal = 1 Aantal = 0 Aantal = 1 Aantal = 0 Aantal = 1 Aantal = 0 SWITCH 174 3.351 177 3.348 111 3.414 B4NB4 34 3.491 36 3.489 9 3.516
B4B4 55 3.470 68 3.457 45 3.480
NB4B4 33 3.492 33 3.492 26 3.499
NB4NB4 52 3.473 40 3.485 31 3.494
BIG4 1.761 1.809 1.712 1.813 1.724 1.801
MIDTIER 309 3.216 318 3.207 327 3.198
VERLIESDUMM 543 2.982 743 2.782 860 2.665
AFSLUIT 3.163 362 3.171 354 3.171 354
BEURS 42 3.483 42 3.483 42 3.483
Tabel 17: Beschrijvende statistiek dummy-variabelen (gebalanceerd panel)
XIV
11.3 Testen van assumpties
Variance Inflation Factors
Variabele
Coefficient
Variance
Uncentered
VIF
Centered
VIF
C 0,013414 443,5272 NA SWITCH 0,000781 1,067702 1,015017 LNTA 4,66E-05 420,7634 1,541516 VORDTA 0,001051 4,355399 1,220733 VOORTA 0,001229 2,008056 1,060980 LIQ 3,80E-06 1,799691 1,273498 SOLV 0,000834 5,164996 1,467079 BIG_4 0,000178 2,138584 1,276754 MID_TIER 0,000494 1,273454 1,145002 SQRDOCHTER 4,76E-05 2,174047 1,542326 ROA 0,003351 1,909562 1,485792 VERLIESDUMM 0,000323 1,837008 1,440587 AFSLUIT 0,000318 9,251018 1,013768 BEURS 0,011730 1,422711 1,408568
Tabel 18: Voorbeeld Variance Inflation Factors (pooled data)
Heteroscedasticiteitstest: White
F-statistiek 20,07178 Prob. F(97,13556) 0,0000 Observaties * R2 1714,758 Prob. Chi-kwadraat(97) 0,0000 Scaled explained SS 7239,120 Prob. Chi-kwadraat(97) 0,0000
Tabel 19: Voorbeeld test Heteroscedasticiteit (pooled data)
Figuur 1: Voorbeeld test normaliteit: Jarcque-Bera (pooled data)
0
1,000
2,000
3,000
4,000
5,000
-7 -6 -5 -4 -3 -2 -1 0 1 2 3
Series: RESID
Sample 1 13661
Observations 13654
Mean 0.012541
Median 0.061830
Maximum 2.848796
Minimum -7.195610
Std. Dev. 0.719924
Skewness -1.111729
Kurtosis 9.466401
Jarque-Bera 26601.47
Probability 0.000000
XV
11.4 Testen voor panel data
Random Effects – Hausman Test
Chi-kwadraat Statistiek
Chi-kwadraat Vrijheidsgr.
P-waarde
Cross-section random 436,293492 10 0,0000
Vergelijking fixed - random
Variabele Fixed Random Verschil P-waarde SWITCH -0,024257 -0,033908 0,000008 0,0005 LNTA 0,201750 0,331710 0,000100 0,0000 VORDTA 0,129195 0,213700 0,000678 0,0012 VOORTA 0,247906 0,156519 0,002712 0,0793 LIQ -0,003134 -0,006991 0,000000 0,0000 SOLV 0,102444 0,063726 0,000402 0,0535 BIG_4 0,403666 0,768641 0,000831 0,0000 MID_TIER 0,111391 0,268595 0,000986 0,0000 ROA -0,128738 -0,121455 0,000164 0,5701 VERLIESDUMM 0,033463 0,055575 0,000007 0,0000
Tabel 20: Voorbeeld Hausman-Test (panel data)
XVI
11.5 Relatie tussen audit- en non-audithonoraria
Afhankelijke variabele: LNFee
Methode: Fixed Effects regressiemodel N = 5.101 Aantal switches = 149
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde
C 4,626322 0,727059 6,363062 0,0000 SWITCH -0,055298 0,034005 -1,626190 0,1040 LNTA 0,254666 0,036095 7,055350 0,0000 VORDTA 0,123806 0,031542 3,925049 0,0001 VOORTA 0,359553 0,064046 5,614013 0,0000 LIQ -0,006624 0,004098 -1,616528 0,1061 SOLV 0,000873 0,000207 4,220094 0,0000 ROA -0,001298 0,000898 -1,444574 0,1487 VERLIESDUMM 0,041356 0,015187 2,723162 0,0065 BIG4 0,580811 0,061897 9,383502 0,0000 MIDTIER -0,020147 0,014238 -1,414969 0,1572 LNNONAUD 0,049258 0,011778 4,182167 0,0000
R2 0,952981 Adjusted R2 0,904463 F-statistiek 19,64179 Prob(F-stat.) 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
