Post on 27-Jun-2020
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2014 – 2015
De reële effecten van een wetswijziging over
handelskredietverstrekking in Frankrijk
Masterproef voorgedragen tot het bekomen van de graad van
Master of Science in de Toegepaste Economische Wetenschappen
Wannes Schalembier
onder leiding van
Prof. Dr. Klaas Mulier
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2014 – 2015
De reële effecten van een wetswijziging over
handelskredietverstrekking in Frankrijk
Masterproef voorgedragen tot het bekomen van de graad van
Master of Science in de Toegepaste Economische Wetenschappen
Wannes Schalembier
onder leiding van
Prof. Dr. Klaas Mulier
PERMISSION
Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of
gereproduceerd worden, mits bronvermelding.
Wannes Schalembier
I
VOORWOORD
Deze masterproef bood mij de mogelijkheid om de kennis die ik de afgelopen jaren verworven heb,
toe te passen op een boeiend onderwerp. Verder leerde ik heel wat bij met betrekking tot het
zelfstandig uitvoeren van een onderzoek. Het samenstellen van de database, het verwerken en
analyseren van de data waren een leerrijke ervaring. Dit onderzoek heeft mij heel wat relevante kennis
bijgebracht.
Hierbij zou ik graag enkele mensen bedanken. Vooreerst Prof. Dr. Klaas Mulier voor alle hulp bij het
afbakenen van het onderwerp, het sturen van mijn onderzoek en de kritische opmerkingen. Daarnaast
ook een dankwoord voor Professor Theunissen voor de hulp en ondersteuning tijdens het schrijven
van deze masterproef. Tenslotte zou ik ook mijn vrienden en familie willen bedanken voor de steun
tijdens het uitvoeren van mijn onderzoek en het nalezen van deze thesis.
II
Inhoudsopgave
VOORWOORD ........................................................................................................................................... I
Lijst van de tabellen ................................................................................................................................ IV
Lijst van de figuren .................................................................................................................................. V
Lijst van de appendices .......................................................................................................................... VI
1. Inleiding ....................................................................................................................................... 1
1.1. Handelskrediet: een definitie ...................................................................................................... 3
2. Literatuurstudie ........................................................................................................................... 3
2.1. Theorieën van het handelskrediet .............................................................................................. 3
2.2.1. Financieringsvoordelen van handelskrediet ............................................................................. 4
2.2.1.1. Voordeel bij het verwerven van informatie ...................................................................... 4
2.2.1.2. Machtsvoordeel op de koper ............................................................................................ 4
2.2.1.3. Waarde halen uit bestaande activa ................................................................................... 5
2.2.2. Prijsdiscriminatie door handelskrediet ..................................................................................... 5
2.2.3. Voordeel van de transactiekosten ............................................................................................ 6
2.2.4. Financiële en commerciële motieven ....................................................................................... 6
2.2.4.1. Handelskrediet als investering .......................................................................................... 6
2.2.4.2. Handelskrediet uit noodzaak ............................................................................................. 7
2.2.4.3. Optimale hoeveelheid handelskrediet en groei ................................................................ 8
2.2.4.4. Strategische beslissing voor extra klanten ........................................................................ 8
2.2.4.5. Handelskrediet en kwaliteitsperceptie .............................................................................. 9
2.2.5. Theorie van het kopieergedrag ................................................................................................. 9
2.2.6. Handelskrediet als een ‘relastionship-specific investment’ .................................................... 10
2.3. Restricties op het handelskrediet in Frankrijk & België ............................................................. 11
2.3.1. Specifieke wet van 2006 in Frankrijk .................................................................................. 11
2.3.2. Algemene wet van 2008 in Frankrijk .................................................................................. 12
2.3.3. Wetgeving van toepassing in België ................................................................................... 13
III
3. Hypotheses ................................................................................................................................ 13
4. Data ........................................................................................................................................... 15
4.1. Gegevensverzameling ............................................................................................................... 15
4.2. Variabelen ................................................................................................................................. 19
4.2.1. Gebruikte variabelen per hypothese ................................................................................. 19
4.2.2. Controle variabelen ........................................................................................................... 19
4.3. Methode .................................................................................................................................... 20
5. Resultaten.................................................................................................................................. 21
5.1. Descriptieve statistieken ........................................................................................................... 21
5.2. Resultaten.................................................................................................................................. 23
5.2.1. De gemiddelde impact van de handelskredietrestrictie ................................................... 23
5.2.2. Handelskredietrestrictie en de winst ................................................................................ 25
5.2.3. Handelskredietrestrictie en de liquiditeit .......................................................................... 27
5.2.4. Handelskredietrestrictie en de schuldratio ....................................................................... 31
5.2.5. uitbreidend onderzoek............................................................................................................ 32
5.2.5.1. Aantal dagen kredietverstrekking ................................................................................... 33
5.2.5.2. Grote en kleine bedrijven ................................................................................................ 36
5.2.6. Specificaties van de resultaten ............................................................................................... 37
5.3. Sensitiviteitsanalyse .................................................................................................................. 38
5.3.1. Fixed effects zonder controle groep.................................................................................. 38
5.3.2. Generalized estimating equation ...................................................................................... 39
6. Discussie .................................................................................................................................... 41
Bibliografie ............................................................................................................................................ VII
Appendix ............................................................................................................................................... XIII
IV
Lijst van de tabellen
Tabel 1 - Descriptieve statistieken van de gehele sample (2005)……………………………..……………………….22
Tabel 2 - Correlatiematrix………………………………………………………………………………………………………………...23
Tabel 3 - Regressies met handelsvordering als afhankelijke variabele………………………………………………..24
Tabel 4 - Regressies met handelsschulden als afhankelijke variabele……………………………………….………..25
Tabel 5 - Regressies met EBIT als afhankelijke variabele…………………………………………………………………….26
Tabel 6 - Regressies met liquiditeit als afhankelijke variabele…………………………………………………………….27
Tabel 7 - Regressies met cash, vorderingen en schulden als afhankelijke variabele…………………………….28
Tabel 8 – Regressies verschillende gevallen handelsvorderingen en handelsschulden met liquiditeit,
cash, vorderingen en schulden als afhankelijke variabele………………….……………………………………………….30
Tabel 9 - Regressies met schuldratio als afhankelijke variabele………………………………………………………….31
Tabel 10 – Regressie met schuldratio en handelsschuld als afhankelijke variabele, weinig tegen veel
handelsschulden…………………………………….…………………………………………………………………………………………32
Tabel 11 - Fixed Effects, jaar en bedrijf FE korte tegen middellange tegen lange periode handelskrediet
alle variabelen als afhankelijke variabele…………………………………………………………………………………..………34
Tabel 12 - Fixed Effects, jaar en bedrijf FE korte tegen middellange tegen lange periode investeringen
en totale activa als afhankelijke variabele………………………………………………………………………………………….35
Tabel 13 - Fixed Effects, jaar en bedrijf FE kleine tegenover grote bedrijven alle variabelen als
afhankelijke variabele……………………………………………………………………………………………………………………….37
Tabel 14 - Fixed Effects regressie, enkel Frankrijk alle variabelen als afhankelijke variabele…….……….38
Tabel 15 - Fixed Effects regressie, enkel België alle variabelen als afhankelijke variabele……………………39
Tabel 16 - GEE regressie, jaar dummy alle variabelen als afhankelijke variabele…………………………………40
V
Lijst van de figuren
Figuur 1 - Evolutie mediaan aantal dagen handelskrediet…………………………………………………………………….1
Figuur 2.a - Evolutie mediaan handelsvorderingen/omzet……………………………………………………..………….16
Figuur 2.b - Evolutie mediaan handelsvorderingen/omzet…………………………………………………………………17
Figuur 3.a - Evolutie mediaan leverancierskrediet/omzet………………………………………………………………….18
Figuur 3.b - Evolutie mediaan leverancierskrediet/omzet………………………………………………………………….18
VI
Lijst van de appendices
Appendix 1 - Sectoren en hun vertegenwoordiging in de behandelde groep (data 2005)………..………XIII
Appendix 2 - Descriptieve statistieken relevante strata (100)………………………………………………………….XIV
Appendix 3 - Fixed effects, bedrijf en jaar FE van de extra variabelen als afhankelijke variabele….…..XV
Appendix 4 - Fixed effects, jaar en bedrijf FE alle (afhankelijke) variabelen met extra controlevariabelen
………………………………………………………………………………………………………………………………..………………………XVI
Appendix 5 - Descriptieve statistieken alle variabelen……………………………………………..………………………XVII
1
1. Inleiding
Bedrijven hebben financiële middelen nodig om optimaal te functioneren. Deze noodzakelijke
middelen kunnen op verscheidene manieren door de onderneming bekomen worden. In deze studie
wordt het handelskrediet onder de loep genomen. Deze vorm van financiering is een vaak
onderschatte, maar zeer belangrijke financieringsvorm. Het doel van deze studie is het bestuderen van
de reële en financiële effecten van een restrictie op de duur van een handelskrediet. Er wordt getracht
een antwoord te geven op de vraag of een restrictie van het handelskrediet zinvol is. Dit zal gebeuren
aan de hand van een wetswijziging in Frankrijk, waar in 2009 een restrictie op de duur van het
handelskrediet werd ingevoerd. Dit biedt de ideale mogelijkheid om te onderzoeken wat de gevolgen
zijn voor onder andere de winst, liquiditeit en schuldgraad. De veranderingen worden vergeleken met
veranderingen die in dezelfde periode optraden in België. Door gebruik te maken van deze
controlegroep zien we enerzijds de specifieke effecten van de wetgeving en anderzijds hebben we dan
ook een vergelijkingspunt dat niet onderhevig is aan de wijziging. Op deze manier isoleren we de
onderhevige bedrijven en kunnen we zeer nauwkeurig het effect hiervan bekijken. In figuur 1, waar de
zwarte lijn staat voor de intreding van de wetgeving, zien we al direct hoe Frankrijk een daling kent
van ongeveer 5 dagen en zich zo aanpast aan de wetgeving. Dit terwijl er in België een kleine stijging,
van ongeveer 1 dag, plaatsvindt in dezelfde periode. We merken dat voor de wetswijziging beide
landen dezelfde veranderingen kenden alsook na het eerste jaar van de wetsverandering evolueren
beide medianen wederom in dezelfde richting. Deze figuur toont dat Frankrijk en België prewetgeving
medianen kennen die relatief ver uit elkaar liggen. Voor de situatie postwetgeving is het anders, hier
loopt de mediaan van het aantal dagen handelskrediet meer gelijk. Dit toont aan dat de wetgeving een
voelbare impact heeft op het handelskrediet en dat verder en specifiek onderzoek een meerwaarde
kan bieden.
Figuur 1 - Evolutie mediaan aantal dagen handelskrediet
2
In deze thesis wordt er een daling van zowel de handelsvorderingen als handelsschulden aangetoond.
Er is een afname voor zowel de Franse als voor de Belgische bedrijven vastgesteld, deze daling is veel
groter in Frankrijk. Voor handelsvorderingen heeft verder onderzoek bij Franse bedrijven aangetoond
dat deze daling groter zal zijn in twee gevallen. Ten eerste indien een bedrijf groter is, dan zal deze ook
een sterkere daling kennen van de handelsvorderingen. Dit bevestigt ons vermoeden dat de impact
groter zal zijn voor omvangrijkere bedrijven. In een tweede geval vinden we dat deze
handelsvorderingen meer afnemen indien het bedrijf voor een groter aantal dagen klantenkrediet
heeft openstaan. Een logisch gevolg gezien de wetgeving vooral de bedrijven wil aanpakken die te lang
wachten met betalen.
Daarnaast zien we dat er door de wetgeving een daling is van de winst. Ook hier doet de wetgeving
dus wat er verwacht werd. Voor de winst werden dezelfde testen uitgevoerd als voor de
handelsvorderingen. Zo zien we dat grotere bedrijven een significante daling kennen van de winst
terwijl er voor kleinere bedrijven geen merkbare invloed is door de wetgeving. Ten tweede zien we dat
bedrijven met een hoog aantal dagen klantenkrediet een grotere daling kennen dan bedrijven met een
lager aantal dagen klantenkrediet. Een derde groep met zeer weinig dagen klantenkrediet kent zelf
geen daling van de winst.
Met betrekking tot de liquiditeit zien we over het algemeen geen significante veranderingen. Bij verder
onderzoek werden bedrijven zowel voor handelsschulden als voor handelsvorderingen ingedeeld in
veel of weinig. Hier werden drie scenario’s onderzocht. Ten eerste veel handelsvorderingen en weinig
handelsschulden. Ten tweede weinig handelsvorderingen en veel handelsschulden. Ten derde veel
handelsvorderingen en veel handelsschulden. In geen van deze gevallen was er een verandering van
liquiditeit maar wel een verandering van de belangrijkste componenten (handelsschulden,
handelsvorderingen en cash). Hiervoor worden mogelijke verklaringen gezocht in het stuk over
liquiditeit.
Tenslotte zien we dat de schuldratio onveranderd blijft. Ook in verder onderzoek nemen we waar dat
hoewel er een daling is van de handelsschulden, dit geen gevolgen heeft voor de schuldratio.
De wetgeving heeft dus zeker enkele merkbare gevolgen, zo zullen kleinere bedrijven meer positieve
effecten ervaren van deze wetgeving dan grote bedrijven. Ook gaan bedrijven die reeds tijdig betalen
geen hinder ondervinden van de wetgeving en zo zelf hun concurrentiepositie kunnen verbeteren.
In wat volgt wordt een overzicht gegeven van de reeds bestaande literatuur met betrekking tot
handelskrediet. Allereerst wordt dit concept gedefinieerd, waarna een aantal theorieën omtrent de
rol van deze financieringsvorm worden uitgelicht. Daarna wordt dieper ingegaan op de gebruikte data
en de gehanteerde onderzoeksmethode. Tot slot bekijken we de bekomen resultaten gevolgd door
een kritische reflectie op deze studie.
3
1.1. Handelskrediet: een definitie
Handelskrediet kan gedefinieerd worden als een kredietvorm waarbij de verkoper geen onmiddellijke
betaling eist voor het leveren van goederen of diensten (García-Teruel en Martínez-Solano, 2010). Het
wordt beschouwd als een korte termijn passiva (leverancierskrediet/handelsschulden) indien het gaat
om handelskrediet verkregen van de leverancier of als een vlottende activa (handelsvordering)
wanneer het gaat om een handelskrediet toegestaan aan klanten. Dit is veruit de belangrijkste vorm
van een niet rechtstreekse betaling, andere zijn onder meer leasing contracten en nabetaling van het
loon (Burkart & Ellingsen, 2004). In 1987 was deze vorm van krediet reeds zeer belangrijk en goed voor
15% van de passiva van een niet-financiële onderneming. Dit loopt zelfs op tot 20% wanneer het om
kleinere ondernemingen gaat (Elliehausen & Wolken, 1993). Eind 1992 was dit zelfs 26% bij niet-
financiële Nasdaq ondernemingen (Mian & Smith, 1994). Bij niet-financiële ondernemingen uit de VS
is het aandeel van handelsschulden op de balans drie maal zo hoog als bankleningen en vijftien maal
zo hoog als commercial papers (Barrot, 2013). Tot slot moet rekening gehouden worden met het feit
dat handelskrediet nutteloos is in een wereld zonder fricties. De kredieten zouden dan even goed bij
de banken kunnen gehaald worden onder dezelfde voorwaarden, terwijl de financiële gevolgen
hetzelfde blijven voor beide partijen. Een restrictie van het handelskrediet wordt dan volledig
gecompenseerd door een daling van de prijzen en heeft geen reële impact op het bedrijfsbeleid
(Barrot, 2013).
2. Literatuurstudie
Dit deel geeft een overzicht van de reeds bestaande literatuur met betrekking tot handelskrediet. In
een eerste hoofdstuk wordt een definitie van handelskrediet gegeven. Een volgende hoofdstuk gaat
dieper in op verschillende theorieën met betrekking tot handelskrediet. Een laatste hoofdstuk biedt
meer informatie met betrekking tot de wetgevingen en wetsveranderingen die van toepassing zijn op
deze studie.
2.1. Theorieën van het handelskrediet
In dit deel zullen de verschillende theorieën met betrekking tot het handelskrediet besproken worden.
Om een volledig overzicht te kunnen geven zal zowel ingegaan worden op de theorieën die gaan over
handelsvordering (het krediet gegeven door de bedrijven) als op leverancierskrediet (het krediet
verkregen bij hun leveranciers). In deze thesis wordt, net als bij Petersen & Rajan (1997), een
onderscheid gemaakt tussen verschillende soorten theorieën. Dit hoofdstuk moet meer inzicht bieden
in waarom bedrijven handelskrediet zouden willen gebruiken als financieel middel.
