Maatwerk en immaterieel kapitaal belangrijk in discussie over loon en winst

In een eerdere studie hebben we gekeken naar de winstontwikkeling van het bedrijfsleven op macroniveau (zie Erken et al., 2023). In deze studie kijken we naar de loon- en winstontwikkeling op bedrijfstakniveau over een langere periode (2000-2022). Dit doet meer recht aan de heterogeniteit tussen sectoren en geeft ook een beter beeld over de structurele ontwikkelingen die zich afspelen op een lager aggregatieniveau. Hierdoor krijgen we namelijk een beter beeld hoe de spreekwoordelijke koek wordt verdeeld per bedrijfstak en wat onder aan de streep overblijft (netto exploitatieoverschot). Ook proberen we een beeld te geven waarom het netto exploitatieoverschot verschilt tussen sectoren.

Voorbehouden

Voordat we de resultaten van onze analyse in meer detail bespreken, is het goed om drie voorbehouden te maken. Ten eerste doet een analyse op bedrijfstakniveau eigenlijk nog onvoldoende recht aan de heterogeniteit tussen bedrijven binnen een bedrijfstak. Dit onderstreept hoe belangrijk is om de discussie over lonen en winsten op een zo laag mogelijk aggregatieniveau te voeren.

Ten tweede is alleen data beschikbaar met 2021 al meest recente peiljaar. Dat maakt de resultaten van deze studie minder bruikbaar in de actuele discussie over de ontwikkeling van bedrijfswinsten en lonen in Nederland.

Ten derde zijn we terughoudend om op basis van onze analyse uitspraken te doen over de loonruimte op sectorniveau. In onze analyse blijven fundamentele vragen onbeantwoord, zoals: wat is een reële beloning voor aandeelhouders? Of: wat is de optimale hoeveelheid investeringen die moet plaatsvinden met het oog op het toekomstige verdienvermogen van een bedrijf of bedrijfstak? De terughoudendheid om onze analyse aan te grijpen om uitspraken te doen over de loonruimte is in lijn met de conclusie van Ter Weel et al. (2023), die stellen dat de zogenoemde arbeidsinkomensquote (AIQ) ongeschikt is als indicator voor het bepalen van de loonruimte.

De verhoudingen tussen lonen en winsten zijn de afgelopen twee decennia op macro-economisch niveau vrij stabiel. De lonen maken gemiddeld 43 procent uit van de totale toegevoegde waarde. Samen met het inkomen van zelfstandigen en de sociale werkgeverspremies ligt het aandeel van de factor arbeid in het totale inkomen zo rond de 64 procent (zie ook Ter Weel et al., 2018).

Op bedrijfstakniveau is de situatie duidelijk anders en is een afruil zichtbaar tussen het aandeel in de totale toegevoegde waarde van de loonkosten enerzijds en het netto exploitatieoverschot (als indicator voor winst) anderzijds (zie figuur 1). Die afruil is duidelijk zichtbaar door de diagonale verdeling van sectoren linksboven naar rechtsonder. In bijvoorbeeld de papierindustrie zijn de reële loonkosten gelijk gebleven, terwijl winsten wel sterk zijn gestegen over de tijd. En voor de machinebouw geldt dat de loonkosten in reële termen weliswaar zijn gestegen, maar veel minder hard dan de toename van de winst. In het kwadrant rechtsonder zien we een tegenovergesteld beeld: de loonkosten zijn over de afgelopen twee decennia toegenomen in bijvoorbeeld de overige transportmiddelen- en elektrotechnische industrie, maar de winsten zijn in deze bedrijfstakken gesmolten als sneeuw voor de zon.

Winst komt niet alleen ten goede aan aandeelhouders

Vaak wordt in de maatschappelijke discussie gesuggereerd dat een hogere winstgevendheid van het bedrijfsleven één-op-één terechtkomt bij de aandeelhouders (zie bijvoorbeeld De Rijk, 2022). Er lijkt inderdaad een vrij sterk positief verband te zijn tussen het netto exploitatieoverschot (als percentage van het bbp) en dividenduitkeringen (als percentage van totale activa): zie figuur 2a.