Tabel 21: Bijkomende onafhankelijke variabele: LNNONAUD
11.6 Evolutie non-audit fees in de periode 2007-2009
Periode Mann-Whitney U P-waarde
2007-2008 1472268,500 0,563 2008-2009 1412405,000 0,082 2007-2009 1319693,000 0,023
Tabel 22: Mann-Whitney U-test (evolutie non-audit fees)
VI
11.7 Regressie per jaar in de periode 2007-2009
Afhankelijke variabele: LNFEE (2007) N = 4.273 Aantal switches = 202
Model 1: Met SWITCH-variabele Model 2: Met specifieke switch-variabelen
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error* t-Statistiek P-waarde
C 2,946026 0,207692 14,18459 0,0000 2,957565 0,207658 14,24250 0,0000 LNTA 0,356287 0,012274 29,02710 0,0000 0,355859 0,012269 29,00508 0,0000 VORDTA 0,345435 0,057082 6,051555 0,0000 0,341178 0,057072 5,977998 0,0000 VOORTA 0,184928 0,064358 2,873434 0,0041 0,184910 0,064510 2,866362 0,0042 LIQ -0,020227 0,003820 -5,294803 0,0000 -0,020253 0,003807 -5,320027 0,0000 SOLV -0,034637 0,055114 -0,628461 0,5297 -0,035406 0,055042 -0,643253 0,5201 BIG4 0,868961 0,023976 36,24282 0,0000 0,866102 0,024527 35,31168 0,0000 MIDTIER 0,244098 0,041706 5,852843 0,0000 0,241968 0,042166 5,738512 0,0000 SQRDOCHTER 0,033207 0,012646 2,625914 0,0087 0,033283 0,012641 2,632889 0,0085 ROA 0,237253 0,104527 2,269782 0,0233 0,237717 0,104306 2,279039 0,0227 VERLIESDUMM 0,170857 0,035738 4,780847 0,0000 0,170451 0,035796 4,761704 0,0000 AFSLUIT -0,132878 0,033703 -3,942648 0,0001 -0,134108 0,033488 -4,004648 0,0001 BEURS 0,538524 0,188908 2,850719 0,0044 0,534182 0,189143 2,824226 0,0048 SWITCH 0,036613 0,047598 0,769215 0,4418 B4B4 0,215872 0,073021 2,956287 0,0031 B4NB4 0,111958 0,103180 1,085073 0,2780 NB4B4 -0,170442 0,121266 -1,405525 0,1599 NB4NB4 -0,070356 0,081276 -0,865650 0,3867
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,544429 0,543037 391,3314 0,000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,545402 0,543692 318,9822 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
Tabel 23: Regressieresultaten 2007 met LNTA (ongebalanceerd panel)
VII
Afhankelijke variabele: LNFEE (2008) N = 4.816 Aantal switches = 233
Model 1: Met SWITCH-variabele Model 2: Met specifieke switch-variabelen
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error* t-Statistiek P-waarde
C 3,017143 0,194979 15,47421 0,0000 3,028358 0,195299 15,50627 0,0000 LNTA 0,347414 0,011395 30,48823 0,0000 0,346673 0,011415 30,37006 0,0000 VORDTA 0,389481 0,055219 7,053425 0,0000 0,384921 0,055238 6,968440 0,0000 VOORTA 0,260810 0,057432 4,541197 0,0000 0,263638 0,057370 4,595396 0,0000 LIQ -0,020006 0,003252 -6,151831 0,0000 -0,020111 0,003233 -6,221285 0,0000 SOLV 0,012756 0,047419 0,269017 0,7879 0,007901 0,047525 0,166256 0,8680 BIG4 0,838566 0,022411 37,41755 0,0000 0,844210 0,022805 37,01792 0,0000 MIDTIER 0,230633 0,037599 6,134086 0,0000 0,227824 0,037748 6,035413 0,0000 SQRDOCHTER 0,052127 0,011493 4,535584 0,0000 0,052390 0,011502 4,554942 0,0000 ROA 0,178135 0,104612 1,702820 0,0887 0,180161 0,104517 1,723752 0,0848 VERLIESDUMM 0,169833 0,030011 5,659052 0,0000 0,171869 0,030009 5,727241 0,0000 AFSLUIT -0,059525 0,028886 -2,060706 0,0394 -0,058586 0,028879 -2,028647 0,0425 BEURS 0,532529 0,180620 2,948331 0,0032 0,531452 0,180645 2,941976 0,0033 SWITCH -0,006899 0,046288 -0,149055 0,8815 B4B4 0,015549 0,084015 0,185073 0,8532 B4NB4 0,159995 0,112885 1,417325 0,1565 NB4B4 -0,173308 0,073010 -2,373754 0,0176 NB4NB4 -0,007691 0,086289 -0,089137 0,9290