4
2.2.1. Financieringsvoordelen van handelskrediet
Leveranciers kunnen voordelen hebben ten opzichte van de traditionele banken. Ze zijn beter geplaatst
om de kredietwaardigheid van hun kopers te onderzoeken, alsook om de betalingen beter te
monitoren. Indien het slecht gaat hebben ze meer macht om geld te eisen van hun schuldenaren. Dit
kan ervoor zorgen dat ze een kostenvoordeel hebben in vergelijking met financiële instituten bij het
aanbieden van een handelskrediet. Hieronder zullen we de verschillende kostenvoordelen bestuderen.
2.2.1.1. Voordeel bij het verwerven van informatie
Een groot voordeel van het handelskrediet is de nauwe samenwerking tussen de twee betrokken
bedrijven. Zo kunnen aanbieders, beter dan gespecialiseerde financiële instellingen, de kredietrisico’s
controleren en evalueren aan de hand van eerdere samenwerkingen. In tegenstelling tot banken die
extra kosten maken willen ze de kredietwaardigheid van de onderneming controleren, moeten
bedrijven deze kosten niet maken. Zo stellen Petersen en Rajan (1997) dat de aanbieders van goederen
al meerdere malen in contact zijn gekomen met hun vragers en daar reeds de nodige informatie
hebben kunnen verzamelen. Ze zullen bijvoorbeeld al kunnen waarnemen of een bedrijf de
mogelijkheid heeft om de goederen, met korting voor contante betaling, direct te betalen of dat ze
daadwerkelijk beroep moeten doen op het leverancierskrediet. Dit kan al een beeld scheppen van de
liquiditeitspositie. Naast het goedkoper bekomen van deze informatie stellen Petersen en Rajan (1997)
en Smith (1987) ook dat dit een pak sneller kan gebeuren door de leveranciers.
Het grote voordeel volgens Burkart en Ellingsen (2004) is dat de onderneming de goederen levert en
daarbij een monitoring voordeel creëert, terwijl ze handel voeren verkrijgen ze informatie die anders
enkel tegen een bepaalde kost zou te verkrijgen zijn. Hun theorie is enkel van toepassing op transacties
met goederen (en dus geen geldtransacties) omdat ze daar namelijk hun voordeel uit halen. De waarde
van het monitoring voordeel komt namelijk uit dit cruciale verschil tussen goederen en geld. De
geleverde goederen zijn deels illiquide samen met de uitgespaarde monitoring kosten zorgt dit voor
een goede bestaansreden van handelsvorderingen.
2.2.1.2. Machtsvoordeel op de koper
Indien de goederen niet betaald worden binnen de afgesproken betalingstermijn, kan de aanbieder er
eveneens mee dreigen niet meer te leveren (Petersen & Rajan, 1997). Deze dreigingen zullen zeer
effectief zijn mits de afnemer van de goederen weet dat hij slechts voor een klein percentage van de
totale inkomsten zorgt bij zijn leverancier. Deze dreigingen hebben meer effect dan de dreiging van
5
een bank die geen krediet meer wil verlenen, omdat bedrijven de goederen echt nodig hebben. Banken
hebben het nadeel dat de wetgeving omtrent faillissementen ervoor kan zorgen dat ze hun geleende
bedrag niet (volledig) terugzien en minder druk kunnen uitoefenen om dat bedrag terug te verwerven.
2.2.1.3. Waarde halen uit bestaande activa
De aanbieders hebben het voordeel dat, indien er zich een faillissement opdringt bij de vrager, zij nog
steeds beroep kunnen doen op de geleverde goederen om deze aan andere bedrijven te verkopen
(Longhofer & Santos, 2003). De inputgoederen zijn tot op een zeker niveau illiquide omdat niet
iedereen deze zomaar kan gebruiken of nodig heeft. Deze blijven vooral voor de aanbieder van grote
waarde en zullen in geval van faillissement doorverkocht worden aan andere vragers en dit zonder een
al te groot waardeverlies. Dit kan bij aanbieders voor een grotere zekerheid zorgen omtrent de
afbetaling dewelke het handelskrediet kan faciliteren (Burkart & Ellingsen, 2004). Petersen en Rajan
(1997) stellen dat het soort goed hier van groot belang is, vooral duurzame goederen en goederen die
nog geen transformatie hebben ondergaan blijven van grote waarde. Het is net doordat leveranciers
de mogelijkheid hebben om goederen snel en voor een goede prijs door te verkopen dat ze een groot
voordeel hebben ten opzichte van de banken. Deze hebben hogere kosten en zouden minder winst
maken bij de verkoop van de goederen.
Zoals reeds vermeld zullen bedrijven, wanneer er zich een faillissement voordoet, nog trachten hun
goederen te recupereren en alsnog opnieuw te verkopen (Longhofer & Santos, 2003). Frank en
Maksimovic (1998) breiden dit uit, zij tonen aan dat handelskrediet afhankelijk zal zijn van de waarde
van de goederen die in onderpand kunnen genomen worden bij terugname. Ook toont de studie van
Giannetti, Burkart en Ellingsen (2011) aan dat het handelskrediet verschilt naargelang het soort goed.
Wanneer het om een meer gedifferentieerd goed gaat, zal de aanbieder een hoger bedrag aan
handelsvorderingen bezitten. Gaat het om een standaard goed, dan zullen de handelsvorderingen
gemiddeld lager liggen. Dit komt omdat de aanbieders minder bevreesd zijn dat hun kopers zullen
veranderen van aanbieder. Hetzij doordat er een sterkere klantenrelatie is bij gedifferentieerde
producten, hetzij omdat de waarde van het product enkel bij deze klanten zo hoog ligt.
2.2.2. Prijsdiscriminatie door handelskrediet
Bedrijven die krediet verlenen aan klanten geven niet allemaal evenveel. Dit verschilt van onderneming
tot onderneming en verschillende klanten worden anders behandeld. Er zijn verscheidene factoren die
bijdragen tot de hoogte van het krediet bij klanten. Zo zullen bedrijven sneller krediet verlenen indien
6
het moeilijker is om een alternatieve aanbieder van hun goederen te vinden (McMillan en Woodruff,
1999). Als er reeds lang een handelsovereenkomst bestaat tussen beide partijen, verhoogt dit ook
significant de kans dat er een hoger handelskrediet verkregen kan worden. Daarnaast nemen de
kansen op handelskrediet toe als de aanbieder de vrager reeds grondig bestudeerd heeft. Verder
hebben McMillan en Woodruff (1999) ook aangetoond dat klanten, die geïdentificeerd worden via een
business netwerk, meer handelskrediet zullen kunnen verkrijgen. Deze positieve netwerkeffecten zijn
blijvend, aangezien netwerken klanten die in gebreke blijven uitsluiten. Klapper, Laeven en Rajan
(2011) en Niskanen en Niskanen (2006) stellen vast dat de grootste en meest kredietwaardige kopers
vaak kredieten met een lange looptijd krijgen, terwijl korting voor een vroege betaling eerder wordt
aangeboden aan minder kredietwaardige kopers.
2.2.3. Voordeel van de transactiekosten
Een toename in de handelsvorderingen zorgt ervoor dat de netto kapitaalbehoefte stijgt, alsook dat
de kosten voor het beheren van de rekening handelsvorderingen zullen stijgen. Beiden zijn nefast voor
de waarde van de onderneming. Een progressief beleid van de handelsvorderingen gecombineerd met
een goed portfoliomanagement van de openstaande vorderingen kunnen bijdragen tot het beter
functioneren van de onderneming en een daling van de transactiekosten, wat dan weer een positieve
invloed heeft op de waarde van een onderneming (Michalski, 2007). Een voorbeeld hiervan vinden we
bij Petersen en Rajan (1997) die stellen dat het werken met handelskrediet lagere kosten in verband
met betalingen kan bevorderen als men beslist om periodisch alles ineens te betalen.
2.2.4. Financiële en commerciële motieven
Bedrijven die eenvoudige toegang hebben tot de kredietmarkt kunnen van deze positie gebruik maken.
Zo kunnen ze optreden als financieel intermediair voor bedrijven met een beperktere toegang tot de
kredietmarkt (Demirgüç-Kunt & Maksimovic, 2001). Onder de vorm van handelskrediet zal het voor
hen mogelijk zijn om andere bedrijven financiële mogelijkheden te verschaffen. Dit is de basis voor de
theorieën waar we hieronder verder op ingaan. Deze motieven worden samen behandeld omdat het
financiële en commerciële aspect voor sommige beslissingen hand in hand gaan.
2.2.4.1. Handelskrediet als investering
Emery (1984) ziet het handelskrediet als een puur financiële investering. Hij stelt dat indien men
handelskrediet kan verlenen tegen een interest hoger dan de marktinterest, men handelskrediet kan
gebruiken als investering. Dit kan voor bedrijven met veel overtollige kasmiddelen dus een prima
7
investering zijn met een goede rentevoet. Er is hier zodoende een dubbele winst voor het bedrijf,
aangezien klanten dit ook zullen appreciëren. Deze hoge interesten zijn volgens Cunat (2007) mogelijk
om volgende twee redenen. Allereerst is er een verzekeringspremie. Deze premie bestaat doordat
aanbieders weten dat het mogelijk is dat ze hun klanten in de toekomst financieel zullen moeten
ondersteunen. Bijgevolg vragen ze een extra premie om hen te verzekeren tegen liquiditeitsschokken.
Ten tweede is er een extra premie, omdat ze hun klanten tegemoet komen terwijl banken dit niet
doen. Aanbieders willen zichzelf verzekeren tegen het risico dat zij nemen. Er moeten hierbij wel een
aantal kanttekeningen gemaakt worden. Zo is er vaak niet de mogelijkheid om oneindig veel krediet te
geven omwille van de beperkte financiële middelen van een onderneming (Blazenko & Vandezande,
2003). Verder heeft ook de bank een grote invloed. Wanneer de bank zijn voorwaarden strenger
maakt, zullen meer bedrijven een beroep proberen te doen op handelskrediet. Dit wil ook zeggen dat
wanneer banken hun voorwaarden versoepelen er minder mensen nood zullen hebben aan
handelskrediet (Meltzer, 1960).
2.2.4.2. Handelskrediet uit noodzaak
Handelskrediet kan voor toegang tot kapitaal zorgen bij bedrijven die het kapitaal niet via traditionele
kanalen kunnen verhogen. Uit voorgaande studies van Petersen en Rajan (1994, 1995) bleek dat
bedrijven, die niet of gelimiteerd aan bankkrediet kunnen komen, meer vertrouwen op handelskrediet.
Handelskrediet kan er zodoende voor zorgen dat bedrijven met een mindere toegang tot externe
financiering, toch extra financiering kunnen aantrekken door te handelen met bedrijven die een goede
toegang tot externe financiering hebben (Petersen & Rajan, 1997; Demirgüç-Kunt & Maksimovic,
2001). Vaak hebben kleinere ondernemingen het moeilijker om aan voldoende kapitaal te geraken.
Bijgevolg zal het aanbieden van een leverancierskrediet zorgen dat bedrijven met veel kapitaal meer
kleinere spelers, die nood hebben aan handelskrediet, aantrekken. Indien de aanbieder van
handelskrediet een kleinere speler is met beperkte kapitaaltoegang en deze tegenover een grote koper
met aanzienlijk kapitaal die later betaald staat, dan zal dit een negatief effect hebben op de aanbieder
die dit zal moeten compenseren met bezuinigingen van belangrijke uitgaven (Murfin & Njoroge, 2013).
Zo toonden Murfin en Njoroge (2013) aan dat indien Wal-Mart een maand later zou betalen, diens
leveranciers een kapitaaluitgavedaling zouden kennen van 1.2%. Als grote bedrijven gebruik maken
van hun machtspositie kan dit er dus voor zorgen dat investeringen van kleinere bedrijven worden
uitgesteld.
8
Vanuit het standpunt van de klanten is de interest voor een leverancierskrediet doorgaans hoger dan
de interest die men betaalt op een lening bij een bank. Aangezien echter niet iedereen een banklening
kan verkrijgen doen sommigen een beroep op leverancierskrediet. Wilner (2000) toont aan dat
kleinere bedrijven handelskrediet verkiezen boven vroeg betaalkorting en dat ze bereid zijn een hogere
interest te betalen voor het handelskrediet. Voor een vroeg betaalkorting wordt vaak 1 à 2% gegeven
voor een betaling binnen de 10 dagen op een termijn van 30 à 60 dagen (Small Business Taxes &
Management, 2011). Volgens Wilner (2000) kan handelskrediet de kaap van 18% (op jaarbasis)
overschrijden. Dit wil dus zeggen dat bedrijven vaak tot 3% per maand meer betalen door goederen
pas later te betalen. Financieel minder stabiele ondernemingen die reeds een lange relatie hebben
met hun aanbieder zullen langere perioden handelskrediet vragen (Wilner, 2000). Daarnaast heeft het
gebruik maken van leverancierskrediet verschillende voordelen. Volgens Huyghebaert, Van de Gucht
en Van Hulle (2007) zijn leveranciers toegeeflijker bij het heronderhandelen van het krediet. Deze zijn
er namelijk, met het oog op een verdere samenwerking, bij geholpen dat er een volledige betaling
gebeurt. Banken daarentegen zullen, indien men in gebreke blijft, sneller overgaan tot het liquideren
van de activa om zo een terugbetaling te eisen.
2.2.4.3. Optimale hoeveelheid handelskrediet en groei
Bedrijven bepalen het niveau van handelskrediet door een model op te stellen die de winst
maximaliseert aan de hand van de prijs, output volume en verkoopkosten (Nadiri,1969). Ook Garcia-
Teruel en Martinez-Solano (2010) stellen vast dat bedrijven een optimaal niveau van
leverancierskrediet nastreven. Naast het feit dat bedrijven dit optimale punt nastreven toont hun
studie eveneens dat bedrijven die grotere groeikansen hebben, en deze willen benutten, meer gebruik
zullen maken van handelskrediet. In landen met een zwakker financieel stelsel en waar het moeilijker
is om aan een lening te geraken zullen, zo stellen Fisman en Love (2003), industrieën die een hogere
graad van afhankelijkheid vertonen met handelskrediet sneller groeien dan de industrieën waar dit
niet het geval is. Deze studie toont aan dat het gebruik maken van handelskrediet positieve
commerciële gevolgen kan hebben en zo de groei stimuleert (Fisman & Love, 2003).
2.2.4.4. Strategische beslissing voor extra klanten
Het goed beheren van een handelskredietstructuur kan niet enkel op financieel vlak voordelen bieden.
Handelskredietbeheer kan ook een strategische meerwaarde bieden (Delannay, 2002), zeker bij grote
bedrijven kan dit een merkbare impact hebben. Zo kan het verhogen van het aangeboden
handelskrediet voor kleine bedrijven, die niet altijd via banken aan financiële middelen raken, een
9
grote incentive zijn om een bepaalde leverancier te selecteren (Boissay & Gropp, 2007).
Handelskrediet wordt gegeven om bedrijven aan zich vast te koppelen. Deze extra service creëert een
band tussen de kredietgever en de kredietnemer en is zodoende een goede basis voor een langdurige
samenwerking.
Bedrijven hebben er eveneens belang bij om een duurzame relatie aan te gaan met hun klanten. Een
langdurige relatie zorgt namelijk voor een blijvende instroom aan geld. Zo zullen aanbieders een extra
inspanning doen om hun klanten in moeilijkheden financieel te helpen. Dit omdat er al investeringen
kunnen gemaakt zijn die zouden verloren gaan indien de samenwerking stopt. Anderzijds wordt het
verlenen van extra krediet gemotiveerd door een verwachting van toekomstige opbrengsten door het
behoud van de klantenrelatie (Delannay & Weill, 2004). Mateut (2005) toont dat handelskrediet voor
beide partijen voordelen heeft. Dit doordat de risico’s lager liggen dan bij een banklening. Zeker in
perioden met financiële beperkingen kan daarom handelskrediet een belangrijke rol spelen.