Maar dat is niet het hele verhaal. Een andere belangrijke bevinding in deze studie is namelijk dat we ook een sterke samenhang constateren tussen winstgevendheid en het deel van de immateriële investeringen dat niet in de nationale rekeningen wordt meegenomen (zie figuur 2b). Hieronder vallen onder andere branding, design, organisatorisch kapitaal en bedrijfsspecifieke trainingen. En natuurlijk zijn er dan ook nog andere bestemmingen waar winst voor nodig is, zoals de netto rentebetalingen, versterking van de kaspositie of aflossing van schuld.

Figuur 2: Duidelijk verband tussen winstgevendheid enerzijds en dividend en immaterieel kapitaal anderzijds

Om een beter beeld te krijgen van de uitgangspositie op bedrijfstakniveau maken we gebruik van de productie- en inkomensrekeningen in de nationale rekeningen van het CBS en de OESO. We vullen deze data aan met financiële balansdata van het CBS en maken verder ook gebruik van data over immateriële investeringen van de EUKLEMS & INTANProd database van het Luiss Lab of European Economics.

De winstquote

Onze indicator voor de winstgevendheid op bedrijfstakniveau is het netto exploitatieoverschot als percentage van de toegevoegde waarde. We corrigeren de toegevoegde waarde op bedrijfstakniveau voor diverse posten, waarna uiteindelijk het netto exploitatieoverschot overblijft (zie figuur 3). Dit overschot kan worden gezien als de beloning voor de inzet van kapitaal ongeacht de manier waarop dat is gefinancierd. Dit is een belangrijk verschil met de in bedrijfseconomische kringen gangbare nettowinst, die alleen de beloning voor de inzet van eigen vermogen meet.

Een uitgebreide toelichting op alle individuele posten is beschreven in Erken en Van der Veen (2023a). De lonen voor de geleverde arbeid zijn inclusief de ingehouden loonbelasting en de werknemerspremies. De post Sociale premies werkgevers omvat alle wettelijke sociale verzekeringen (onder andere WW, WAO/WIA, re-integratie) en particuliere premies (pensioenpremies). Het verbruik van vaste activa kan worden gezien als waardevermindering door veroudering en/of slijtage, ofwel afschrijvingen. Uitbreidingsinvesteringen zijn investeringen die de hoeveelheid vaste activa vergroten en daarmee dus ook de productiecapaciteit. Bij indirecte belastingen minus subsidies resulteert het saldo van beide posten.

Op een eerdere studie van RaboResearch over de ontwikkeling van winstgevendheid in Nederland (zie Erken et al., 2023) werd door Van Vlokhoven (2023) de kritiek geuit dat onvoldoende rekening werd gehouden met het inkomen van zelfstandigen. We hebben er in die studie voor gekozen om het inkomen van zelfstandigen niet te expliciteren, omdat het arbeidsinkomen van zelfstandigen niet zuiver wordt gemeten in de statistieken. Het CBS gebruikt hiervoor het netto gemengd inkomen (zie CBS, CPB en DNB, 2017). Een nadeel van deze indicator is dat deze, naast de beloning voor de factor arbeid, ook de vergoeding voor kapitaalgebruik en de beloning voor ondernemerschap bevat. In de onderhavige studie kiezen we ervoor om, ondanks de beperkingen, het inkomen van zelfstandigen mee te nemen in onze decompositie aan de hand van het netto gemengd inkomen per bedrijfstak.

De uitsplitsing van de toegevoegde waarde is beschikbaar over meer dan twintig jaar (periode 2000-2021) voor 57 bedrijfstakken. We richten ons in dit artikel vooral op de marktsector. Soms hebben we aanvullende data uit andere bronnen geraadpleegd om gaten in de data te dichten of reeksen te extrapoleren.

De decompositie van de toegevoegde waarde laat een sterke heterogeniteit op bedrijfstakniveau zien. Figuur 4 laat voor individuele bedrijfstakken op 2-digit SBI-niveau het aandeel van de inkomenscomponenten in de toegevoegde waarde zien voor 2021, het meest recente peiljaar waarvoor data beschikbaar zijn.