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,547918 0,546693 447,5026 0,000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,548419 0,546912 364,1044 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
Tabel 24: Regressieresultaten 2008 met LNTA (ongebalanceerd panel)
VIII
Afhankelijke variabele: LNFEE (2009) N = 4.571 Aantal switches = 152
Model 1: Met SWITCH-variabele Model 2: Met specifieke switch-variabelen
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error* t-Statistiek P-waarde
C 3,032939 0,200381 15,13584 0,0000 3,039905 0,200514 15,16060 0,0000 LNTA 0,349061 0,011912 29,30235 0,0000 0,348829 0,011928 29,24469 0,0000 VORDTA 0,410647 0,056466 7,272468 0,0000 0,408853 0,056470 7,240204 0,0000 VOORTA 0,224709 0,060961 3,686113 0,0002 0,224057 0,060981 3,674184 0,0002 LIQ -0,021913 0,003121 -7,020875 0,0000 -0,021889 0,003129 -6,995512 0,0000 SOLV 0,080973 0,048831 1,658236 0,0973 0,079693 0,048855 1,631216 0,1029 BIG4 0,793377 0,023098 34,34818 0,0000 0,790409 0,023529 33,59259 0,0000 MIDTIER 0,248244 0,036518 6,797793 0,0000 0,247892 0,036573 6,778024 0,0000 SQRDOCHTER 0,045449 0,011755 3,866305 0,0001 0,045690 0,011764 3,883951 0,0001 ROA -0,045442 0,092966 -0,488806 0,6250 -0,041459 0,092761 -0,446946 0,6549 VERLIESDUMM 0,156248 0,028840 5,417804 0,0000 0,155556 0,028822 5,397103 0,0000 AFSLUIT -0,065018 0,030550 -2,128243 0,0334 -0,066112 0,030564 -2,163053 0,0306 BEURS 0,585596 0,193966 3,019070 0,0025 0,588230 0,194435 3,025321 0,0025 SWITCH -0,075927 0,051315 -1,479615 0,1390 B4B4 0,067159 0,088217 0,761289 0,4465 B4NB4 0,089114 0,181774 0,490244 0,6240 NB4B4 -0,186858 0,108373 -1,724217 0,0847 NB4NB4 -0,171157 0,078453 -2,181647 0,0292
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,542736 0,541431 415,8789 0,000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,543222 0,541617 338,3411 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
Tabel 25: Regressieresultaten 2009 met LNTA (ongebalanceerd panel)
IX
11.8 Sensitiviteitstest: LNTA vervangen door LNOM
Afhankelijke variabele = LNFEE N = 13.660 Aantal switches = 587
Model 1a*: Pooled OLS regressiemodel Model 1b*: Fixed effects regressiemodel
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error** t-Statistiek P-waarde
C 3,364340 0,122759 27,40607 0,0000 6,881692 0,588509 11,69345 0,0000 SWITCH -0,026849 0,027339 -0,982083 0,3261 -0,025852 0,005637 -4,586116 0,0000 LNOM 0,339665 0,007324 46,37536 0,0000 0,137149 0,032597 4,207411 0,0000 VORDTA -0,470399 0,031728 -14,82618 0,0000 -0,054971 0,029692 -1,851363 0,0642 VOORTA -0,491307 0,034414 -14,27640 0,0000 0,103545 0,048907 2,117174 0,0343 LIQ -0,007102 0,001713 -4,144996 0,0000 -0,001488 0,000775 -1,919348 0,0550 SOLV 0,071404 0,027692 2,578481 0,0099 0,067856 0,030685 2,211361 0,0270 BIG4 0,846622 0,013694 61,82619 0,0000 0,401930 0,034301 11,71764 0,0000 MIDTIER 0,237438 0,022701 10,45948 0,0000 0,113658 0,041758 2,721800 0,0065 SQRDOCHTER 0,084617 0,006558 12,90257 0,0000 ROA -0,292345 0,061842 -4,727285 0,0000 -0,146300 0,056765 -2,577302 0,0100 VERLIESDUMM 0,159153 0,017986 8,848720 0,0000 0,036221 0,002262 16,01573 0,0000 AFSLUIT -0,039551 0,018600 -2,126331 0,0335 BEURS 0,648031 0,113935 5,687747 0,0000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,546873 0,546441