2.2.4.5. Handelskrediet en kwaliteitsperceptie
Long, Malitz en Ravid (1993) stellen dat de lengte van het handelskrediet zal afhangen van de kwaliteit
van de goederen. Vooreerst zullen verschillende goederen verschillende termijnen hebben om de
kwaliteit vast te leggen. Producten waarvoor een langere tijd nodig is om de kwaliteit vast te leggen
zullen gepaard gaan met een langere termijn aan handelskrediet. Verder stellen Long et al (1993) vast
dat producenten die overtuigd zijn dat ze een product/dienst van goede kwaliteit afleveren makkelijker
een handelskrediet over langere termijn geven. Finaal stellen ze ook nog dat bedrijven die reeds een
goede reputatie hebben minder krediet zullen moeten verstrekken dan hun minder gekende
concurrenten. Het verstrekken van handelskrediet heeft ook een positieve invloed op de kwaliteit van
de goederen. Omdat deze pas achteraf betaald worden zullen ze zeker aan de gewenste eisen van de
koper moeten voldoen (Petersen & Rajan, 1997).
2.2.5. Theorie van het kopieergedrag
Holmstrom en Tirole (1997) tonen aan dat iedere maatregel die het vrije kapitaalaandeel kleiner
maakt, een aanzienlijke invloed zal hebben op financieel beperkte bedrijven. Deze maatregelen tasten
vaak de liquiditeitszekerheid en de mogelijkheid tot investeringen aan. Indien bedrijven een tekort aan
cash ervaren, zullen ze dit vaak terughalen door hun handelsvorderingen te verminderen. Wanneer ze
een overschot ervaren, zal er geen significant effect zijn op het aantal toegestane handelsvorderingen
(Deloof en Jegers, 1996). Uit de studie van Fabbri en Klapper (2008) blijkt dat bedrijven vaak kopiëren,
10
dit wil zeggen dat een bedrijf, dewelke van zijn aanbieder een lange periode handelskrediet krijgt, vaak
aan zijn klanten voor een lange periode handelskrediet verstrekt. Indien deze vroeg betaald wordt
door hun klanten, zullen ze ook geneigd zijn hun schulden sneller te betalen bij hun aanbieders. Dit
kan zeer belangrijke gevolgen hebben. Wanneer er iets verandert in de maximale duurtijd van het
handelskrediet zou dit een kettingreactie kunnen teweeg brengen, waardoor de impact van een
verandering versterkt wordt. Onderzoek van Boissay en Gropp (2007) bij Franse bedrijven heeft
aangetoond dat ongeveer 25% van de liquiditeitsproblemen die veroorzaakt werden door een plotse
liquiditeitsschok, worden doorgeschoven naar de aanbieders. Deze kettingreactie loopt door tot het
liquiditeitsprobleem een bedrijf bereikt met veel kapitaal en toegang tot kapitaalmarkten. Jacobson
en Von Schedvin (2013) hebben van deze reactie de gevolgen op faillissementen onderzocht. In hun
studie vinden ze dat bedrijven die grote handelskrediet verliezen lijden een groter risico op
faillissement kennen. Op deze manier kan dit doorschuiven van handelskredietproblemen voor een
kettingreactie aan faillissementen zorgen.
2.2.6. Handelskrediet als een ‘relastionship-specific investment’
Dass, Kale en Nanda (2011) bekijken handelskrediet als een ‘relationship-specific investment (RSI)’ dit
in tegenstelling tot vele andere studies waar de voornaamste gedachtegang een alternatieve vorm van
krediet is voor de vragers van het product. De auteurs stellen duidelijk dat deze twee visies elkaar niet
hoeven uit te sluiten. In hun studie geven ze twee factoren die invloed hebben op de hoogte en de
lengte van de handelsvorderingen (Dass, Kale & Nanda, 2011). Ten eerste stijgen de
handelsvorderingen als het bedrijf dat boven hen staat in de productieketen hen ook meer krediet
verleent of voor een langere tijd krediet verleent. Ten tweede stellen ze dat de hoogte van de
handelsvorderingen zal dalen indien ze als aanbieder een grotere onderhandelingsmacht hebben. Dit
komt omdat in tegenstelling tot bedrijven met weinig onderhandelingsmacht deze bedrijven hun
klanten zullen behouden en daarom geen extra relatie specifieke investeringen, zoals een langere
periode handelskrediet, moeten doen. Deze twee factoren worden bevestigd door hun studie op
beursgenoteerde bedrijven in de V.S (Dass, Kale & Nanda, 2011). Deze tweede factor werd ook door
onderzoek van Fisman en Raturi (2004) bevestigd. In hun empirische studie vonden ze een negatieve
relatie tussen monopoliemacht en de lengte van de gegeven handelsvorderingstermijn. Bedrijven met
veel macht zullen bijgevolg een lagere rekening handelsvorderingen hebben dan vergelijkbare
bedrijven met dezelfde financiële statistieken, maar met minder macht. Cunat (2007) breidt uit; zodra
er relatiespecifieke investeringen zijn gedaan, hebben klanten een kleinere incentive om in gebreke te
blijven bij de aanbieders dan bij de bank. Dit omdat ze de aanbieders nodig hebben voor de toelevering
van hun goederen en omdat ze vaak meer krediet kunnen verkrijgen via het leverancierskrediet dan
11
via de bank. Dit voordeel voor de klanten gaat gepaard met een voordeel voor de leveranciers; deze
hebben een grotere incentive om te lenen aan klanten die tijdelijk in financiële moeilijkheden zitten.
Zo kunnen ze de continuïteit van de samenwerking garanderen. Van Horen (2007) vult nog aan dat
deze relatie sterker zal zijn in landen waar de financiële sector minder goed ontwikkeld is of landen die
berusten op een zwakker rechtssysteem.
2.3. Restricties op het handelskrediet in Frankrijk & België
In Frankrijk werd, omwille van de nadelen die met handelskredieten gepaard gaan, beslist om een wet
in te voeren die een beperking oplegt aan het handelskrediet. Het invoeren van deze wetgeving heeft
volgens het Franse parlement vier belangrijke componenten (Cochard, 2008). Ten eerste het
stimuleren van ondernemers in hun taak om ondernemingen in goede banen te leiden. Ten tweede de
concurrentie bevorderen door mensen meer op gelijke voet te laten strijden. Ten derde het
aantrekkelijker maken van de sectoren om zo eventueel nieuwe spelers aan te trekken. En als vierde
punt willen ze graag de economie stimuleren op financieel vlak. In de studie van Jacobson en Von
Schedvin (2013) vinden we een argument waarom minder dagen handelskrediet beter is. Zij
onderzochten namelijk dat bedrijven, die hun handelsvorderingen niet tijdig of volledig terugbetaald
krijgen, een groter risico op faillissement kennen. Alsook dat dit effect zich voortplant naar andere
bedrijven waardoor er een kettingreactie aan faillissementen kan ontstaan.
2.3.1. Specifieke wet van 2006 in Frankrijk
Hoewel het oorspronkelijk de bedoeling was om de wet in verschillende sectoren in te voeren, werd
deze initieel enkel opgelegd aan de transportsector (Barrot, 2013). Deze wet werd opgelegd aan slechts
een deel van de Franse transport bedrijven en stelt dat er vanaf 1 januari 2006 een maximumtermijn
van 30 dagen is voor het handelskrediet. Indien bedrijven en hun klanten toch een langere termijn dan
30 dagen aangaan, zal een boete opgelegd worden van €75,000. De controle op deze inbreuk is dubbel.
Enerzijds zal de Franse competitieadministratie occasionele controles doen en anderzijds zijn de
auditors verantwoordelijk voor het aangeven van contracten die de 30-dagenregel overschrijden. 92%
van de bedrijven die onder de wetgeving vallen zijn bedrijven die transporteren via vrachtwagens.
Ondanks dat de voorgestelde wet deel was van een groter pakket aan wetgevingen voor alle
transportbedrijven, is diegene die van toepassing was op het vrachtwagentransport de enige die van
kracht werd in 2006. Deze wetswijziging kan gebruikt worden om de effecten van een restrictie op het
handelskrediet te meten. Barrot (2013) onderzoekt de effecten van een restrictie op het
handelskrediet door te kijken naar de gevolgen van deze wetswijziging in de transportsector. Uit zijn
12
studie blijkt dat de gemiddelde winst die een bedrijf maakt gedaald is na de invoering van de restrictie,
vooral bij grotere bedrijven. Daarnaast is het aantal bedrijven dat actief is in de sector toegenomen.
Verder toont Barrot (2013) aan dat het aantal dubieuze debiteuren daalt. Het nadeel van het gebruiken
van deze wetswijziging om het effect van een restrictie op het handelskrediet te meten, is dat naast
het vrachtverkeer geen andere vormen van transport onderhevig zijn aan een wetswijziging in 2006.
Daarnaast is het transport slechts één sector binnen de economie, waardoor niet met zekerheid kan
gezegd worden of de effecten dezelfde zullen zijn voor andere sectoren. Ook zitten we hier met het
feit dat de controlegroep niet identiek is, deze behoort namelijk niet tot dezelfde sector wat een
vertekening met zich zou kunnen meebrengen. In het onderzoek in deze paper wordt hier wel rekening
mee gehouden en zijn zowel de behandelde als de controlegroep groepen die tot dezelfde sectoren
behoren.
2.3.2. Algemene wet van 2008 in Frankrijk
De restrictie op handelskrediet in Frankrijk is sindsdien verder uitgebreid naar een groter aantal
bedrijven. In deze studie zal gebruik gemaakt worden van een voorstel voor wetswijziging dat een
invloed heeft op een groter aantal bedrijven. Er zal gebruik gemaakt worden van de wet ‘Loi de
modernisation de l’économie’. Deze wet is officieel getekend in ‘le journal officiel de la République
française’ op 4 augustus 2008 en is afgekondigd op 5 augustus 2008. Vanaf 1 januari 2009 werd deze
wetgeving van kracht (Cunin, 2009). In deze wet wordt in Frankrijk een restrictie op de maximale
termijn van het handelskrediet gelegd. Vanaf de ingangsdatum mag de netto termijn van het krediet
nog maximaal 60 dagen bedragen te beginnen bij de datum van uitgifte van de factuur of 45 dagen
einde maand. Deze ’45 dagen einde maand’ kan op twee manieren berekend worden. De eerste
manier is het einde van de maand waarin de factuur is uitgegeven en hierbij 45 dagen tellen. Via de
tweede manier bekom je de datum door eerst 45 dagen bij de dag van uitgifte te tellen, en dan de
laatste dag van de bij deze dag horende maand te nemen (CEDEF, 2014). De beperking van het
handelskrediet is slecht één van vele regels die opgenomen zijn in de ‘Loi de modernisation de
l’économie’. Een groot deel is gebaseerd op het vereenvoudigen van de verplichtingen voor kleinere
ondernemingen. Daarnaast wordt ook de periodes waarin solden kunnen gegeven worden veranderd
(Franse Overheid, 2008). In dit onderzoek worden enkel bedrijven met een totaal actief van meer dan
€100,000 gebruikt waardoor voornamelijk de beperking van het handelskrediet een invloed zal
hebben. Omwille van de eerder genoemde beperkingen van de studie van Barrot (2013), werd beslist
om de analyses opnieuw uit te voeren, ditmaal op basis van bedrijven uit verschillende sectoren en
aangevuld met nieuwe hypothesen. De nieuwe wetswijziging laat toe om het effect van een restrictie
op het handelskrediet in een bredere economische context te bestuderen. Deze studie kan daarom
gezien worden als een uitbreiding op het onderzoek van Barrot (2013).
13
2.3.3. Wetgeving van toepassing in België
Hierna zijn in 2011 nog nieuwe richtlijnen ingevoerd op Europees niveau. Met richtlijn 2011/7/EU
tracht men het beleid om handelskrediet te harmoniseren. Het is de bedoeling dat tegen 16 maart
2013 alle bedrijven hun facturen betalen binnen de 60 dagen (Europese Commissie, 2014). Voor
Frankrijk heeft deze regelgeving geen grote gevolgen omdat dit reeds gereglementeerd is. Voor België
heeft dit meer vergaande gevolgen. Er is een nieuwe regelgeving gekomen conform aan de vereiste
die de Europese Unie heeft vooropgesteld. Op 22 november 2013 werd de wet van 2 augustus 2002
aangepast, zodanig dat de Belgische bedrijven ook binnen de 60 dagen betalen. Deze wet stelt dat
indien er geen betalingstermijn wordt afgesproken tussen twee partijen deze standaard op 30 dagen
wordt gezet. In specifieke gevallen en met onderling overleg kunnen termijnen worden afgesproken
die de termijn van 60 dagen overschrijden, waarbij de voorwaarden en de lengte van deze termijn niet
kennelijk onbillijk zijn. Deze wet is inwerking getreden met een terugwerkende kracht naar 16 maart
2013 (Belgische Overheid, 2013). Dit is ook de reden waarom deze studie eindigt in 2011, op deze
manier wordt een overlapping van de reglementering vermeden.
3. Hypotheses
Dit onderzoek heeft als doel de reële en financiële effecten van een wetswijziging inzake
handelskredieten in kaart te brengen. Om dit te bestuderen zullen vier hypotheses, die hieronder
beschreven staan, getest worden. Er zal worden gekeken naar het effect van restricties op het
handelskrediet op de winstgevendheid van een bedrijf. Een financieel gezonde sector draait echter
niet alleen om winstgevend zijn, er zal bijgevolg dieper ingegaan worden op hun cash- en schuldpositie.
Voor een eerste hypothese stellen we dat er een effectieve daling is van de handelsvorderingen en
handelsschulden. Doordat er een maximumtermijn wordt opgelegd zullen bedrijven die hierboven
zitten moeten inbinden op hun handelskrediet. We verwachten dan ook een daling te zien na het
invoeren van deze wetgeving.
H1: De wetgeving zal ervoor zorgen dat de handelsvorderingen en handelsschulden dalen
Een tweede hypothese stelt dat een restrictie van het handelskrediet zal leiden tot een daling van de
winst. Gezien vragers dikwijls meer waarde hechten aan leverancierskrediet dan aan korting bij directe
betaling (Barrot, 2013), zal door een restrictie van de handelsvorderingen de vraag dalen. Verwacht
wordt dat, zeker bij financieel sterke bedrijven die veel krediet verstrekken, dit een grote invloed zal
hebben. Aangezien kleinere bedrijven vaak minder financiële draagkracht hebben en minder krediet
verlenen zal dit voor hen een minder sterk effect hebben, dit zullen we ook controleren.
14
H2: Een restrictie van het handelskrediet zal leiden tot een daling van de winst.
H2b: Een winstdaling zal beter voelbaar zijn bij grote bedrijven.
Om te onderzoeken wat de effecten zijn van een restrictie van het handelskrediet, wordt eveneens
gekeken naar ratio’s die meer vertellen over de financiële gezondheid van een onderneming. Er wordt
bestudeerd wat dit doet met de liquiditeitspositie van de bedrijven. De handelsvorderingen zullen
dalen aan de actiefzijde, daarnaast zal de kasvoorraad stijgen doordat de handelsvorderingen sneller
afbetaald worden. Langs de passiefzijde zal het leverancierskrediet dalen. Er wordt verwacht dat de
liquiditeitspositie van de onderneming verbetert. Omdat de schulden zullen afnemen en dat, ondanks
een afnemende vlottende activa, er zich toch een compensatie opdringt door de stijgende
kasvoorraad. Zo zal de teller in de liquiditeit een kleinere daling kennen dan de noemer. Dit effect zal
vooral voor bedrijven die boven de grens zitten van het aantal dagen handelsvorderingen en aantal
dagen handelsschulden voelbaar zijn. Bedrijven die enkel voor handelsvorderingen boven de grens
zitten zullen een negatieve invloed kennen op de liquiditeit. Bedrijven die enkel voor handelsschulden
boven de grens zitten zullen de sterkste verbetering merken in liquiditeit. Voor meer informatie met
betrekking tot de liquiditeit wordt de lezer verwezen naar het volgende hoofdstuk dat meer informatie
biedt met betrekking tot deze variabelen.
H3: De restrictie van het handelskrediet zal een positief effect hebben op de liquiditeitsratio’s.
H3b: Bedrijven waarbij enkel de periode handelsvorderingen overtroffen werd zullen een
negatief effect ondervinden op hun liquiditeit.
H3c: Bedrijven waarbij enkel de periode handelsschulden overtroffen werd zullen een groter
positief effect ondervinden op hun liquiditeit.
Door de snellere instroom van geld, aangezien er nu een maximum betaalperiode is, en het kopieer
gedrag van bedrijven (Fabbri en Klapper, 2008) zullen bedrijven ook sneller hun leveranciers betalen.