De delfstoffenwinning is de meest winstgevende sector in Nederland met een winstquote van 74 procent. Andere sectoren met een hoge winstquote zijn de reisbranche, vervoer over water, de groothandel, chemie, machine-industrie (waaronder ook lithografiemachinebouwers) en uitgeverijen. We zien dat de winstquote in de reisbranche sinds 2008 een structurele toename laat zien, die mogelijk samenhangt met de opkomst van online platforms, zoals Booking.com. In de reisbranche is wellicht ook sprake van inhaaleffecten, omdat door COVID-19 de hele sector stilviel.

Aan de rechterkant van figuur 4 zien we de minder winstgevende bedrijfstakken. Mogelijke inhaaleffecten door de coronacrisis in 2021 zijn (nog) niet zichtbaar in de luchtvaartsector (aan rechterkant in figuur 4) en de sector cultuur, sport en recreatie. De winstpositie van de energiesector en aardolie-industrie zal overigens door de sterk gestegen prijzen voor gas, olie en elektriciteit in 2022 waarschijnlijk een heel ander beeld vertonen. Het beeld in de agrisector en de overige professionele dienstverlening (o.a. dierenartsen, fotografen en vertalers) wordt vertroebeld door het relatief grote aantal zelfstandigen. Zoals eerder aangegeven kunnen we voor zelfstandigen geen onderscheid maken tussen het loondeel en de compensatie voor ondernemerschap, waardoor winsten in sectoren met veel zelfstandigen lager uitvallen.

In bepaalde sectoren zijn de verhoudingen over de tijd flink verschoven (Figuur 5). Zo is het winstaandeel in de overige transportmiddelenindustrie en de elektrotechnische industrie over de afgelopen decennia structureel afgenomen. In de machinebouw en in minder mate de groothandel is de winstquote juist sterk toegenomen.

Figuur 5: Winstquote kan flink verschillen over de tijd

Verdere uitsplitsing niet mogelijk

Idealiter hadden we het netto exploitatieoverschot nog verder uitgesplitst. De nationale rekeningen houden bijvoorbeeld niet expliciet rekening met enkele investeringen in immaterieel kapitaal (zie Corrado et al., 2022 en figuur 6), zoals design en vormgeving, branding, bedrijfsspecifieke training en organisatorisch kapitaal (bedrijfsvoering, toeleveringsketens en distributienetwerken).[1] Vermoedelijk komen deze investeringen voor een flink gedeelte ten laste van het netto exploitatieoverschot.

[1] In 2020 bedroegen deze investeringen gezamenlijk ruim 73 miljard euro (10,3 procent van het bbp). Ter vergelijking: het bedrag aan investeringen dat wel wordt meegenomen in de nationale rekeningen, zoals R&D, was 39 miljard euro.

Bovendien moeten de kapitaalverschaffers – zowel van vreemd vermogen als eigen vermogen – nog worden gecompenseerd van dit netto exploitatieoverschot. Hier lopen we tegen databeperkingen aan (zie Erken en Van der Veen, 2023b). Zo zijn data uit de nationale rekeningen, de financiële balans en winst- en verliesrekening op sectorniveau niet eenvoudig te koppelen, omdat de laatstgenoemde databron is ‘vervuild’ door buitenlandse deelnemingen.

Een vervolgvraag is in welke mate er een correlatie bestaat tussen verschillen in winstgevendheid op bedrijfstakniveau enerzijds en dividenduitkeringen en immateriële activa enerzijds. Vanwege eerder benoemde databeperkingen kiezen we voor een regressieaanpak en schatten we het volgende panelmodel:

Hierin staat P voor het netto exploitatieoverschot van sector i op tijdstip t. Deze variabele is onze indicator voor de winstgevendheid in sectoren en wordt gedeeld door de totale toegevoegde waarde, waarmee aan de linkerkant van het isgelijkteken de winstquote ontstaat. Deze winstquote heeft betrekking op de beloning van al het ingezette kapitaal, inclusief vreemd vermogen. Een eerste verklarende variabele is de hoeveelheid dividend (D) ten opzichte van de totale activa. Als tweede variabele kijken we naar de immateriële investeringen die niet worden meegenomen in de nationale rekeningen (I ^NNA) in verhouding tot de totale immateriële investeringen (I ^TOT). We nemen de rentebetaling minus de renteopbrengst (R), gemeten in verhouding tot de totale hoeveelheid activa (A), mee als controlevariabele, omdat de winstquote betrekking heeft op de beloning van al het ingezette kapitaal, inclusief vreemd vermogen. Verder nemen we als controlevariabele de ingehouden winst mee in het model, gemeten als het netto resultaat (NI) minus het uitgekeerde dividend, in verhouding tot de totale activa. Deze ingehouden winst kan worden gebruikt om verschillende doelen te financieren die niet direct in onze vergelijking worden meegenomen, zoals het aflossen van schulden, het versterken van de kaspositie, terugkopen van aandelen of sparen. Tot slot staan Z en T voor respectievelijk cross-sectionele als tijdspecifieke fixed effects.

Methodologie en data

We gebruiken een OLS panel fixed effect schatter voor vergelijking (1). Onze regressieanalyse beperkt zich tot 31 Nederlandse bedrijfstakken (i) over de jaren (t) 2000-2021.[2] De data zijn afkomstig uit de nationale rekeningen van het CBS en de OESO en financiële balansdata voor ondernemingen van het CBS. Data over immateriële investeringen zijn afkomstig van EUKLEMS & INTANProd database van het Luiss Lab of European Economics. Alle variabelen zijn gestandaardiseerd en getoetst op stationariteit, om zogenoemde spurious correlations te voorkomen. Alleen onze rentevariabele blijkt non-stationair, maar is wel weer gecoïntegreerd met onze afhankelijke variabele.

We kiezen ervoor om de financiële balansdata te schalen met totale activa, omdat deze variabele net als dividenden, netto rentebetalingen en ingehouden winsten ook is vervuild met informatie over buitenlandse deelnemingen. Verder delen we de investeringen die niet worden meegenomen in de nationale rekeningen door het totaal aantal immateriële investeringen. Hiermee verkleinen we het risico dat deze variabele als proxy fungeert voor immateriële investeringen die juist wel in de nationale rekeningen zijn opgenomen.

We toetsen expliciet of multicollineariteit onze schattingen niet vertekent door de impact van onafhankelijke variabelen zowel los als in samenhang te schatten. We vermoeden dat er enige overlap is tussen de ingehouden winsten en de immateriële investeringsvariabelen, omdat deze ook uit ingehouden winsten kunnen worden gefinancierd.

Een ander aandachtspunt is de causaliteit van de schattingen. Laten we vooropstellen dat we geïnteresseerd zijn in de samenhang tussen winsten en de mogelijke bestemmingen hiervoor, en dus niet in de causaliteit. We kiezen ervoor om de winstquote in ons model neer te zetten als te verklaren in plaats van verklarende variabele. Dit doen we om twee redenen. Ten eerste is onze winstquote een geconstrueerde maatstaf die het resultaat is van het niet verder kunnen uitsplitsen van de toegevoegde waarde. Bovendien is vanuit bedrijfseconomisch oogpunt de winstquote van een ondernemer in een bepaald jaar vaak niet iets wat onderaan de streep toevallig overblijft, maar het resultaat van strategische beslissingen die vooraf worden genomen. Hierbij gaat het om vragen als: Hoeveel winst moeten we maken om onze aandeelhouders te kunnen belonen? En hoeveel geven we uit aan aftrekbare kosten? Door de winstquote te modelleren als afhankelijke variabele kan het belang van de mogelijke bestemmingen van de winst tegen elkaar worden afgewogen. Ten tweede is er een risico op omitted variable bias wanneer de winstquote wordt gebruikt als verklarende variabele van bijvoorbeeld dividend, netto rentebetalingen of immaterieel kapitaal, omdat het vaststellen van de determinanten van deze variabelen eigenlijk studies op zichzelf vereisen. Bovendien vermoeden we dat veel relevante informatie vaak niet op sectorniveau beschikbaar is. Als gevoeligheidsanalyse (zie bijlage) zullen we wel enkele eenvoudige schattingen uitvoeren waarbij we de winstquote als verklarende variabele opnemen om te checken of er sprake blijft van significante positieve verbanden.