1.266,303 0,000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,961901 0,938142 40,48482 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
** Opmerking: Standaardfouten zijn de White cross-section standard errors
Tabel 26: Regressiemodel 1 met SWITCH-variabele en LNOM
X
Afhankelijke variabele = LNFEE N = 13.660 Aantal switches = 587
Model 2a*: Pooled OLS regressiemodel Model 2b*: Fixed effects regressiemodel
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error** t-Statistiek P-waarde
C 3,374312 0,122856 27,46549 0,0000 6,892018 0,584504 11,79122 0,0000 B4B4 0,047668 0,047534 1,002825 0,3160 -0,034557 0,022159 -1,559522 0,1189 B4NB4 0,128719 0,069082 1,863286 0,0624 -0,055003 0,010958 -5,019539 0,0000 NB4B4 -0,175841 0,055082 -3,192378 0,0014 0,024970 0,027839 0,896935 0,3698 NB4NB4 -0,089397 0,047992 -1,862770 0,0625 -0,022151 0,021583 -1,026326 0,3048 LNOM 0,339143 0,007330 46,26937 0,0000 0,137240 0,032559 4,215181 0,0000 VORDTA -0,472584 0,031704 -14,90607 0,0000 -0,054367 0,029351 -1,852320 0,0640 VOORTA -0,488630 0,034412 -14,19935 0,0000 0,104849 0,049506 2,117913 0,0342 LIQ -0,007168 0,001703 -4,210043 0,0000 -0,001486 0,000770 -1,928499 0,0538 SOLV 0,068357 0,027704 2,467403 0,0136 0,069064 0,030471 2,266529 0,0234 BIG4 0,847821 0,013944 60,80302 0,0000 0,374190 0,031775 11,77614 0,0000 MIDTIER 0,235113 0,022782 10,31990 0,0000 0,113206 0,045418 2,492525 0,0127 SQRDOCHTER 0,084818 0,006556 12,93652 0,0000 ROA -0,289697 0,061755 -4,691081 0,0000 -0,146906 0,056980 -2,578188 0,0099 VERLIESDUMM 0,159627 0,017977 8,879311 0,0000 0,036041 0,002230 16,16315 0,0000 AFSLUIT -0,039977 0,018589 -2,150601 0,0315 BEURS 0,646519 0,114046 5,668948 0,0000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,547350 0,546818
1.030,625 0,000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,961912 0,938136 40,45849 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
** Opmerking: Standaardfouten zijn de White cross-section standard errors
Tabel 27: Regressiemodel 2 met specifieke switch-variabelen en LNOM
XI
Afhankelijke variabele = LNFEE (2007) N = 4.273 Aantal switches = 202
Model 1*: Met SWITCH-variabele Model 2*: Met specifieke switch-variabelen
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error* t-Statistiek P-waarde
C 3,307944 0,218381 15,14761 0,0000 3,321667 0,218866 15,17669 0,0000 LNOM 0,345966 0,013075 26,46071 0,0000 0,345284 0,013097 26,36361 0,0000 VORDTA -0,488736 0,056398 -8,665784 0,0000 -0,491055 0,056347 -8,714909 0,0000 VOORTA -0,565120 0,063898 -8,844036 0,0000 -0,562505 0,064066 -8,780093 0,0000 LIQ -0,006662 0,003706 -1,797612 0,0723 -0,006679 0,003699 -1,805678 0,0710 SOLV 0,027656 0,052280 0,529003 0,5968 0,026049 0,052323 0,497859 0,6186 BIG4 0,890138 0,024629 36,14219 0,0000 0,889840 0,025105 35,44450 0,0000 MIDTIER 0,244609 0,043294 5,649929 0,0000 0,240765 0,043731 