Dit zal er voor zorgen dat de verhouding schulden lager zal liggen. Door geen laattijdige betalingen te
ontvangen, zullen er ook minder schulden moeten bewaard blijven of doorgeschoven worden naar
spelers hoger in de productieketen (Boissay en Gropp, 2007). Dit doet vermoeden dat de schulden
zullen dalen in het totaal aandeel van het vermogen en zo ook de bijhorende schuldratio. Bedrijven
met een groter aandeel handelsschulden (die de wet dus meer overtreden) zullen een grotere daling
kennen. Ook voor deze berekening wordt de lezer verwezen naar het volgende hoofdstuk.
H4: Na de restrictie van het handelskrediet zal de totale schuldenratio lager liggen.
H4b: De schuldenratio zal meer dalen bij bedrijven met een groot aandeel handelsschulden.
15
4. Data
In dit hoofdstuk zal meer informatie gegeven worden met betrekking tot de gebruikte data. In het
vorige stuk werd reeds besproken dat we ons baseren op de wetswijziging van 2009 in Frankrijk. Hierna
wordt dieper ingegaan op de gebruikte dataset en tot slot wordt een overzicht gegeven van de
gebruikte variabelen en de gebruikte methode.
4.1. Gegevensverzameling
De dataset voor dit onderzoek is afkomstig uit de Amadeus-databank. Deze databank bevat gegevens
voor alle bedrijven in Europa, waaronder ook België en Frankrijk, de twee landen die in dit onderzoek
zullen vergeleken worden. De gegevens die gebruikt worden, zijn gegevens van 2005 tot en met 2011.
Door 4 jaar voor de wetsverandering en 3 jaar na de wetsverandering op te nemen, kan duidelijk de
verandering in kaart gebracht worden. Er wordt gebruik gemaakt van accounting data, dewelke terug
te vinden zijn in de balansen en resultatenrekeningen van de bedrijven. Doordat de wet op
handelskredietrestricties van toepassing is op alle bedrijven kunnen de bedrijven vrij geselecteerd
worden. Vooreerst laten we financiële instellingen en de bedrijven met NACE Rev. 2 codes 4941, 5229
en 7490, omdat deze reeds beïnvloed zijn door de wetswijzigingen van 2006, vallen. Er wordt voor
gekozen om de financiële instellingen niet op te nemen, omdat deze een andere samenstelling hebben
dan de productiebedrijven. In deze sample wordt gekeken naar bedrijven die goederen produceren,
uitgezonderd de bedrijven die produceren voor de transportsector. Voor een volledige lijst met de
sectoren en hun Nace Rev. 2 code wordt de lezer verwezen naar appendix 1. Hierbij is het Bureau van
Dijk identificatie nummer genomen als identificatiecode om er voor te zorgen dat bedrijven niet
tweemaal aanwezig zijn in de dataset. Ook is het minimum van de totale activa vastgelegd op
€100,000. Dit om het aantal zeer kleine bedrijven te beperken. Dit heeft bovendien als voordeel dat
een grotere onderneming en dus een hogere omzet gepaard gaat met een nauwkeuriger te voeren
boekhoudbeleid, waardoor er meer data ter beschikking is. De sample die aan deze voorwaarden
voldoet en werd verkregen via de Amadeus-databank levert 28973 Franse bedrijven op en 2292
Belgische bedrijven. Deze twee groepen werden geselecteerd op basis van dezelfde criteria om de
gelijkenissen tussen de twee groepen te maximaliseren. Hierna werd een matching proces toegepast.
Dit verhoogt de gelijkenissen tussen de twee groepen en zorgt ervoor dat de data gereduceerd werden
tot ongeveer 22800 data per jaar. Het matching proces wordt van naderbij bekeken in het volgende
hoofdstuk.
16
Een eerste statistiek die bekeken werd, is de handelsvorderingen gedeeld door de omzet.
Onderstaande grafieken, die de mediaan van deze statistiek weergeeft, toont aan dat de wetswijziging
zeker voelbaar is in Frankrijk. Alsook dat de landen dezelfde trend volgen los van de wetswijziging. Er
is gekozen om een opsplitsing te maken tussen bedrijven die reeds meer dan 60 dagen (figuur 2.a)
handelsvorderingen (handelsvorderingen op ten hoogste één jaar/(verkopen/365)) hadden openstaan
en bedrijven die minder dan 60 dagen (figuur 2.b) hadden. Zo zien we een duidelijke daling bij de
bedrijven die meer dan 60 dagen hadden, deze daling bleef uit bij bedrijven die reeds aan de wetgeving
voldeden. Dit is belangrijk voor het verdere onderzoek. Vandaar de keuze om dit als eerste te bekijken,
nog voor de descriptieve statistieken. Ter verduidelijking staat een verticale lijn aangeduid. De
gegevens zijn altijd genomen op het einde van het jaar, waardoor de wetswijziging van start gaat direct
na 2008. De figuur toont dat terwijl de Belgische controle groep zich stabiliseert in het begin van 2009,
de door de Franse wetgeving beïnvloede groep blijft dalen.
Figuur 2.a - Evolutie mediaan handelsvorderingen/omzet
17
Figuur 2.b - Evolutie mediaan handelsvorderingen/omzet
Een tweede statistiek die ook bekeken werd voor het verdere onderzoek is de mediaan van het
leverancierskrediet gedeeld door de omzet. Voor deze verhouding is gekozen wegens onvoldoende
ingevulde data om het aantal dagen leverancierskrediet te berekenen. Bij de gebruikte data was de
post ‘kosten van verkochte goederen’ amper ingevuld waardoor deze onbruikbaar werd, het grote
nadeel dat dit met zich meebrengt is dat het aantal dagen leverancierskrediet niet exact te berekenen
valt. We gaan er van uit dat grotere ondernemingen meer kosten van verkochte goederen hebben, na
onderzoek werd dan gekozen om het leverancierskrediet te delen door de omzet. Dit heeft, tegenover
totale activa, het voordeel dat het hoger correleert. Daarnaast vergemakkelijkt het de vergelijking met
de handelsvorderingen omdat deze ook gedeeld worden door de omzet. Om dit te doen is ervoor
gekozen, rekening houdend met de verhouding bij aantal dagen handelsvorderingen, om de 60%
bedrijven met het grootste aandeel leverancierskrediet apart te bekijken (figuur 3.a). In figuur 3.b zien
we de 40% bedrijven met laagste aandeel leverancierskrediet. We zien in beide gevallen dat het
aandeel leverancierskrediet meer afneemt in Frankrijk dan in België. Daarnaast is ook nog duidelijk te
zien dat bedrijven met een groter aandeel handelskrediet een sterkere daling kennen na de wetgeving,
terwijl deze daling slechts gematigd is bij bedrijven met een lager aandeel handelskrediet.
18
Figuur 3.a - Evolutie mediaan leverancierskrediet/omzet
Figuur 3.b - Evolutie mediaan leverancierskrediet/omzet
19
4.2. Variabelen
4.2.1. Gebruikte variabelen per hypothese
Bij elk van onze hypothesen zal een andere afhankelijke variabele gebruikt worden.
Voor de 1ste hypothese wordt gekeken naar de handelsvorderingen en het leverancierskrediet dit
gedeeld door de omzet. Door deze beiden te delen door de omzet wordt de vergelijkbaarheid groter
tussen de twee alsook tussen bedrijven onderling.
Voor hypothese 2 wordt gekeken naar de Earnings Before Interest and Taxes (EBIT). Dit om de
verschillen in taxatievoeten uit te schakelen in tegenstelling tot de nettowinst die dit niet doet. Deze
zal geschaald worden met de totale activa om het verschil in grootte van bedrijven te neutraliseren.
Voor de 3de hypothese wordt zelf een liquiditeitsratio berekend. We trekken de vlottende passiva af
van de vlottende activa en dit wordt gedeeld door de totale activa. Een positief effect wordt
omschreven als een stijging, omdat dit weergeeft dat een bedrijf een grotere veiligheidsmarge heeft
en dit wordt gezien als een versterkte potentiële liquiditeitstoestand.
Voor de 4de hypothese wordt een schuldenratio berekend. Hiervoor baseren we ons op de methode
zoals in Ooghe en Wymeersch (2008). De algemene schuldgraad wordt berekend als percentage, door
het vreemd vermogen te delen door het totaal actief. Deze ratio duidt aan welk procentueel deel van
het totaal actief uit vreemd vermogen bestaat. De veronderstelling dat de totale schuldenratio lager
zal liggen zou een positief gevolg zijn, aangezien dit ervoor zorgt dat het financiële risico van de
onderneming daalt.
4.2.2. Controle variabelen
Er wordt in deze studie gecontroleerd voor leeftijd en de grootte van bedrijven (Petersen & Rajan,
1997; Barrot, 2013). Hadlock en Pierce (2010) hebben aangetoond dat deze twee factoren een grote
invloed zullen hebben op toegang tot kapitaal en bijgevolg tot de behoefte aan handelskrediet
(Petersen & Rajan 1994, 1995). Net als in het onderzoek van Brav (2009) wordt de grootte gemeten
aan de hand van de natuurlijke logaritme van de totale activa. Het is de bedoeling om het algemene
effect te testen van de wetswijziging, waardoor het noodzakelijk is om voor deze variabelen te
controleren. Ook voor de leeftijd zal het natuurlijke logaritme genomen worden, omdat geen lineair
verband verwacht wordt tussen leeftijd en de behoefte aan handelskrediet.
Om sector specifieke invloeden te vermijden wordt gekeken om een sector variabele toe te voegen
zoals in Niskanen & Niskanen (2006). Alsook kan dit net als bij hun onderzoek ervoor zorgen dat de
significantie van het onderzoek verhoogd wordt. Ng et al. (1999) toonden aan dat er grote verschillen
kunnen zijn tussen verschillende sectoren, dit vergroot de relevantie van deze variabele.
20
4.3. Methode
Er wordt gebruik gemaakt van een ‘difference-in-differences’ (DID) analyse, deze werd duidelijk
beschreven door Ashenfelter en Card (1984). Deze methode maakt gebruik van een behandelde groep
en een controle groep. Er wordt vertrokken van de veronderstelling dat de twee groepen
oorspronkelijk dezelfde trend volgden en dat na de wetswijziging de resultaten van de behandelde
groep zullen afwijken van die van de controlegroep. Als er gekeken wordt naar hoe de
handelsvorderingen gedeeld door omzet evolueren, toont figuur 1 dat deze inderdaad gelijk lopen
voor de ingreep van 2009. Deze voorwaarde is dus voldaan. Aan de sample worden voor deze
onderzoeksmethode twee dummy’s toegevoegd namelijk ‘post’ en ‘behandeld’. De eerste dummy
maakt een onderscheid tussen bedrijven op basis van het moment van de meting. De metingen bij
bedrijven die plaatsvonden vanaf het jaar 2009, verwijzend naar de datum waarin de regelgeving van
kracht werd, krijgen de waarde 1 op deze variabele. Voor de tweede dummy zal de waarde 1 zijn indien
het bedrijf in de sample uit Frankrijk komt, gezien enkel de Franse bedrijven behandeld zijn door de
wetgeving. Daarnaast wordt een interactieterm van beide variabelen opgenomen. Deze
dummyvariabelen worden met elkaar vermenigvuldigd en de nieuwe variabele wordt aangeduid als
‘post x behandeld’. De waarde 1 duidt er hier op dat het bedrijf uit Frankrijk komt en reeds onderhevig
is aan de nieuwe wetgeving. We verwijzen naar het werk van Athey en Imbens (2006), waar deze DID
methode grondig wordt uitgelegd en aangeraden voor het onderzoeken van beleidsveranderingen.
Deze methode werd ook toegepast in de studie van Barrot (2013). Om ervoor te zorgen dat onze data
nog beter overeenkomen, wordt gebruik gemaakt van matching-software, namelijk de ‘Coarsened
Exact Matching’ (CEM), zoals beschreven door Iacus, King en Porro (2008). Hierbij worden alle data
geanalyseerd en opgedeeld in verschillende groepen of strata, al deze strata hebben gelijkaardige
scores op een aantal relevantie criteria. In hun artikel argumenteren iacus et al. (2008) dat de CEM-
methode een vernieuwende manier is om tot een verbeterde schatting te bekomen voor de causale
effecten door de onbalans in covariabelen tussen behandelde en controlegroep te verminderen. Onze
grote sample wordt hierdoor opgedeeld in verscheidene kleinere, maar meer op elkaar lijkende
groepen. Bij het lopen van de regressies wordt ook gecontroleerd voor deze strata. Blackwell et al.
(2009) tonen aan hoe deze methode kan geïmplementeerd worden in Stata.
21
5. Resultaten
5.1. Descriptieve statistieken
Om het effect van echte uitschieters te verwijderen en zo een vertekening van de resultaten tegen te
gaan worden de oorspronkelijke data gewinsoriseerd met 0.5% aan beide kanten. Allereerst worden
de ratio’s berekend. Daarna worden deze gewinsoriseerd en na deze behandeling worden ook de
brongegevens gewinsoriseerd. Op deze manier worden al de gebruikte gegevens één maal
gewinsoriseerd. Onvolledige gegevens worden uit de dataset verwijderd. Daarnaast werden door het
matchen van de variabelen ook noodzakelijk enkele gegevens verwijderd. Na deze behandelingen is
onze set gekrompen tot 23054 bedrijven met volledige data, dewelke kunnen worden opgedeeld in
1799 Belgische bedrijven en 21255 Franse bedrijven. Deze relatief grote daling is te verklaren door het
onevenwicht van het aantal bedrijven. Ondanks dat alle gegevens zijn bekomen onder exact dezelfde
voorwaarden was er toch een overwicht aan kleinere Franse bedrijven. Door het matchen zijn de
bedrijven die geen gelijkwaardige tegenspeler hadden weggelaten, hierdoor zijn vooral kleinere Franse
bedrijven verwijderd. Bijgevolg is het beter om de afzonderlijke strata te bekijken. Een voorbeeld van
descriptieve data die de 2 groepen in een bepaalde strata vergelijken is toegevoegd in appendix 2. De
volledige samples (tabel 1) vertonen verschillen, voornamelijk de omvang van de bedrijven, maar
daarnaast hebben ze wel een gelijk niveau aan handelsvorderingen open staan. Na het matchen
houden we 191 gelijke groepen over. Doordat onze dataset meer Franse bedrijven bevat zullen
Belgische bedrijven gelinkt kunnen worden aan meerdere Franse bedrijven. In wat volgt zal een
voorbeeld gegeven worden van de descriptieve statistieken van een representatieve groep. Zoals te
zien in appendix 2 zijn er voor deze groep zo goed als geen statistische verschillen wat positief is voor
het onderzoek. Door het feit dat we nu met meer, kleinere en gelijke groepen werken en dit ook
meegenomen wordt in de regressie zal de kwaliteit van de resultaten verbeteren. In het voorbeeld
zitten relatief grote bedrijven uit de sample. Met een schuldenratio van ongeveer 40% ligt dit een stuk
onder het gemiddelde. De handelsvorderingen en vlottende passiva liggen, relatief gezien, wat boven
het gemiddelde. De EBITDA marge van deze sample komen ongeveer overeen met deze van de gehele
set.
22
Tabel 1 - Descriptieve statistieken van de gehele sample (2005)
Noot. Obs= aantal observaties. Std. Dev. = standaardafwijking. De gebruikte gegevens in deze tabel zijn gebaseerd op de data van het jaar 2005. *,** en *** geven de statistische significantie
van respectievelijk <0.10, <0.05 en <0.01
(a) = de variabelen zijn aan beide kanten 0.5% gewinsoriseerd of berekend uit aan beide kanten 0.5% gewinsoriseerde data.
(b) = Dit cijfer stelt een natuurlijke logaritme van de gegeven variabele voor.
(c) = Deze variabele is gedeeld door de totale activa.
(d) = Deze variabele is gedeeld door de omzet.