Verbeteren deze immateriële investeringen ook het toekomstige verdienvermogen?

Over andere immateriële investeringen die wel in de nationale rekeningen worden meegenomen, zoals R&D, bestaat genoeg bewijs dat ze bijdragen aan het toekomstige verdienvermogen van het bedrijfsleven. Een belangrijke vraag is of immateriële investeringen als branding en organisatorisch kapitaal hetzelfde effect sorteren.

We schatten daarom ook een aantal cross-sectionele regressies waarin we de gemiddelde winstquote afzetten tegen de gemiddelde kapitaalgoederenvoorraad over de periode 2000 - 2019. We corrigeren de winstquote in sommige gevallen, omdat bepaalde investeringen, zoals Research & Development (R&D) wel worden meegenomen in de nationale rekeningen. Een hoge kapitaalgoederenvoorraad hangt dan samen met hogere investeringen en – zonder correctie - dus met een lagere winst.

[2] Data over immateriële investeringen is slechts voor een beperkt aantal sectoren beschikbaar.

In tabel 1 zijn de schattingen van vergelijking (1) weergeven. Dividend en immateriële investeringen laten een statistisch significante correlatie zien met de winstquote. Vooral het belang van immateriële investeringen valt op. De netto rentebetalingen en ingehouden winst blijken geen statistisch significante samenhang te hebben met de winstquote. In extra schattingsresultaten in de bijlage laten we zien dat met name investeringen in branding en organisatorisch kapitaal samenhangen met de winstgevendheid op bedrijfstakniveau.

We vinden een statistisch significante samenhang tussen de voorraad van immateriële kapitaalgoederen waarmee niet expliciet rekening wordt gehouden in de nationale rekeningen en de winstquote op bedrijfstakniveau (tabel 2). De winstquote heeft de sterkste samenhang met branding en organisatorisch kapitaal (waaronder operationele modellen, distributiekanalen en waardeketens). Dit suggereert dat in winstgevende sectoren ook in het verleden meer is geïnvesteerd in dit type immaterieel kapitaal. Winstgevende en niet-winstgevende sectoren verschillen tot slot niet sterk van elkaar voor wat betreft software en databases, industrieel ontwerp en bedrijfsspecifieke training.

De vraag of er bij het bedrijfsleven ruimte is voor het verhogen van de lonen kan niet in algemene termen worden beantwoord. Een generieke discussie over loon- en winstontwikkeling doet geen recht aan de specifieke situatie per bedrijfstak of bedrijf. Uit onze analyse blijkt dat niet elke sector even winstgevend is. Daar bestaan grote verschillen tussen, ook door de tijd heen.

Winstgevende sectoren keren bovendien niet al die winst uit aan aandeelhouders. Er is een duidelijke correlatie tussen dividenduitkeringen en winstgevendheid, maar investeringen in immaterieel kapitaal (zoals branding, ontwerp, organisatorisch kapitaal en bedrijfsspecifieke trainingen) spelen ook een belangrijke rol. Omgekeerd zijn investeringen in immaterieel kapitaal ook weer belangrijk om het toekomstige verdienvermogen van bedrijven te versterken. Zo blijken sectoren met een hoge mate van R&D-, branding- en organisatorisch kapitaal winstgevender dan sectoren waar die kapitaalintensiteiten lager liggen.

Onze resultaten onderstrepen dat de loondiscussie vraagt om maatwerkafspraken tussen de werknemers(vertegenwoordigers) en werkgevers op het niveau van sectoren of bedrijven. Ook is het belangrijk om in de discussie rekening te houden met het belang van investeringen in immaterieel kapitaal.