5,505535 0,0000 SQRDOCHTER 0,073108 0,012215 5,985092 0,0000 0,073267 0,012215 5,997931 0,0000 ROA -0,323291 0,093801 -3,446566 0,0006 -0,321482 0,093819 -3,426634 0,0006 VERLIESDUMM 0,156156 0,034801 4,487105 0,0000 0,155993 0,034850 4,476146 0,0000 AFSLUIT -0,086556 0,034041 -2,542724 0,0110 -0,087473 0,033986 -2,573822 0,0101 BEURS 0,635354 0,197257 3,220937 0,0013 0,631126 0,197585 3,194199 0,0014 SWITCH 0,046038 0,046354 0,993186 0,3207 B4B4 0,157309 0,077092 2,040531 0,0414 B4NB4 0,154980 0,099746 1,553740 0,1203 NB4B4 -0,125024 0,101553 -1,231116 0,2183 NB4NB4 -0,039118 0,087012 -0,449573 0,6530
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,550132 0,548758 400,4447 0,000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,550742 0,549052 325,9344 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
Tabel 28: Regressieresultaten 2007 met LNOM
XII
Afhankelijke variabele = LNFEE (2008) N = 4.816 Aantal switches = 233
Model 1*: Met SWITCH-variabele Model 2*: Met specifieke switch-variabelen
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error* t-Statistiek P-waarde
C 3,500918 0,210957 16,59544 0,0000 3,510735 0,211177 16,62462 0,0000 LNOM 0,329678 0,012439 26,50341 0,0000 0,328986 0,012452 26,41956 0,0000 VORDTA -0,484724 0,053175 -9,115608 0,0000 -0,487480 0,053143 -9,173009 0,0000 VOORTA -0,423213 0,055394 -7,640047 0,0000 -0,418364 0,055333 -7,560886 0,0000 LIQ -0,007478 0,002636 -2,836942 0,0046 -0,007611 0,002605 -2,921736 0,0035 SOLV 0,055583 0,045011 1,234878 0,2169 0,049986 0,045090 1,108587 0,2677 BIG4 0,855007 0,023036 37,11655 0,0000 0,861010 0,023436 36,73953 0,0000 MIDTIER 0,228826 0,038164 5,995845 0,0000 0,225610 0,038275 5,894388 0,0000 SQRDOCHTER 0,094050 0,010967 8,575489 0,0000 0,094234 0,010973 8,588129 0,0000 ROA -0,134722 0,101896 -1,322157 0,1862 -0,131250 0,101819 -1,289059 0,1974 VERLIESDUMM 0,171516 0,029611 5,792306 0,0000 0,173862 0,029607 5,872242 0,0000 AFSLUIT -0,025726 0,030550 -0,842084 0,3998 -0,024739 0,030517 -0,810668 0,4176 BEURS 0,649345 0,190007 3,417469 0,0006 0,647890 0,190033 3,409352 0,0007 SWITCH -0,053856 0,045738 -1,177475 0,2391 B4B4 -0,021198 0,082399 -0,257258 0,7970 B4NB4 0,111665 0,109315 1,021498 0,3071 NB4B4 -0,251203 0,082481 -3,045599 0,0023 NB4NB4 -0,043392 0,079658 -0,544736 0,5860
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,549639 0,548419 450,6237 0,000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,550233 0,548733 366,7828 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
Tabel 29: Regressieresultaten 2008 met LNOM
XIII
Afhankelijke variabele = LNFEE (2009) N = 4.571 Aantal switches = 152
Model 1*: Met SWITCH-variabele Model 2*: Met specifieke switch-variabelen
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error* t-Statistiek P-waarde