(e) = (EBIT+Depreciation and Amortization) / omzet
(f) = net income/ omzet
Behandelde Groep Controle Groep Verschilanalyse
Variabele(a) Obs Gemiddelde Std. Dev. Obs Gemiddelde Std. Dev. Tot. Obs. Δ gemiddelde t-waarde
totale activa(b) 21255 7.17849 1.54781 1799 9.374687 1.342618 23054 2.196739 58.3527***
omzet(b) 21230 7.612517 1.527457 1797 9.733232 1.346259 23027 2.120492 57.0108***
Schuldratio 21255 .5742908 .2042647 1799 .611676 .2380419 23054 0.0374483 7.3519***
EBITDA marge(e) 21230 0.0873833 .0798701 1797 .0908937 .0873094 23027 0.0035068 1.7755*
handelsvorderingen(d) 21230 .1982775 .1202469 1797 .19756 .1092969 23027 -0.0008135 -0.2446
cash(d) 21230 .1328524 .1753547 1797 .0915292 .1651022 23027 -0.0414013 -9.6347***
vlottende passiva (c) 21255 .472884 .1924586 1799 .4753472 .2217029 23054 0.0024987 0.5147
Winstmarge(f) 21230 .0415196 .0654984 1797 .0353286 .075788 23027 -0.006203 -3.7975***
23
Hieronder is de correlatiematrix weergegeven in tabel 2. Over het algemeen is er geen correlatie
tussen de verschillende variabelen in dit onderzoek. De enige grote correlatie vinden we tussen omzet
en totale activa. Deze relatie is extra sterk, omdat we telkens de natuurlijke logaritme hebben
genomen van de variabele. Een logische correlatie ook omdat verondersteld wordt dat bedrijven die
meer winst maken ook meer activa nodig hebben om dit te realiseren.
Tabel 2 - Correlatiematrix
(a) = Dit cijfer stelt een natuurlijke logaritme van de gegeven variabele voor. (b) = Deze variabele is gedeeld door de totale activa. (c) = Deze variabele is gedeeld door de omzet.
5.2. Resultaten
5.2.1. De gemiddelde impact van de handelskredietrestrictie
Voor de eerste hypothese zal gekeken worden naar welke de effecten zijn van de
handelskredietrestrictie op de handelsvorderingen en de handelsschuld. De impact van de
wetswijziging op de handelsvorderingen kunnen we zien in tabel 3, daarin is duidelijk te zien dat de
handelsvorderingen dalen. In tabel 3a is bij de eerste regressie te zien dat er een daling is van 1.9% in
de handelsvorderingen bij de bedrijven die onder de wetgeving vallen. Het gemiddelde van de set is
18.7%, hier zien we dus een sterk resultaat die zeer belangrijk is in deze thesis. Er is hier rekening
gehouden met zowel bedrijf als jaar fixed effects. We creëren ook een sectorjaar dummy, hiervoor
wordt er een dummy gemaakt per sector per jaar. Dit doen we om te kijken hoe de verschillende
sectoren over verschillende jaren invloed uitoefenen op de handelsvorderingen. Als we de regressie
lopen met bedrijf en deze sectorjaar fixed effects (tabel 3b) bekomen we een significante daling van
de handelsvorderingen bij de post behandelde bedrijven. Uit een derde test (tabel 3c) waarbij we
controleerden voor enerzijds jaar effecten en anderzijds de effecten van de strata, blijkt dat er in deze
analyses geen significante resultaten gevonden worden. Dit betekent dat de 7 jaar variabelen en de
Variabele 1 2 3 4 5 6 7 8 9 10
1 Liquiditeit 1.000
2 Schuldratio -0.083 1.000
3 totale activa(a) 0.026 -0.065 1.000
4 Handelsvorderingen(b) 0.040 -0.031 0.106 1.000
5 EBITDA marge 0.050 -0.159 0.087 0.042 1.000
6 vlottende activa(b) -0.143 0.586 -0.131 0.004 -0.292 1.000
7 winst marge 0.061 -0.216 0.030 0.048 0.452 -0.213 1.000
8 Omzet(a) -0.007 -0.009 0.957 0.010 0.034 -0.020 0.001 1.000
9 Cash(c) 0.127 -0.186 -0.042 0.039 0.111 -0.250 0.139 -0.155 1.000
10 Leeftijd(a) 0.040 -0.125 0.275 0.033 -0.039 -0.151 -0.006 0.251 0.058 1.000
24
191 strata variabelen het effect van de daling van het handelskrediet teniet doen. Onze hypotheses
stellen dat we door deze daling verwachten dat er een daling van de EBIT plaatsvindt, een stijging van
de liquiditeit en een daling van de schuldratio. De verandering van de aangehouden hoeveelheid
handelskrediet vertoont een zeer grote verandering die statistisch zeer significant is. Dit toont aan dat
de wetswijziging een zeer grote impact heeft gehad op de behandelde groep. Deze statistisch
significante daling is een bevestiging van wat we al veronderstelden, namelijk dat een verkorting van
de periode waarover handelsvorderingen kunnen verstrekt worden, zal zorgen voor een daling van het
aandeel van de aangehouden hoeveelheid handelskrediet.
Tabel 3 - Regressies met handelsvordering als afhankelijke variabele
3a = Fixed Effects, jaar en bedrijf FE
3b = Fixed Effects, bedrijf en sectorjaar FE
3c = OLS regressie, jaar en strata dummy
(3a) (3b) (3c) VARIABELE Handelsvordering(b) Handelsvordering(b) Handelsvordering(b)
Post x behandeld -0.0185*** -0.0174*** -0.00406 (0.00232) (0.00219) (0.00356) Totale activa(a) 0.0473*** 0.0456*** 0.0424*** (0.00295) (0.00298) (0.00273) Leeftijd(a) 0.00536* 0.00299 0.00287 (0.00297) (0.00238) (0.00178) Jaar FE Bedrijf FE Sectorjaar FE Strata dummy
Ja Ja
Nee Nee
Nee Ja Ja
Nee
Ja Nee Nee Ja
Observaties 158,961 158,961 158,961 R² 0.079 0.096 0.114 Aantal ID 23,529 23,529
(a) = het betreft de natuurlijke logaritme van deze variabele (b) = hier werd gedeeld door de omzet Robuste standard errors tussen haakjes
*** p<0.01, ** p<0.05, * p<0.1
In appendix 3 werd een fixed effects regressie toegepast op de variabelen die we gebruiken om te
maken dat de groepen gelijk zijn. We zien dat hier op 5 van de 6 variabelen er een significante
verandering plaatsvindt. Deze resultaten kunnen ook bekeken worden ter ondersteuning van de
hypothese. Hiernaast hebben we nog eens een fixed effects regressie gedaan met als extra
controlevariabelen dezelfde die we gebruikt hebben bij de matching procedure. Dit is terug te vinden
in appendix 4 en toont wederom dat de handelsvorderingen significant dalen in Frankrijk.
25
Naast het kijken naar de handelsvorderingen werd er ook gekeken naar de verandering van de
handelsschulden (tabel 4). Net als bij de handelsvorderingen bevestigen de eerste twee regressies onze
vermoedens, namelijk dat de handelsschulden zullen dalen. Een derde regressie, waarbij geen gebruik
werd gemaakt van fixed effects, geeft een relatief kleine stijging aan. Uit tabel 3 en 4 kunnen we dus
zien dat het handelskrediet is gedaald in Frankrijk na de wetswijziging.
Tabel 4 - Regressies met handelsschulden als afhankelijke variabele
4a = Fixed Effects, jaar en bedrijf FE
4b = Fixed Effects, bedrijf en sectorjaar FE
4c = OLS regressie, jaar en strata dummy
(4a) (4b) (4c) VARIABELE Handelsschulden(b) Handelsschulden(b) Handelsschulden(b)
Post x behandeld -0.0107*** -0.0113*** 0.00508** (0.00209) (0.00181) (0.00217) Totale activa(a) 0.0370*** 0.0366*** 0.0291*** (0.00211) (0.00206) (0.00157) Leeftijd(a) 0.000412 -0.00105 -0.00185*** (0.00271) (0.00240) (0.000693) Jaar FE Bedrijf FE Sectorjaar FE Strata dummy
Ja Ja
Nee Nee
Nee Ja Ja
Nee
Ja Nee Nee Ja
Observaties 158,961 158,961 158,961 R² 0.074 0.086 0.206 Aantal ID 23,529 23,529
(a) = het betreft de natuurlijke logaritme van deze variabele (b) = hier werd gedeeld door de omzet Robuste standard errors tussen haakjes
*** p<0.01, ** p<0.05, * p<0.1
5.2.2. Handelskredietrestrictie en de winst
Om dit te onderzoeken zullen we kijken hoe de EBIT tegenover de totale activa is geëvolueerd bij de
Franse bedrijven na 2009. We kiezen bewust de inkomsten voor interesten en taxen, omdat we zo het
verschil en taxatievoeten willen uitschakelen. Aangezien onze Belgische controlegroep en onze Franse
behandelde groep niet onder exact dezelfde regelgeving vallen, wordt er op deze manier een grotere
vergelijkbaarheid meegegeven aan de resultaten. Zoals te zien in tabel 5, waar de afhankelijke
variabele EBIT is, zien we dat er inderdaad een daling plaatsvindt van de EBIT bij Franse bedrijven na
2009. Een daling van ongeveer 0.56% (tabel 5a) voor bedrijven die onder de nieuwe regelgeving vallen,
daar waar we met een gemiddelde van 7.9% zitten (appendix 5). Dit is een behoorlijk bedrag, omdat
26
er rekening moet worden gehouden met het feit dat enkel bedrijven zijn opgenomen die een totaal
actief van minimaal €100,000 bezitten. Er wordt telkens gecontroleerd voor totale activa en leeftijd.
Deze resultaten komen overeen met de resultaten uit de studie van Barrot (2013). Verschillend met
de studie van Barrot (2013) is dat deze keek naar de winst na belastingen. Dit kon eenvoudig, aangezien
al zijn bedrijven aan dezelfde taxatie verplichtingen voldeden. Indien we jaar fixed effects veranderen
door sectorjaar effecten blijken de resultaten niet significant (tabel 5b). Als we kijken naar tabel 5c zien
we dat er significante resultaten worden gevonden die bevestigen dat er na 2009 een lagere winst is.
Over het algemeen vinden we dus wel dat er een daling is van de winst, wat in 2 van onze 3 regressies
wordt bevestigd.
Tabel 5 - Regressies met EBIT als afhankelijke variabele
5a = Fixed Effects, jaar en bedrijf FE
5b = Fixed Effects, bedrijf en sectorjaar FE
5c = OLS regressie, jaar en strata dummy
(5a) (5b) (5c) VARIABELE EBIT(b) EBIT(b) EBIT(b)
Post x behandeld -0.00559** -0.00276 -0.00768*** (0.00236) (0.00240) (0.00237) Totale activa(a) 0.0459*** 0.0425*** 0.0414*** (0.00492) (0.00477) (0.00289) Leeftijd(a) -0.0227*** -0.0233*** -0.0129*** (0.00624) (0.00606) (0.00220) Jaar FE Bedrijf FE Sectorjaar FE Strata dummy
Ja Ja
Nee Nee
Nee Ja Ja
Nee
Ja Nee Nee Ja
Observaties 159,018 159,018 159,018 R² 0.061 0.078 0.075 Aantal ID 23,531 23,531
(a) = het betreft de natuurlijke logaritme van deze variabele (b) = hier werd gedeeld door de totale activa
Robuste standard errors tussen haakjes *** p<0.01, ** p<0.05, * p<0.1
27
5.2.3. Handelskredietrestrictie en de liquiditeit
De liquiditeit zelf is berekend uit de resultaten die teruggevonden werden op de balans. Om de
liquiditeit te berekenen werden de korte termijn activa verminderd met korte termijn passiva en
gedeeld door de totale activa. Als we de resultaten bekijken van tabel 6 zien we dat er geen significante
resultaten zijn voor een liquiditeitsverandering. Dit is in de bedrijf en jaar fixed effects regressie. In
appendix 5 zien we dat in de sample er een gemiddelde is van 0.28. Indien we verder kijken naar deze
resultaten zien we wel dat er in 2009, 2010 en 2011 een gemiddelde groei is van 4.1% . Wat veel groter
is dan de evolutie die men kende van 2006 tot en met 2008 (1.7%). Dit toont wel dat er over het
algemeen een versterkte liquiditeitspositie is na 2009. Alleen kunnen we niet aannemen dat dit
effectief door de wetgeving is, omdat in België dezelfde evolutie plaatsvindt In tabel 6b en tabel 6c
vinden we geen significante resultaten voor de liquiditeit, ook hier zijn de jaar specifieke resultaten
afzonderlijk opgenomen.
Tabel 6 - Regressies met liquiditeit als afhankelijke variabele
6a = Fixed Effects, jaar en bedrijf FE
6b = Fixed Effects, bedrijf en sectorjaar FE
6c = OLS regressie, jaar en strata dummy
(6a) (6b) (6c) VARIABELE Liquiditeit Liquiditeit Liquiditeit
Post x behandeld -0.000407 0.000141 0.00878 (0.00640) (0.00592) (0.00945) Totale activa(a) -0.00809 -0.00751 0.0246*** (0.00575) (0.00574) (0.00635) Leeftijd(a) 0.0121 0.0137* 0.0312*** (0.00811) (0.00754) (0.00610) Jaar FE Bedrijf FE Sectorjaar FE Strata dummy
Ja Ja
Nee Nee
Nee Ja Ja
Nee
Ja Nee Nee Ja
Observaties 159,018 159,018 159,018 R² 0.028 0.031 0.207 Aantal ID 23,531 23,531
(a) = het betreft de natuurlijke logaritme van deze variabele Robuste standard errors tussen haakjes
*** p<0.01, ** p<0.05, * p<0.1
Voor de liquiditeit gaan we ervan uit dat aan de actiefzijde de handelsvorderingen zullen dalen en dit
gecompenseerd wordt door een stijging van de cashvoorraad. Aan de passiefzijde verwachten we een
daling van de handelsschulden. In tabel 7 zijn elk van deze componenten afzonderlijk onderzocht. We
28
zien inderdaad dat deze 3 bestanddelen significant veranderen in de verwachte richting. De
cashvoorraad kent een stijging van 0.7%. Deze stijging is niet voldoende om de daling van 1.8% van de
handelsvorderingen te compenseren. Deze opgeteld leveren een daling van 1.1% aan de kant van de
activa wat overeenkomt met de daling van 1.1% van de handelsschulden bij de passiva. We zien hier
dat over het algemeen de verhouding in evenwicht blijft.
Tabel 7 - Regressies met cash, vorderingen en schulden als afhankelijke variabele
(7a) (7b) (7c) VARIABELE Cash(b) Handelsvordering(b) Handelsschulden(b)
Post x behandeld 0.00713* -0.0185*** -0.0107*** (0.00416) (0.00232) (0.00209) Totale activa(a) 0.0541*** 0.0473*** 0.0370*** (0.00604) (0.00295) (0.00211) Leeftijd(a) -0.0200*** 0.00536* 0.000412 (0.00323) (0.00297) (0.00271) Jaar FE Bedrijf FE Sectorjaar FE Strata dummy
Ja Ja
Nee Nee
Ja Ja
Nee Nee
Ja Ja
Nee Nee
Observaties 158,961 158,961 158,961 R² 0.048 0.079 0.074 Aantal ID 23,529 23,529 23,529
(a) = het betreft de natuurlijke logaritme van deze variabele (b) = hier werd gedeeld door de omzet Robuste standard errors tussen haakjes
*** p<0.01, ** p<0.05, * p<0.1
In tabellen 6 en 7 vinden we dat de liquiditeit over het algemeen onveranderd blijft. In tabel 8 bekijken
we specifieke gevallen van naderbij, namelijk 3 afzonderlijke gevallen. Bedrijven die voor de wetgeving
een teveel hadden aan: (1) enkel handelsvorderingen, (2) enkel handelsschulden en (3) van zowel
handelsvorderingen als handelsschulden. Dit doen we door dezelfde groepen te nemen als bij figuur 2
en 3. Daarna werden de 3 hierboven combinaties bekeken en benoemt als (1) ‘HV1HS0’, (2) ‘HV0HS1’
en (3) ‘HV1HS0’. In het eerste geval zien we dat er een daling van 1.9% is bij de handelsvorderingen
maar dit wordt ruimschoots gecompenseerd door een stijging in de cash van 2.8%. Aan de passiefzijde
is hier, ondanks dat bedrijven hier reeds redelijk aan de wet voldeden, toch een kleine daling van 1%
merkbaar. Het gecombineerde effect levert wel geen significante verandering van de liquiditeit op. Een
mogelijke verklaring hiervoor wordt gezocht bij van Fabbri en Klapper (2008). Deze stellen dat
bedrijven die sneller betaald worden ook hun schulden sneller zullen betalen. Door de gedaalde
handelsvorderingen en gestegen cashvoorraad zouden bedrijven sneller geneigd zijn hun schulden af
29
te lossen. In het tweede geval zien we aan de actiefzijde zo goed als geen verandering en wederom
een kleine daling (1.1%) aan de passiefzijde, ook hier levert dit geen significante verandering op voor
de liquiditeit. Hier betalen bedrijven mogelijks hun handelsschulden met handelsvorderingen. Gezien
er toch een daling is van de handelsvorderingen hoewel dit voor de wet niet nodig is. Voor de cash is
er geen verandering waardoor het vermoeden groeit dat bedrijven de middelen halen bij hun
schuldenaren. Als laatste bekijken we de bedrijven die een teveel hadden aan handelsschulden én
handelsvorderingen, dit was ook veruit de grootste groep. Hier zien we weer de grote daling van de
handelsvorderingen (3.2%) die deels gecompenseerd wordt door een stijging van de cashvoorraad.