AWVN, MKB-Nederland en VNO-NCW (2023). In goede aarde. Agenda voor een productief Arbeidsvoorwaardenoverleg. Arbeidsvoorwaardennota 2023. Den Haag.

Corrado, C., J. Haskel, C. Jona-Lasinio, and M. Iommi (2022). Intangible Capital and Modern Economies. Journal of Economic Perspectives, 36 (3): 3-28.

CBS, CPB en DNB (2017). Herziening methode arbeidsinkomensquote. Den Haag.

Erken, H.P.G., S. Groot, S. Schreijen en M. van der Veen (2023). Is er in Nederland sprake van graaiflatie? Rabobank.

Erken, H.P.G. en M. van der Veen (2023a). Sectorale winstontwikkeling in Nederland. Utrecht: Rabobank.

Erken, H.P.G. en M. van der Veen (2023b). Commentaar Van Vlokhoven welkome aanvulling, maar berekeningen roepen ook vragen op. ESB.

Financieele Dagblad (2023). FNV-vicevoorzitter Zakaria Boufangacha: 'We moeten nu een loongolf hebben'.

De Rijk, M. (2022), Nóg meer naar de aandeelhouders, De Groene Amsterdammer, 146(26).

Vlokhoven, H. van (2023). Geen graaiflatie omdat de kosten van kapitaal gestegen zijn. ESB.

Weel, B. ter, J. Hers, J. Witteman en T. Smits (2018). De AIQ in Nederland: een overzicht. Stichting Economisch Onderzoek (SEO), 2018-58.

Stichting Economisch Onderzoek (SEO).Loonontwikkeling en AIQ in Nederland. Analyse van lonen, winst en AIQWeel, B. ter, J. Witteman en D. Stäbler (2023).

Dit artikel is eerder gepubliceerd in ESB.

Gevoeligheidsanalyse I: dynamische specificatie

Om de resultaten uit tabel 1 te toetsen op gevoeligheid voeren we twee alternatieve schattingen uit. Ten eerste schatten we ons model in eerste verschillen, om te toetsen of de gevonden effecten in tabel 1 overeind blijven in een dynamische specificatie. Dit blijkt het geval te zijn (zie tabel 2). Het effect van zowel dividend als immateriële investeringen is positief en statistisch significant.

In een dynamische specificatie kunnen we bovendien de verschillende subcategorieën (zie figuur 7) van immateriële investeringen expliciteren, omdat deze variabelen niet allemaal stationair zijn. Dat gebeurt in kolom (2). Investeren in branding, organisatorisch kapitaal en bedrijfsspecifieke training hebben het verwachte positieve effect op de winstquote, al laat de laatstgenoemde variabele geen statistisch significant effect zien. Investeringen in design laat echter een contra-intuïtief negatief teken zien. Waarschijnlijk speelt multicollineariteit hierbij een verstorende rol. Als we de design-variabele separaat opnemen in de vergelijking resulteert immers een positief significant effect (zie kolom (3) in tabel 2). Tegelijkertijd loopt de verklaringskracht van het model aanzienlijk terug, wat aangeeft dat design een veel minder belangrijke variabele is dan branding of organisatorisch kapitaal.

Gevoeligheidsanalyse II: winstquote als verklarende variabele

We voeren ook een tweede gevoeligheidsanalyse uit, waarbij we dividend en immateriële investeringen (totaal en subcategorieën) verklaren door louter de winstquote. Om niet-geobserveerde heterogeniteit zoveel mogelijk te ondervangen nemen we cross-sectionele en/of tijdsspecifieke fixed effects op in ons model. Zoals gezegd zijn deze schattingen mogelijk nog steeds onderhevig aan omitted variable bias, wat benadrukt waarom deze bedoeld zijn als gevoeligheidsanalyse.

In alle schattingen in tabel 3 heeft de winstquote of de mutatie van de winstquote een statistisch significant effect op de afhankelijke variabelen. Dit is voor ons een bevestiging dat winst enerzijds en dividend en immateriële investeringen anderzijds positief met elkaar samenhangen.