C 3.256574 0.207614 15.68568 0.0000 3.264127 0.207611 15.72236 0.0000 LNOM 0.345533 0.012516 27.60789 0.0000 0.345248 0.012519 27.57822 0.0000 VORDTA -0.428687 0.055244 -7.759934 0.0000 -0.429901 0.055225 -7.784494 0.0000 VOORTA -0.493200 0.060329 -8.175184 0.0000 -0.492165 0.060368 -8.152757 0.0000 LIQ -0.006895 0.002856 -2.414181 0.0158 -0.006843 0.002861 -2.392106 0.0168 SOLV 0.119125 0.047662 2.499375 0.0125 0.117433 0.047693 2.462299 0.0138 BIG4 0.797275 0.023513 33.90826 0.0000 0.794818 0.023964 33.16780 0.0000 MIDTIER 0.239214 0.036989 6.467096 0.0000 0.237812 0.037025 6.422941 0.0000 SQRDOCHTER 0.086452 0.010883 7.943619 0.0000 0.086764 0.010877 7.976835 0.0000 ROA -0.460778 0.088070 -5.231972 0.0000 -0.456936 0.088106 -5.186229 0.0000 VERLIESDUMM 0.138286 0.028243 4.896304 0.0000 0.137538 0.028239 4.870451 0.0000 AFSLUIT -0.013355 0.032102 -0.416027 0.6774 -0.014589 0.032131 -0.454050 0.6498 BEURS 0.668739 0.206484 3.238698 0.0012 0.671180 0.206979 3.242736 0.0012 SWITCH -0.074042 0.049418 -1.498284 0.1341 B4B4 0.030642 0.076240 0.401920 0.6878 B4NB4 0.211725 0.185847 1.139248 0.2547 NB4B4 -0.147747 0.106627 -1.385648 0.1659 NB4NB4 -0.180106 0.082082 -2.194215 0.0283
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0.543933 0.542631 417.8898 0.000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0.544394 0.542794 339.9450 0.000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
Tabel 30: Regressieresultaten 2009 met LNOM
XIV
11.9 Sensitiviteitstest: gebalanceerd panel
Gebalanceerd panel: Afhankelijke variabele = LNFEE N = 10.575 Aantal switches = 462
Model 1a: Pooled OLS regressiemodel Model 1b: Fixed Effects regressiemodel
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error** t-Statistiek P-waarde
C 2,807671 0,133293 21,06397 0,0000 6,648781 0,312532 21,27389 0,0000 SWITCH -0,005387 0,030359 -0,177431 0,8592 -0,023456 0,005114 -4,586330 0,0000 LNTA 0,365359 0,007922 46,12238 0,0000 0,152264 0,015534 9,801695 0,0000 VORDTA 0,461855 0,037079 12,45582 0,0000 0,093890 0,023742 3,954499 0,0001 VOORTA 0,311467 0,038280 8,136558 0,0000 0,192951 0,029013 6,650450 0,0000 LIQ -0,021540 0,002112 -10,19939 0,0000 -0,002347 0,001967 -1,192863 0,2330 SOLV 0,059963 0,031758 1,888143 0,0590 0,127113 0,038594 3,293630 0,0010 BIG4 0,804719 0,014380 55,95999 0,0000 0,392131 0,043198 9,077515 0,0000 MIDTIER 0,261023 0,023226 11,23831 0,0000 0,145436 0,023781 6,115727 0,0000 SQRDOCHTER 0,029986 0,007447 4,026716 0,0001 ROA 0,106798 0,067100 1,591629 0,1115 -0,103186 0,050003 -2,063591 0,0391 VERLIESDUMM 0,150310 0,020735 7,249105 0,0000 0,030683 0,003211 9,554864 0,0000 AFSLUIT -0,124028 0,019837 -6,252497 0,0000 BEURS 0,635645 0,115256 5,515053 0,0000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,553541 0,552992
1.007,234 0,000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,956642 0,934877 43,95300 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
** Opmerking: Standaardfouten zijn de White cross-section standard errors
Tabel 31: Regressiemodel 1 met SWITCH-variabele (gebalanceerd panel)
XV
Gebalanceerd panel: Afhankelijke variabele = LNFEE N = 10.575 Aantal switches = 462
Model 2a: Pooled OLS regressiemodel Model 2b: Fixed Effects regressiemodel
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error** t-Statistiek P-waarde