Ook hier zien we aan de passiefzijde een daling (1.6%). Maar net als bij de twee voorgaande gevallen
is hier ook geen significante verandering in de liquiditeit, hoewel de componenten afzonderlijk in de
verwachte richting zijn veranderd.
30
Tabel 8 – Regressies verschillende gevallen handelsvorderingen en handelsschulden met liquiditeit, cash,
vorderingen en schulden als afhankelijke variabele
(8a) (8b) (8c) (8d) VARIABELE Liquiditeit Cash(b) Handels
Vordering(b) Handels
Schulden(b)
HV1HS0
Post x behandeld 0.0126 0.0284*** -0.0194*** -0.0106*** (0.0103) (0.00792) (0.00396) (0.00194) Totale activa(a) -0.0237*** 0.0940*** 0.0468*** 0.0305*** (0.00815) (0.00842) (0.00452) (0.00225) Leeftijd(a) 0.0184** -0.0188** -0.00168 0.00388** (0.00872) (0.00726) (0.00301) (0.00148) Jaar FE Bedrijf FE Observaties
Ja Ja
28,264
Ja Ja
28,260
Ja Ja
28,260
Ja Ja
28,260 R² 0.010 0.083 0.143 0.058 Aantal ID 4,133 4,133 4,133 4,133
HV0HS1
Post x behandeld -0.00364 -0.00811 -0.00643* -0.0118*** (0.0133) (0.00779) (0.00355) (0.00327) Totale activa(a) 0.0131 0.0397*** 0.0409*** 0.0357*** (0.0105) (0.00688) (0.00273) (0.00313) Leeftijd(a) 0.0205** -0.0203*** -0.00287 -0.00723* (0.00916) (0.00621) (0.00322) (0.00415) Jaar FE Bedrijf FE Observaties
Ja Ja
26,847
Ja Ja
26,814
Ja Ja
26,814
Ja Ja
26,814 R² 0.057 0.024 0.057 0.099 Aantal ID 3,956 3,954 3,954 3,954
HV1HS1
Post x behandeld 0.00162 0.0119** -0.0323*** -0.0156*** (0.00814) (0.00482) (0.00303) (0.00245) Totale activa(a) -0.0142** 0.0443*** 0.0568*** 0.0432*** (0.00577) (0.00536) (0.00367) (0.00310) Leeftijd(a) 0.0261*** -0.0183*** -0.000938 -0.0106*** (0.00664) (0.00389) (0.00338) (0.00305) Jaar FE Bedrijf FE Observaties
Ja Ja
67,614
Ja Ja
67,605
Ja Ja
67,605
Ja Ja
67,605 R² 0.046 0.063 0.163 0.151 Aantal ID 9,884 9,884 9,884 9,884
(a) = het betreft de natuurlijke logaritme van deze variabele (b) = hier werd gedeeld door de omzet Robust standard errors tussen haakjes
*** p<0.01, ** p<0.05, * p<0.1
31
5.2.4. Handelskredietrestrictie en de schuldratio
Wanneer we kijken naar de schuldratio wordt er vastgesteld dat de resultaten gelijk lopen met de
resultaten van liquiditeit. Indien we kijken naar de bedrijf en jaar fixed effects regressie (tabel 9a)
vinden we voor de ‘post x behandeld’ variabele geen significante resultaten. Als we echter kijken naar
de resultaten van 2009, 2010 en 2011 resultaten vinden we respectievelijk 4.0, 3.8 en 3.6% daling bij
de schuldratio die een gemiddelde heeft van 55% (appendix 5). Dit is een veel grotere daling dan de
0.3, 1.1 en 2.2% van de drie voorgaande jaren. Ook hier kunnen we dus stellen dat er na 2009 veel
veranderd is aan de schuldratio van Franse bedrijven, echter hetzelfde vinden we terug bij de Belgische
bedrijven waardoor we dit effect niet aan de wetgeving kunnen toewijzen. Bij de regressie met
sectorjaar effecten (tabel 9b) vinden we geen significante resultaten. De gewone regressie met zowel
jaar als strata effecten (tabel 9c) leveren eveneens geen significante resultaten op. De schuldratio werd
berekend door korte termijn schulden op te tellen bij de lange termijn schulden en dit geheel te delen
door de totale passiva.
Tabel 9 - Regressies met schuldratio als afhankelijke variabele
9a = Fixed Effects, jaar en bedrijf FE
9b = Fixed Effects, bedrijf en sectorjaar FE
9c = OLS regressie, jaar en strata dummy
(9a) (9b) (9c) VARIABELE Schuldratio Schuldratio Schuldratio
Post x behandeld 0.00470 0.00455 0.00791 (0.00529) (0.00478) (0.00711) Totale activa(a) 0.0477*** 0.0475*** -0.000184 (0.00807) (0.00812) (0.00387) Leeftijd(a) -0.0459*** -0.0472*** -0.0201*** (0.00505) (0.00489) (0.00358) Jaar FE Bedrijf FE Sectorjaar FE Strata dummy
Ja Ja
Nee Nee
Nee Ja Ja
Nee
Ja Nee Nee Ja
Observaties 159,018 159,018 159,018 R² 0.059 0.062 0.409 Aantal ID 23,531 23,531
(a) = het betreft de natuurlijke logaritme van deze variabele Robuste standard errors tussen haakjes
*** p<0.01, ** p<0.05, * p<0.1
32
Doordat handelsschulden inspeelt op de korte termijnschulden vermoeden we dat de schuldratio zal
dalen indien een bedrijf veel handelsschulden heeft. Hiervoor maakten we, terug in 2005, een
opsplitsing waarbij we de 60% met meeste handelsschulden tegenover de omzet (gemiddeld 15.5%)
vergelijken met de 40% met minste handelsschulden tegenover de omzet (gemiddeld 7.4%). Ook hier
vinden we geen bevestiging dat er een daling van de schuldratio is, ook al is de daling bij bedrijven met
veel handelsschulden merkbaar groter (-1.5 tegenover -0.4%).
Tabel 10 – Regressie met schuldratio en handelsschuld als afhankelijke variabele, weinig tegen veel
handelsschulden
(10a) (10b) VARIABLES Schuldratio Handelsschuld(b)
Weinig handelsschulden
Post x behandeld 0.00641 -0.00410*** (0.00747) (0.00157) Totale activa(a) 0.0677*** 0.0285*** (0.0104) (0.00194) Leeftijd(a) -0.0611*** 0.00387**
(0.00707) (0.00149) Observaties 64,557 64,542 R² 0.048 0.051
Veel handelsschulden
Post x behandeld 0.00506 -0.0146*** (0.00576) (0.00196) Totale activa(a) 0.0330*** 0.0413*** (0.00633) (0.00245) Leeftijd(a) -0.0382*** -0.00937*** (0.00557) (0.00291) Observaties 94,461 94,419 R² 0.076 0.136
(a) = het betreft de natuurlijke logaritme van deze variabele (b) = hier werd gedeeld door de omzet Robust standard errors tussen haakjes
*** p<0.01, ** p<0.05, * p<0.1
5.2.5. uitbreidend onderzoek
In dit deel worden enkele extra testen gedaan om voorgaande testen verder uit te diepen. Er wordt
gestart met de vraag als bedrijven die voor de regeling reeds een kortere handelskrediettermijn
hanteren evenveel veranderen als bedrijven die een langere termijn hanteerden. Verder zal
bestudeerd worden hoe grote bedrijven veranderen in vergelijking met kleine bedrijven.
33
5.2.5.1. Aantal dagen kredietverstrekking
Eerst wordt gekeken naar het aantal dagen handelskrediet. Dit doen we om te kijken of de wetgeving
inderdaad de grootste invloed heeft op de bedrijven waarbij we dit verwachten. Bedrijven die voor de
wetgeving het hoogste aantal dagen kredietverstrekking hadden, en zo dus het meest moeten
veranderen door de wet, zouden de grootste veranderingen in hun variabelen moeten kennen. Om
het aantal dagen klantenkrediet te berekenen gebruiken we volgende formule: handelsvorderingen
op ten hoogste één jaar/(verkopen/365). Na dit te hebben berekend, werden op basis van het aantal
dagen kredietverstrekking drie groepen onderscheiden. In tabel 11 zitten we met drie ongeveer even
grote groepen, de eerste groep bevat de 34% bedrijven die in 2005 de kortste periode handelskrediet
hadden (gemiddeld 33 dagen). De 2de groep heeft de middelste 33% (gemiddeld 74 dagen) en de groep
met ‘Lange periode’ heeft de 33% bedrijven met de langste periode dagen klantenkrediet (gemiddeld
108 dagen). Deze ligt soms hoger dan het effectieve aantal dagen omdat oninbare of twijfelachtige
vorderingen niet tijdig worden verwijderd uit de rekening (Ooghe en Wymeersch, 2008). Hier zijn de
resultaten positief in de verwachte richting. We vertrekken namelijk van de veronderstelling dat de
Franse bedrijven nog maximaal 60 dagen handelskrediet mogen geven. De bedrijven die hier voordien
het meest aan voldeden, de zogenaamde ‘Korte periode’, ondervinden geen significante verandering
na de regulering. Dit staat in tegenstelling tot de middellange en lange periode groepen. We zien
duidelijk dat met -3.7% de ‘Lange periode’ groep er het grootste effect van ondervindt, groter dan de
-1.6% die bedrijven in de ‘Middellange periode’ ondervinden. Dit toont zeer sterk aan dat bedrijven
die langere perioden handelskrediet konden verstrekken, degene waarvan wij veronderstellen dat ze
gemiddeld groter zijn, het hardst getroffen worden door deze regeling. Bij de winst merken we
dezelfde trend; geen verandering, -0.7% en -0.8% bij respectievelijk de bedrijven met een korte,
middellange en lange periode aan handelskrediet in 2005. Deze resultaten voor zowel
handelsvorderingen als voor winst bevestigen dat het voor de grootste bedrijven de grootste gevolgen
heeft. Ook in deze regressie hebben we gecontroleerd voor jaar en bedrijf fixed effects.
34
Tabel 11 - Fixed Effects, jaar en bedrijf FE korte tegen middellange tegen lange periode handelskrediet alle
variabelen als afhankelijke variabele
(11a) (11b) (11c) (11d) VARIABELE Handelsvordering(b) EBIT(c) Liquiditeit Schuldratio
Korte periode
Post x behandeld -0.000568 -0.000381 -0.0128 0.0152** (0.00277) (0.00351) (0.00955) (0.00674) Totale activa(a) 0.0312*** 0.0261*** 0.00543 0.0594*** (0.00208) (0.00407) (0.00836) (0.0132) Leeftijd(a) -0.00147 -0.0234*** -0.00339 -0.0607*** (0.00208) (0.00700) (0.00969) (0.00664) Jaar FE Bedrijf FE Observaties
Ja Ja
53,808
Ja Ja
53,852
Ja Ja
53,852
Ja Ja
53,852 R² 0.048 0.031 0.025 0.054 Aantal ID 8,154 8,156 8,156 8,156
Middellange periode
Post x behandeld -0.0159*** -0.00697** 0.0116 -0.000794 (0.00250) (0.00319) (0.00847) (0.00694) Totale activa(a) 0.0423*** 0.0500*** -0.0182** 0.0400*** (0.00351) (0.00641) (0.00899) (0.00898) Leeftijd(a) 0.00537** -0.0258*** 0.0216*** -0.0375*** (0.00249) (0.00674) (0.00653) (0.00576) Jaar FE Bedrijf FE Observaties
Ja Ja
51,688
Ja Ja
51,689
Ja Ja
51,689
Ja Ja
51,689 R² 0.066 0.071 0.032 0.056 Aantal ID 7,469 7,469 7,469 7,469
Lange periode
Post x behandeld -0.0369*** -0.00793** 0.00226 -0.00135 (0.00369) (0.00352) (0.00764) (0.00693) Totale activa(a) 0.0573*** 0.0599*** -0.0139** 0.0402*** (0.00410) (0.00726) (0.00550) (0.00583) Leeftijd(a) -0.00291 -0.0201*** 0.0225*** -0.0381*** (0.00335) (0.00636) (0.00826) (0.00689) Jaar FE Bedrijf Fe Observaties
Ja Ja
53,465
Ja Ja
53,477
Ja Ja
53,477
Ja Ja
53,477 R² 0.234 0.098 0.032 0.073 Aantal ID 7,906 7,906 7,906 7,906
(a) = het betreft de natuurlijke logaritme van deze variabele (b) = hier werd gedeeld door de omzet
(c) = hier werd gedeeld door de totale activa Robust standard errors tussen haakjes
*** p<0.01, ** p<0.05, * p<0.1
Naast onze 4 basisvariabelen hebben we dit onderzoek ook uitgevoerd op twee extra variabelen (tabel
12). Eerst hebben we gekeken naar de invloed op de investeringen, bekeken als het aandeel van vaste
activa in de totale activa. Deze kenden na de wetgeving voor de drie groepen geen veranderingen, dit
toont ons dat de wetgeving geen merkbare invloed heeft gehad op de investeringen. Daarnaast
35
hebben we de grote van de bedrijven bekeken aan de hand van de totale activa. Deze resultaten liggen
in lijn met de wetgeving, de bedrijven die het minst aan de wetgeving voldeden worden iets kleiner.
Dit terwijl bedrijven die goed aan de wetgeving voldeden ook hier geen merkbare veranderingen
ondergaan.
Tabel 12 - Fixed Effects, jaar en bedrijf FE korte tegen middellange tegen lange periode investeringen en totale
activa als afhankelijke variabele
(12a) (12b) VARIABELE Investeringen Totale activa(a)
Korte periode
Post x behandeld -0.0221 -0.00766 (0.0193) (0.0178) Totale activa(a) 0.0472*** / (0.0130) / Leeftijd(a) -0.0126 0.127*** (0.00864) (0.0207) Jaar FE Bedrijf FE Observaties
Ja Ja
53,852
Ja Ja
53,852 R² 0.009 0.090 Aantal ID 8,156 8,156
Middellange periode
Post x behandeld -0.0194 -0.0322* (0.0279) (0.0190) Totale activa(a) 0.0318*** / (0.00607) / Leeftijd(a) -0.0234** 0.186*** (0.0105) (0.0188) Jaar FE Bedrijf FE Observaties
Ja Ja
51,689
Ja Ja
51,689 R² 0.003 0.089 Aantal ID 7,469 7,469
Lange periode
Post x behandeld 0.00610 -0.0412*** (0.00707) (0.0145) Totale activa(a) 0.0198*** / (0.00671) / Leeftijd(a) -0.0151*** 0.152*** (0.00412) (0.0220) Jaar FE Bedrijf Fe Observaties
Ja Ja
53,477
Ja Ja
53,477 R² 0.016 0.067 Aantal ID 7,906 7,906
(a) = het betreft de natuurlijke logaritme van deze variabele Robust standard errors tussen haakjes
*** p<0.01, ** p<0.05, * p<0.1
36
5.2.5.2. Grote en kleine bedrijven
Omdat uit de studie van Barrot (2013) blijkt dat de impact voor grotere bedrijven zwaarder zou zijn
dan de impact voor kleinere bedrijven, bekijken we hier de verschillen tussen deze twee groepen (tabel
13). De grote bedrijven kunnen meer gebruik maken van handelskrediet, zoals gezien in de literatuur
kunnen ze dit doen uit strategische overwegingen om meer marktmacht te bekomen. Bedrijven die dit
dus effectief doen zouden door de wet grotere veranderingen kennen en zo aan competitiviteit
verliezen. Door dit specifiek onderzoek kunnen we dus nagaan als dit gelukt is. In het jaar 2005 werd
aan de hand van de totale activa onze sample in twee verdeeld. De 50% met de grootste totale activa
zijn afzonderlijk voor Frankrijk en België in de groep ‘grote bedrijven’ ingedeeld, de 50% met de laagste
activa zijn in de groep ‘kleine bedrijven’ ingedeeld. Daarna werd de verandering in de twee
afzonderlijke groepen bekeken. Hier valt direct op dat er weer een duidelijke daling is van de
handelsvorderingen in Frankrijk na 2009. We kunnen ook zien dat deze daling groter is voor grote
bedrijven, namelijk -2.27% tegenover -1.43% voor kleinere bedrijven. Verder vinden we bij grote
bedrijven ook een significante daling van de EBIT terwijl dit bij kleinere bedrijven niet het geval is. Dit
bevestigd ook het vermoeden (Hypothese 2b) dat de grote bedrijven een sterker effect ondervinden
van deze regels dan de kleinere bedrijven. Voor de overige twee variabelen levert dit geen extra
inzichten op.
37
Tabel 13 - Fixed Effects, jaar en bedrijf FE kleine tegenover grote bedrijven alle variabelen als afhankelijke
variabele
(13a) (13b) (13c) (13d) VARIABELE Handelsvordering(b) EBIT(c) Liquiditeit Schuldratio
Kleine bedrijven
Post x behandeld -0.0143*** -0.00175 0.0103 0.00185 (0.00322) (0.00365) (0.0102) (0.00816) Totale activa(a) 0.0449*** 0.0535*** -0.0126 0.0646*** (0.00476) (0.00679) (0.00813) (0.0116) Leeftijd(a) 0.00294 -0.0327*** 0.00483 -0.0576*** (0.00384) (0.00718) (0.00783) (0.00592) Jaar FE Bedrijf FE
Ja Ja
Ja Ja
Ja Ja
Ja Ja
Observaties 79,749 79,781 79,781 79,781 R² 0.064 0.061 0.028 0.072
Grote bedrijven
Post x behandeld
-0.0227***
-0.00903***
-0.0117
0.00906
(0.00284) (0.00287) (0.00733) (0.00644) Totale activa(a) 0.0492*** 0.0385*** -0.00265 0.0296*** (0.00332) (0.00500) (0.00681) (0.00586) Leeftijd(a) 0.00319 -0.00381 0.0231*** -0.0257*** (0.00371) (0.00413) (0.00619) (0.00637) Jaar FE Bedrijf FE
Ja Ja
Ja Ja
Ja Ja
Ja Ja
Observaties 79,212 79,237 79,237 79,237 R² 0.096 0.065 0.030 0.048
(a) = het betreft de natuurlijke logaritme van deze variabele (b) = hier werd gedeeld door de omzet
(c) = hier werd gedeeld door de totale activa Robust standard errors tussen haakjes
*** p<0.01, ** p<0.05, * p<0.1
5.2.6. Specificaties van de resultaten
Bij het uitvoeren van de regressies werd er steeds gekozen de resultaten te clusteren in hun strata.
Deze strata werden reeds besproken en bepaald door de CEM-matching software. Hiervoor werd
gekozen omdat er grote verschillen waren tussen het gemiddelde Franse en het gemiddelde Belgische
bedrijf. Aangezien de verschillende strata onderling dezelfde kenmerken vertonen en kunnen deze
beter vergeleken worden.
Bij het uitvoeren van de regressies werd er steeds geopteerd om te werken met robuuste Huber-White
standaardfouten. Om deze te schatten, wordt gebruik gemaakt van de ‘Huber sandwich’. Dit zorgt
ervoor dat er een deel kleinere problemen worden opgelost. Problemen, zoals kleine afwijkingen van
de normaalverdeling, heteroscedasticiteit of observaties met een groot residu worden door deze optie
geneutraliseerd en vormen geen probleem meer, aldus het ’institute for digital research and education
(“Regression with stata”, s.d)’.
38
5.3. Sensitiviteitsanalyse
Om te bestuderen hoe de resultaten reageren indien enkele parameters wijzigen, voeren we ons
onderzoek ook nog met enkele aanpassingen. Enerzijds kijken we naar de resultaten in de landen
afzonderlijk, anderzijds doen we een GEE regressie.
5.3.1. Fixed effects zonder controle groep
Er worden hier dezelfde regressies uitgevoerd, zonder de Belgische bedrijven op te nemen. Dit doen
we om te kijken hoe de coëfficiënten van de Franse bedrijven veranderen na de ingevoerde
regelgeving. Uit voorgaand onderzoek weten we al dat er tussen Frankrijk en België geen grote
verschillen zijn voor liquiditeit en schuldratio. Deze extra analyse doen we om te kijken hoeveel elk
land afzonderlijk veranderd, om zo de verschillen nog beter bloot te leggen. Uit tabel 14 blijkt dat er
voor al de resultaten significante veranderingen worden gevonden indien deze tot de groep post
behoren. Hier is dus duidelijk dat er na 2009 veranderingen zijn opgetreden in Frankrijk.
Tabel 14 - Fixed Effects regressie, enkel Frankrijk alle variabelen als afhankelijke variabele
(14a) (14b) (14c) (14d) VARIABELE Handelsvordering(b) EBIT(c) Liquiditeit Schuldratio
Post -0.0404*** -0.0173*** 0.0393*** -0.0306*** (0.00240) (0.00299) (0.00771) (0.00544) Totale activa(a) 0.0497*** 0.0538*** -0.00249 0.0481*** (0.00325) (0.00442) (0.00665) (0.00910) Leeftijd(a) 0.00580* -0.0261*** 0.0104 -0.0462*** (0.00301) (0.00623) (0.00813) (0.00507) Constant -0.174*** -0.234*** 0.250*** 0.346*** (0.0206) (0.0291) (0.0655) (0.0686) Jaar FE Bedrijf FE
Ja Ja
Ja Ja
Ja Ja
Ja Ja
Observaties 145,645 145,700 145,700 145,700 R² 0.085 0.067 0.029 0.061 Aantal ID P-waarde regressie
21,444
***
21,446
***
21,446
***
21,446
*** (a) = het betreft de natuurlijke logaritme van deze variabele
(b) = hier werd gedeeld door de omzet (c) = hier werd gedeeld door de totale activa
Robust standard errors tussen haakjes *** p<0.01, ** p<0.05, * p<0.1
39
Dezelfde analyse werd uitgevoerd voor de Belgische bedrijven. Ook hier vinden we voor de 4
variabelen significante resultaten. Hier zien we dus dat beide groepen zelf zonder de wetgeving
evolueren. Het verschil zit hem echter in het gewicht van deze resultaten. Zo zien we dat voornamelijk
bij de handelsvorderingen en de EBIT (degene welke voorgaande regressies het sterkst bevestigen) de
verschillen groter zijn dan in België. De vergelijking waarbij we beide landen apart nemen geeft ons
een beter inzicht in voorgaande regressies.
Tabel 15 - Fixed Effects regressie, enkel België alle variabelen als afhankelijke variabele
(15a) (15b) (15c) (15d) VARIABELE Handelsvordering(b) EBIT(c) Liquiditeit Schuldratio
Post -0.00927*** -0.0308*** 0.0398*** -0.0439*** (0.00251) (0.00407) (0.0105) (0.00941) Totale activa(a) 0.0313*** -0.00423 -0.0443*** 0.0453*** (0.00467) (0.00399) (0.0119) (0.0113) Leeftijd(a) -0.00967 0.00958 0.0290 -0.0463*** (0.00853) (0.00822) (0.0230) (0.0175) Constant -0.0668 0.0872* 0.531*** 0.326** (0.0471) (0.0454) (0.131) (0.127) Jaar FE Bedrijf FE
Ja Ja
Ja Ja
Ja Ja
Ja Ja
Observaties 13,316 13,318 13,318 13,318 R² 0.030 0.032 0.029 0.044 Aantal ID P-waarde regressie
2,085
***
2,085
***
2,085
***
2,085
*** (a) = het betreft de natuurlijke logaritme van deze variabele
(b) = hier werd gedeeld door de omzet (c) = hier werd gedeeld door de totale activa
Robust standard errors tussen haakjes *** p<0.01, ** p<0.05, * p<0.1
5.3.2. Generalized estimating equation
We bemerken dat bij het uitvoeren van deze GEE regressie (tabel 16) de resultaten deels de eerder
gevonden resultaten bevestigen. Allereerst zien we dat ook hier de handelsvorderingen van de Franse
bedrijven significant dalen. Daarnaast kunnen we dezelfde opmerking maken als eerder, namelijk dat
voornamelijk de jaareffecten die België en Frankrijk combineren significant zijn. Ook hier stellen we
vast dat er duidelijk veranderingen zijn in de voorspelde richting na 2009. Maar we kunnen dit niet
specifiek aan de behandelde groep toewijzen.
40
Tabel 16 - GEE regressie, jaar dummy alle variabelen als afhankelijke variabele
(16a) (16b) (16c) (16d) VARIABELE Handelsvordering(b) EBIT(c) Liquiditeit Schuldratio
Post x behandeld -0.0192*** -0.00680*** -0.00164 0.00406 (0.00159) (0.00184) (0.00406) (0.00348) behandeld 0.0436*** 0.0158*** 0.0452*** 0.00137 (0.00265) (0.00232) (0.00638) (0.00584) Totale activa(a) 0.0200*** 0.00458*** -0.00728*** 0.0241*** (0.000500) (0.000400) (0.00137) (0.00127) Leeftijd(a) 0.00332*** -0.0154*** 0.0363*** -0.0474*** (0.000867) (0.000755) (0.00193) (0.00170) 2006 0.00207*** 0.00103* 0.000818 -0.00173*** (0.000469) (0.000585) (0.000799) (0.000595) 2007 -0.00303*** 0.00966*** 0.00801*** -0.00824*** (0.000534) (0.000695) (0.00103) (0.000812) 2008 -0.0168*** -0.00240*** 0.0205*** -0.0180*** (0.000595) (0.000766) (0.00122) (0.000991) 2009 -0.0106*** -0.0300*** 0.0361*** -0.0367*** (0.00160) (0.00188) (0.00406) (0.00348) 2010 -0.00800*** -0.0119*** 0.0314*** -0.0340*** (0.00162) (0.00186) (0.00413) (0.00352) 2011 -0.0148*** -0.00720*** 0.0313*** -0.0308*** (0.00164) (0.00187) (0.00419) (0.00357) Observaties 158,961 159,018 159,018 159,018 Aantal ID P-waarde regressie
23,529
***
23,531
***
23,531
***
23,531
*** (a) = het betreft de natuurlijke logaritme van deze variabele
(b) = hier werd gedeeld door de omzet (c) = hier werd gedeeld door de totale activa
Standard errors tussen haakjes *** p<0.01, ** p<0.05, * p<0.1
41
6. Discussie
Het doel van deze thesis is onderzoeken wat de reële en financiële effecten zijn die de Franse
wetswijziging teweeg heeft gebracht. Er wordt bekeken of de situatie beter is na 2009 en welke
veranderingen duidelijk merkbaar zijn. Door gebruik te maken van een difference‐in‐differences model
hebben we onderzocht wat de impact is op de handelsvorderingen, EBIT, liquiditeit en schuldratio.
Deze variabelen tonen de financiële gezondheid van de bedrijven aan en geven ons een beeld van de
verandering in aantrekkelijkheid van de onderzochte sectoren.
Wanneer de resultaten bekeken worden, is de impact die de wetgeving op de hoeveelheid
handelsvorderingen heeft duidelijk vast te stellen. Deze kent een forse en verwachte daling. De
rekening handelsvorderingen van de bedrijven ligt een stuk lager. Alsook de rekening handelsschulden
kent een significante daling. Voor de handelsvorderingen is aangetoond dat deze daling sterker is bij
bedrijven die meer dagen handelsvorderingen hadden openstaan alsook dat de daling groter is bij
grote bedrijven. Verder vinden we dat een restrictie op het handelskrediet een significant negatief
effect op de EBIT heeft. En dat dit effect duidelijk zwaarder doorweegt voor grotere bedrijven alsook
bedrijven die een lange periode handelskrediet verstrekken. Voor de hypothese omtrent de liquiditeit
is te zien dat er voor de gehele sample geen verandering is door de wetgeving. In de specifieke gevallen
zien we dat cash en handelsvorderingen steeds veranderen in de verwachte richting. Zo zal een daling
van de handelsvorderingen gecombineerd gaan met een stijging van de cash indien bedrijven veel
dagen handelsvorderingen hebben. Handelsschulden vertoont dan weer een daling, ook als we deze
niet verwachten. Een mogelijke uitleg zoeken we bij Fabbri en Klapper (2008), deze stellen dat
bedrijven kopiëren. Dit kan verklaren waarom handelsschulden mee dalen met de
handelsvorderingen, ook al hoeft dit niet voor de wetgeving. Gecombineerd leveren deze effecten
nooit een significante verandering op voor de liquiditeit. Bij de schuldratio waren er geen significante
resultaten te vinden. Ook de vergelijking van bedrijven met veel of weinig handelsschulden kon geen
significante resultaten opleveren.
Dit betekent concreet dat door de wetgeving de onderzochte bedrijven in de eerste plaats een lagere
hoeveelheid handelsvorderingen zullen hebben. Door deze regelgeving daalt over het algemeen de
winst van de bedrijven, dit is voornamelijk door een daling die plaatsvindt bij de grote bedrijven. Een
daling van de EBIT wordt beschouwd als een negatief effect van de wetswijzing. Dit negatieve effect
wordt gecompenseerd door het aantrekkelijker worden van de onderzochte sectoren, de kleine of
middelgrote onderneming wint aan kracht. Doordat grote bedrijven nu een minder groot voordeel
kunnen halen door grote handelsvorderingen aan te bieden, zal de competitiviteit binnen de sector
42
stijgen. De lagere winst van de grote bedrijven staat dus tegenover een gezondere en meer
competitieve toestand van de sector.
Deze resultaten zijn deels genomen uit een periode waarin ook de economische crisis sterk opspeelde
zodat mogelijks de crisis deze resultaten wat vertekend of beïnvloed heeft. Mede door deze reden
werd er voor gekozen om twee groepen te nemen, een controle groep en een behandelde groep. Bij
de vergelijking van deze twee groepen, die beide wel zullen onderhevig zijn aan de crisis, kan het ook
nog zijn dat Frankrijk anders veranderd is dan België en dit door de verandering in de wetgeving.
Doordat deze twee landen buurlanden zijn, is het eveneens mogelijk dat een wetgeving in Frankrijk
invloed heeft op België. Het is namelijk mogelijk dat ofwel de Franse bedrijven leveren aan Belgische
bedrijven, of dat Belgische bedrijven leveren aan Franse bedrijven. Dit zal voornamelijk zo zijn bij
grotere bedrijven die dan ook nog eens internationaal actief zijn. Gezien we in onze sample enkel
bedrijven met een totaal actief van boven de €100,000 nemen zal dit voor een deel van de bedrijven
wel het geval zijn.
Toekomstig onderzoek zou de financiële gezondheid verder kunnen onderzoeken door bijvoorbeeld
voor elk bedrijf een rating te maken die meerdere factoren combineert tot één ‘financieel
gezondheidscijfer’. Van dit ‘financieel gezondheidscijfer’ zou men dan de verandering kunnen bekijken
teweeggebracht door de handelskredietrestrictie. Ook kan dit onderzoek gedaan worden met
bedrijven die de post ‘kosten van verkochte goederen’ wel hebben ingevuld, dit zou een duidelijker
beeld geven van het aantal dagen leverancierskrediet en bijgevolg het onderzoek ten goede komen.
Deze post was via de Amadeus databank niet (voldoende) voorhanden.
VII
Bibliografie
Allison, P. D. (2006). Fixed effects regression methods in SAS. Thirty-first Annual SAS.
Ashenfelter, O. C., & Card, D. (1984). Using the longitudinal structure of earnings to estimate the effect
of training programs.
Athey, S., & Imbens, G. W. (2006). Identification and inference in nonlinear difference‐in‐differences
models. Econometrica, 74(2), 431-497.
Barrot, J. N. (2013). Financial strength and trade credit provision: Evidence from trucking
firms. Unpublished working paper.
Belgische Overheid (2013). 22 NOVEMBER 2013. - Wet tot wijziging van de wet van 2 augustus 2002
betreffende de bestrijding van de betalingsachterstand bij handelstransacties. Geraadpleegd op 20 mei
2015, via
http://www.ejustice.just.fgov.be/cgi_loi/change_lg.pl?language=nl&la=N&cn=2013112212&table_na
me=wet
Biais, B., & Gollier, C. (1997). Trade credit and credit rationing. Review of Financial Studies, 10(4), 903-
937.
Blackwell, M., Iacus, S. M., King, G., & Porro, G. (2009). cem: Coarsened exact matching in Stata. Stata
Journal, 9(4), 524-546.