C 2,817225 0,133279 21,13774 0,0000 6,659550 0,308954 21,55515 0,0000 B4B4 0,103226 0,050483 2,044781 0,0409 -0,027321 0,028496 -0,958753 0,3377 B4NB4 0,115791 0,078643 1,472367 0,1410 -0,049016 0,009667 -5,070489 0,0000 NB4B4 -0,191165 0,065173 -2,933179 0,0034 0,013317 0,041068 0,324266 0,7457 NB4NB4 -0,092646 0,050273 -1,842848 0,0654 -0,027702 0,028618 -0,967986 0,3331 LNTA 0,364882 0,007919 46,07519 0,0000 0,152164 0,015492 9,821813 0,0000 VORDTA 0,458574 0,037067 12,37140 0,0000 0,094395 0,023627 3,995197 0,0001 VOORTA 0,313515 0,038268 8,192700 0,0000 0,194315 0,030708 6,327813 0,0000 LIQ -0,021618 0,002098 -10,30602 0,0000 -0,002350 0,001969 -1,193419 0,2327 SOLV 0,056652 0,031781 1,782574 0,0747 0,127778 0,038654 3,305680 0,0010 BIG4 0,804294 0,014611 55,04615 0,0000 0,372317 0,035037 10,62641 0,0000 MIDTIER 0,260496 0,023287 11,18639 0,0000 0,145856 0,025246 5,777348 0,0000 SQRDOCHTER 0,030358 0,007450 4,075196 0,0000 ROA 0,108414 0,067016 1,617725 0,1058 -0,103509 0,050594 -2,045873 0,0408 VERLIESDUMM 0,150434 0,020724 7,258969 0,0000 0,030525 0,003076 9,924622 0,0000 AFSLUIT -0,123600 0,019855 -6,225243 0,0000 BEURS 0,633278 0,115323 5,491336 0,0000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,554185 0,553509 820,2777 0,000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,956651 0,934862 43,90579 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
** Opmerking: Standaardfouten zijn de White cross-section standard errors
Tabel 32: Regressiemodel 2 met specifieke switch-variabelen (gebalanceerd panel)
XVI
Gebalanceerd panel: Afhankelijke variabele = LNFEE (2007) N = 3.525 Aantal switches = 174
Model 1: Met SWITCH-variabele Model 2: Met specifieke switch-variabelen
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error* t-Statistiek P-waarde
C 2,531658 0,220544 11,47916 0,0000 2,545808 0,220638 11,53838 0,0000 LNTA 0,381216 0,013028 29,26139 0,0000 0,380595 0,013030 29,20873 0,0000 VORDTA 0,465222 0,063840 7,287288 0,0000 0,461845 0,063805 7,238364 0,0000 VOORTA 0,337338 0,067770 4,977700 0,0000 0,336905 0,067924 4,960036 0,0000 LIQ -0,019140 0,003698 -5,175045 0,0000 -0,019103 0,003682 -5,188097 0,0000 SOLV -0,020444 0,056826 -0,359767 0,7190 -0,022209 0,056907 -0,390274 0,6964 BIG4 0,819838 0,025575 32,05602 0,0000 0,816321 0,026069 31,31436 0,0000 MIDTIER 0,224525 0,041191 5,450855 0,0000 0,223450 0,041315 5,408468 0,0000 SQRDOCHTER 0,014889 0,012676 1,174622 0,2402 0,015204 0,012675 1,199557 0,2304 ROA 0,201258 0,115103 1,748508 0,0805 0,199651 0,114933 1,737104 0,0825 VERLIESDUMM 0,143978 0,038524 3,737346 0,0002 0,143136 0,038564 3,711649 0,0002 AFSLUIT -0,134265 0,034984 -3,837898 0,0001 -0,134483 0,035027 -3,839415 0,0001 BEURS 0,774104 0,135958 5,693703 0,0000 0,768981 0,136464 5,635043 0,0000 SWITCH 0,061538 0,049095 1,253450 0,2101 B4B4 0,215313 0,075795 2,840713 0,0045 B4NB4 0,152369 0,118189 1,289200 0,1974 NB4B4 -0,100143 0,116581 -0,858999 0,3904 NB4NB4 -0,057467 0,084973 -0,676301 0,4989
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,563553 0,561937 348,7316 0,000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,564374 0,562387 284,4282 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
Tabel 33: Regressieresultaten 2007 (gebalanceerd panel)
XVII
Gebalanceerd panel: Afhankelijke variabele = LNFEE (2008) N = 3.525 Aantal switches = 177
Model 1: Met SWITCH-variabele Model 2: Met specifieke switch-variabelen
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error* t-Statistiek P-waarde