Blazenko, G. W., & Vandezande, K. (2003). The product differentiation hypothesis for corporate trade
credit. Managerial and Decision Economics,24(6‐7), 457-469.
Boissay, F., & Gropp, R. (2007). Trade credit defaults and liquidity provision by firms.
Brav, O. (2009). Access to capital, capital structure, and the funding of the firm. The Journal of Finance,
64(1), 263-308.
VIII
Brennan, M. J., MAKSIMOVICs, V. O. J. I. S. L. A. V., & Zechner, J. (1988). Vendor financing. The Journal
of Finance, 43(5), 1127-1141.
Burkart, M., & Ellingsen, T. (2004). In-kind finance: A theory of trade credit.American Economic
Review, 569-590.
CEDEF, centre de documentation economie-finances (2014). Quels sont les délais de paiement
applicables entre entreprises. Geraadpleegd op 18 april 2015, via
http://www.economie.gouv.fr/cedef/delais-de-paiement-entre-entreprises
Cochard, S. (2008). Que prévoit la loi de modernisation de l’économie? Geraadpleegd op 8 oktober
2014, via http://www.20minutes.fr/economie/237703-20080617-prevoit-loi-modernisation-
economie
Cunat, V. (2007). Trade credit: suppliers as debt collectors and insurance providers. Review of Financial
Studies, 20(2), 491-527.
Cunin, A.L. (2009). Loi de modernisation de l’économie et délais de paiement: entrepreneurs, êtes-vous
à jour? Geraadpleegd op 8 oktober 2014, via http://www.village-justice.com/articles/modernisation-
economie-delais,4950.html
Dass, N., Kale, J., & Nanda, V. (2011). Trade credit, relationship-specific investment, and product-
market power. Relationship-Specific Investment, and Product-Market Power (June 27, 2011).
Delannay, A. F. (2002). Trade credit and product market competition: theory and evidence. Available
at SSRN 302742.
Delannay, A. F., & Weill, L. (2004). The determinants of trade credit in transition countries. Economics
of Planning, 37(3-4), 173-193.
Deloof, M., & Jegers, M. (1996). Trade credit, product quality, and intragroup trade: some European
evidence. Financial management, 33-43.
Deloof, M., & Jegers, M. (1999). Trade credit, corporate groups, and the financing of Belgian firms.
Journal of Business Finance & Accounting, 26(7‐8), 945-966.
IX
Demirgüç-Kunt, A., & Maksimovic, V. (2001). Firms as financial intermediaries: Evidence from trade
credit data (Vol. 2696). World Bank, Development Research Group, Finance.
Elliehausen, G. E., & Wolken, J. D. (1993). The demand for trade credit: an investigation of motives for
trade credit use by small businesses (No. 165). Board of Governors of the Federal Reserve System (US).
Europese Commissie (2014). Bestrijding van betalingsachterstanden. Geraadpleegd op 12 mei 2015,
via http://ec.europa.eu/enterprise/policies/single-market-goods/fighting-late-
payments/index_en.htm
Fabbri, D., & Klapper, L. F. (2008). Trade credit supply, market power and the matching of trade credit
terms. Policy Research Working Paper, World Bank, (4754).
Frank, M., & Maksimovic, V. (1998). Trade credit, collateral, and adverse selection. Unpublished
manuscript, University of Maryland.
Franse Overheid (2008). Loi de modernization de l’économie > Les mesures adoptées par le Parlement.
Geraadpleegd op 22 mei 2015, via
http://www.economie.gouv.fr/files/finances/presse/dossiers_de_presse/080723_lme_dossier-de-
presse.pdf.
Fisman, R., & Love, I. (2003). Trade credit, financial intermediary development, and industry
growth. The Journal of Finance, 58(1), 353-374.
Fisman, R., & Raturi, M. (2004). Does competition encourage credit provision? Evidence from African
trade credit relationships. Review of Economics and Statistics, 86(1), 345-352.
García-Teruel, P. J., & Martínez-Solano, P. (2010). A dynamic perspective on the determinants of
accounts payable. Review of Quantitative Finance and Accounting, 34(4), 439-457.
Giannetti, M., Burkart, M., & Ellingsen, T. (2011). What you sell is what you lend? Explaining trade
credit contracts. Review of Financial Studies, 24(4), 1261-1298.
X
Hadlock, C. J., & Pierce, J. R. (2010). New evidence on measuring financial constraints: Moving beyond
the KZ index. Review of Financial studies, 23(5), 1909-1940.
Holmstrom, B., & Tirole, J. (1997). Financial intermediation, loanable funds, and the real sector. the
Quarterly Journal of economics, 663-691.
Huyghebaert, N., Van de Gucht, L., & Van Hulle, C. (2007). The choice between bank debt and trace
credit in business start-ups. Small Business Economics, 29(4), 435-452.
Iacus, S. M., King, G., & Porro, G. (2008). cem: Software for coarsened exact matching.
Insitute for digital research and education. Regression with stata Chapter 4 – Beyond OLS.
Geraadpleegd op 24 november 2014, via
http://www.ats.ucla.edu/stat/stata/webbooks/reg/chapter4/statareg4.htm.
Jacobson, T., & Von Schedvin, E. (2013). Trade credit and the propagation of corporate failure: an empirical analysis. Riksbank Research Paper Series, (94).
Klapper, L., Laeven, L., & Rajan, R. (2011). Trade credit contracts. Review of Financial Studies, hhr122.
Long, M. S., Malitz, I. B., & Ravid, S. A. (1993). Trade credit, quality guarantees, and product
marketability. Financial Management, 117-127.
Longhofer, S. D., & Santos, J. A. (2003). The paradox of priority. Financial Management, 69-81.
Mateut, S. (2005). Trade credit and monetary policy transmission. Journal of Economic Surveys, 19(4),
655-670.
McMillan, J., & Woodruff, C. (1999). Interfirm relationships and informal credit in Vietnam. Quarterly
journal of Economics, 1285-1320.
Meltzer, A. H. (1960). Mercantile credit, monetary policy, and size of firms. The Review of Economics
and Statistics, 429-437.
XI
Mian, S. L., & Smith, C. W. (1994). Extending trade credit and financing receivables. Journal of Applied
Corporate Finance, 7(1), 75-84.
Michalski, G. M. (2007). Portfolio management approach in trade credit decision making. Romanian
Journal of Economic Forecasting, 3, 42-53.
Murfin, J., & Njoroge, K. (2013). The implicit costs of trade credit borrowing by large firms. Available
at SSRN 2023409.
Nadiri, M. I. (1969). The determinants of trade credit in the US total manufacturing
sector. Econometrica: Journal of the Econometric Society, 408-423.
Ng, C. K., Smith, J. K., & Smith, R. L. (1999). Evidence on the determinants of credit terms used in
interfirm trade. The Journal of Finance, 54(3), 1109-1129.
Niskanen, J., & Niskanen, M. (2006). The Determinants of Corporate Trade Credit Policies in a Bank‐
dominated Financial Environment: the Case of Finnish Small Firms. European Financial Management,
12(1), 81-102.
Ooghe, H., & Van Wymeersch, C. (2008). Financiële analyse van de onderneming deel 1 (3de ed.).
Antwerpen: intersentia.
Petersen, M. A., & Rajan, R. G. (1994). The benefits of lending relationships: Evidence from small
business data. The journal of Finance, 49(1), 3-37.
Petersen, M. A., & Rajan, R. G. (1995). The effect of credit market competition on lending
relationships. The Quarterly Journal of Economics, 407-443.
Petersen, M. A., & Rajan, R. G. (1997). Trade credit: theories and evidence. Review of Financial
Studies, 10(3), 661-691.
Small Business Taxes & Management (2011). Vendor Discounts for Early Payment. Geraadpleegd op
14 april 2015, via http://www.smbiz.com/sbspec385.html
Smith, J. K. (1987). Trade credit and informational asymmetry. The Journal of Finance, 42(4), 863-872.
XII
Van Horen, N. (2007). Customer market power and the provision of trade credit: evidence from Eastern
Europe and Central Asia (Vol. 4284). World Bank Publications.
Wilner, B. S. (2000). The exploitation of relationships in financial distress: The case of trade credit. The
Journal of Finance, 55(1), 153-178.
XIII
Appendix
Appendix 1 - Sectoren en hun vertegenwoordiging in de behandelde groep (data 2005)
Sector Frequentie Procent cumulatief
10, Manufacture of food products 3959 18.63 18.63
11, Manufacture of beverages 614 2.89 21.51
12, Manufacture of tobacco products 2 0.01 21.52
13, Manufacture of textiles 632 2.97 24.50
14, Manufacture of wearing apparel 457 2.15 26.65
15, Manufacture of leather and related prod. 236 1.11 27.76
16, Manufacture of wood and of products of wood and cork, except furniture; manufacture of articles of straw and plaiting materials
1444 6.79 34.55
17, Manufacture of paper and paper products 456 2.15 36.70
19, Manufacture of coke and refined petroleum prod. 28 0.13 36.83
20, Manufacture of chemicals and chemical prod. 801 3.77 40.60
21, Manufacture of basic pharmaceutical prod. and pharmaceutical preparations 154 0.72 41.32
22, Manufacture of rubber and plastic prod. 1361 6.40 47.73
23, Manufacture of other non-metallic mineral prod. 1256 5.91 53.63
24, Manufacture of basic metals 326 1.53 55.17
25, Manufacture of fabricated metal prod. except machinery and equipment 5660 26.63 81.80
26, Manufacture of computer, electronic and optical prod. 785 3.69 85.49
27, Manufacture of electrical equipment 652 3.07 88.56
28, Manufacture of machinery and equipment 1808 8.51 97.06
31, Manufacture of furniture 624 2.94 100
21255 100
XIV
Appendix 2 - Descriptieve statistieken relevante strata (100)
Behandelde Groep Controle Groep Verschilanalyse
Variabele(a) Obs Gemiddelde Std. Dev. Obs Gemiddelde Std. Dev. Tot. Obs. Δ gemiddelde t-waarde
totale activa(b) 18 12.27933 .0970881 6 12.30803 .0850536 24 0.02865 0.6445
omzet(b) 18 11.94116 .2432802 6 11.73263 .1988787 24 -0.20853 -1.8910*
Schuldratio 18 .4069283 .2328212 6 .3913853 .2939535 24 -0.0153677 -0.1329
EBITDA marge(e) 18 .1041215 .1017289 6 .0955344 .0573285 24 -0.0084543 -0.1948
handelsvorderingen(c) 18 .2355354 .0948208 6 .2497697 .1850728 24 0.0132247 0.2488
cash(d) 18 .0993439 .1271822 6 .0052204 .0113692 24 -0.0941235 -1.7838*
vlottende passiva(c) 18 .2421085 .1174395 6 .1654651 .0610996 24 -0.0766434 -1.5157
Winstmarge(f) 18 .0376464 .0962052 6 .0809626 .0679668 24 0.0433162 1.0095
Noot. Obs= aantal observaties. Std. Dev. = standaardafwijking. De gebruikte gegevens in deze tabel zijn gebaseerd op de data van het jaar 2005. *,** en *** geven de statistische significantie
van respectievelijk <0.10, <0.05 en <0.01
(a) = de variabelen zijn aan beide kanten 0.5% gewinsoriseerd of berekend uit aan beide kanten 0.5% gewinsoriseerde data.
(b) = Dit cijfer stelt een natuurlijke logaritme van de gegeven variabele voor.
(c) = Deze variabele is gedeeld door de totale activa.
(d) = Deze variabele is gedeeld door de omzet.
(e) = (EBIT+Depreciation and Amortization) / omzet
(f) = net income/ omzet
XV
Appendix 3 - Fixed effects, bedrijf en jaar FE van de extra variabelen als afhankelijke variabele
(a) = het betreft de natuurlijke logaritme van deze variabele Robust standard errors tussen haakjes
*** p<0.01, ** p<0.05, * p<0.1
(1) (2) (3) (4) (5) (6) VARIABELE Totale activa (a) Omzet (a) EBITDA marge Cash over omzet Vlottende passiva over TA Winst marge
Post x behandeld 0.0526*** 0.0104 -0.0183*** 0.0277*** -0.0392*** -0.0120*** (0.00832) (0.00784) (0.00126) (0.00244) (0.00593) (0.000969) Constant 7.457*** 7.880*** 0.0857*** 0.134*** 0.465*** 0.0410*** (0.00324) (0.00306) (0.000490) (0.000950) (0.00231) (0.000378) Jaar FE
Ja
Ja
Ja
Ja
Ja
Ja
Observaties 159,786 159,719 159,722 159,722 159,786 159,722 R² 0.013 0.000 0.029 0.026 0.039 0.014 Aantal ID P-waarde regressie
23,534
***
23,531
***
23,531
***
23,531
***
23,534
***
23,531
***
XVI
Appendix 4 - Fixed effects, jaar en bedrijf FE alle (afhankelijke) variabelen met extra controlevariabelen
(a) = het betreft de natuurlijke logaritme van deze variabele (b) = hier werd gedeeld door de omzet
(c) = hier werd gedeeld door de totale activa (d) = (EBIT+Depreciation and Amortization) / omzet
(e) = net income/ omzet Robust standard errors tussen haakjes
*** p<0.01, ** p<0.05, * p<0.1
(1) (2) (3) (4) VARIABELE Handelsvordering(b) EBIT(c) Liquiditeit Schuldratio
Post x behandeld -0.0123*** -0.0115*** 0.00340 0.00246 (0.00226) (0.00224) (0.00640) (0.00575) Totale activa(a) 0.130*** -0.0465*** -0.0215*** 0.0770*** (0.00657) (0.00336) (0.00600) (0.0121) Omzet(a) -0.119*** 0.137*** -0.00703 -0.00186 (0.00633) (0.0112) (0.00624) (0.00598) Leeftijd(a) 0.0123*** -0.0322*** 0.0187** -0.0565*** (0.00261) (0.00566) (0.00743) (0.00549) EBITDA marge(d) 0.0672*** / 0.404*** -0.408*** (0.00937) / (0.0294) (0.0269) Cash(b) -0.180*** 0.0878*** / -0.194*** (0.0144) (0.0112) / (0.0133) Vlottende passiva(c) 0.0823*** -0.133*** / / (0.00310) (0.00657) / / 2006 0.00138** -0.00218 0.00390 -0.00436*** (0.000616) (0.00139) (0.00267) (0.00142) 2007 -0.00249** 0.000689 0.0128*** -0.0118*** (0.000983) (0.00177) (0.00406) (0.00233) 2008 -0.0133*** -0.0156*** 0.0308*** -0.0250*** (0.00161) (0.00176) (0.00521) (0.00313) 2009 -0.0142*** -0.0303*** 0.0495*** -0.0422*** (0.00199) (0.00230) (0.00693) (0.00581) 2010 -0.0125*** -0.0141*** 0.0420*** -0.0357*** (0.00224) (0.00232) (0.00729) (0.00632) 2011 -0.0174*** -0.0154*** 0.0439*** -0.0355*** (0.00237) (0.00263) (0.00792) (0.00673) Jaar FE Bedrijf FE
Ja Ja
Ja Ja
Ja Ja
Ja Ja
Observaties 158,958 158,958 158,958 158,958 R² 0.233 0.775 0.658 0.489 Aantal ID P-waarde regressie
23,529
***
23,529
***
23,529
***
23,529
***
XVII
Appendix 5 - Descriptieve statistieken alle variabelen
Variabele Observaties Gemiddelde Std. Afwijking Min Max
Totale activa(a) 159786 7.478015 1.643536 4.828314 12.39224
Omzet(a) 159719 7.883992 1.623546 5.09375 12.61774
Schuldratio(c) 159786 .5499394 .2162647 .1011905 1.145833
EBITDA(b) 159722 .0785896 .0837007 -.186159 .3645939
Handelsvorderingen(b) 159722 .1865237 .1152389 0 .5904228
Cash(b) 159722 .1444999 .1971954 0 1.123333
Vlottende passiva(c) 159786 .4492384 .1992165 .0738916 .9859649
Winst marge(e) 159722 .0362921 .0698596 -.229765 .2807018
Liquiditeit(d) 159786 .2792318 .2599197 -.4689598 .8146965
EBIT(c) 159786 .0733136 .1127132 -.2916667 .420765 (a) = het betreft de natuurlijke logaritme van deze variabele
(b) = hier werd gedeeld door de omzet (c) = hier werd gedeeld door de totale activa
(d) = berekend door vlottende activa te delen door vlottende passiva (e) =berekend door de winst/omzet