C 2,857945 0,240009 11,90766 0,0000 2,866448 0,240323 11,92748 0,0000 LNTA 0,360340 0,014189 25,39557 0,0000 0,359698 0,014206 25,32086 0,0000 VORDTA 0,449939 0,066386 6,777588 0,0000 0,444763 0,066434 6,694846 0,0000 VOORTA 0,313558 0,066113 4,742743 0,0000 0,319553 0,065993 4,842232 0,0000 LIQ -0,020018 0,003639 -5,501710 0,0000 -0,020106 0,003571 -5,630957 0,0000 SOLV 0,046835 0,054908 0,852967 0,3937 0,040642 0,055040 0,738411 0,4603 BIG4 0,812017 0,025123 32,32104 0,0000 0,818630 0,025541 32,05196 0,0000 MIDTIER 0,272011 0,041313 6,584086 0,0000 0,268663 0,041443 6,482647 0,0000 SQRDOCHTER 0,037738 0,013167 2,866227 0,0042 0,038111 0,013187 2,889956 0,0039 ROA 0,237145 0,140010 1,693777 0,0904 0,239074 0,139867 1,709287 0,0875 VERLIESDUMM 0,158999 0,036491 4,357156 0,0000 0,161737 0,036517 4,429070 0,0000 AFSLUIT -0,101095 0,035265 -2,866749 0,0042 -0,099375 0,035370 -2,809591 0,0050 BEURS 0,568618 0,224287 2,535223 0,0113 0,566284 0,224395 2,523603 0,0117 SWITCH -0,021429 0,052185 -0,410633 0,6814 B4B4 -0,009034 0,092936 -0,097205 0,9226 B4NB4 0,155758 0,121125 1,285925 0,1986 NB4B4 -0,227614 0,088180 -2,581231 0,0099 NB4NB4 -0,034824 0,091944 -0,378758 0,7049
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,547123 0,545446 326,2809 0,000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,547778 0,545715 265,5783 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
Tabel 34: Regressieresultaten 2008 (gebalanceerd panel)
XVIII
Gebalanceerd panel: Afhankelijke variabele = LNFEE (2009) N = 3.525 Aantal switches = 111
Model 1: Met SWITCH-variabele Model 2: Met specifieke switch-variabelen
Variabele Coëfficiënt Std. Error* t-Statistiek P-waarde Coëfficiënt Std. Error* t-Statistiek P-waarde
C 3,044649 0,233316 13,04947 0,0000 3,045326 0,233124 13,06311 0,0000 LNTA 0,354112 0,013983 25,32411 0,0000 0,354187 0,013973 25,34740 0,0000 VORDTA 0,474487 0,062523 7,589007 0,0000 0,473456 0,062509 7,574192 0,0000 VOORTA 0,288895 0,065248 4,427645 0,0000 0,287561 0,065341 4,400931 0,0000 LIQ -0,025102 0,003575 -7,021993 0,0000 -0,025167 0,003575 -7,040325 0,0000 SOLV 0,126431 0,053860 2,347418 0,0190 0,125843 0,053829 2,337820 0,0195 BIG4 0,782654 0,024295 32,21430 0,0000 0,778465 0,024602 31,64237 0,0000 MIDTIER 0,280722 0,037991 7,389266 0,0000 0,282768 0,038018 7,437695 0,0000 SQRDOCHTER 0,038931 0,012968 3,002122 0,0027 0,039241 0,012977 3,023877 0,0025 ROA -0,089696 0,102442 -0,875577 0,3813 -0,087384 0,102055 -0,856242 0,3919 VERLIESDUMM 0,126135 0,033799 3,731878 0,0002 0,124473 0,033769 3,686033 0,0002 AFSLUIT -0,136440 0,032704 -4,171968 0,0000 -0,135589 0,032681 -4,148834 0,0000 BEURS 0,565839 0,224104 2,524897 0,0116 0,565127 0,224168 2,521004 0,0117 SWITCH -0,065867 0,056682 -1,162050 0,2453 B4B4 0,129019 0,082109 1,571320 0,1162 B4NB4 -0,016785 0,202150 -0,083034 0,9338 NB4B4 -0,267467 0,136938 -1,953201 0,0509 NB4NB4 -0,192126 0,078161 -2,458076 0,0140
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,553476 0,551823 334,7662 0,000000
R2 Adjusted R2
F-statistiek Prob(F-stat.)
0,554385 0,552353 272,7666 0,000000
* Opmerking: Standaardfouten zijn de White heteroskedasticity-consistent standard errors
Tabel 35: Regressieresultaten 2009 (gebalanceerd panel)