Transparentnost neziskového sektoru: kontinuální zveřejňování účetních závěrek
1 Transparentnost NNO a její význam
Neziskové organizace (NNO) jsou soukromoprávní osoby, které nepodléhají stejné veřejné kontrole jako orgány veřejné správy. Přesto disponují řadou specifik, které veřejný zájem o jejich hospodaření legitimizují: čerpají prostředky z veřejných zdrojů, využívají daňové benefity, oslovují veřejnost s žádostmi o podporu a často poukazují na problematické jevy ve společnosti.
Transparentnost - jako plnění předem daných povinností vůči stakeholderům včetně legislativních požadavků - je proto základním nástrojem pro získání důvěryhodnosti. Přesto většina organizací neplní ani minimální zákonné povinnosti. Důvody jsou opakovaně identifikovány: složitost a roztříštěnost právní úpravy, rezignace státu na vymáhání, neznalost a nízká profesionalita na straně NNO.
1.1 Zákonná povinnost zveřejňovat účetní závěrky
Od účinnosti nového občanského zákoníku (2014) jsou spolky, pobočné spolky a další formy NNO povinny ukládat účetní závěrky do sbírky listin veřejného rejstříku. Konkrétně musí být zveřejněna rozvaha a výkaz zisku a ztráty (případně výkaz příjmů a výdajů) za každý účetní rok, v němž organizace existovala.
Dosavadní výzkum na Centru pro výzkum neziskového sektoru (CVNS) ukázal, že povinnost je plněna velmi nerovnoměrně: u nadací (povinnost od 1997) neplní průběžně svou povinnost průměrně přes 51 % subjektů, a to i z těch, které mají webové stránky. Podobné výsledky byly zjištěny u struktury Fotbalové asociace ČR, Českého červeného kříže i Sdružení hasičů Čech, Moravy a Slezska.
1.2 Popis dat a zkoumaného vzorku
Výzkumný vzorek tvoří 80 poboček ze čtyř zastřešujících organizací: Českého červeného kříže (ČČK), Fotbalové asociace ČR (FAČR), Sdružení hasičů Čech, Moravy a Slezska a České obce sokolské (Sokoli). Organizace byly vybrány záměrně tak, aby přesně polovina (40) kontinuálně splňovala zákonnou povinnost zveřejňovat účetní závěrky a polovina (40) tuto povinnost neplnila.
Klíčová vysvětlovaná proměnná zv_kontinualni je tedy dichotomická: ano (40 jednotek) / ne (40 jednotek).
| organizace | Celkem poboček | Zveřejňuje (ano) | Nezveřejňuje (ne) | Medián obyvatel (tis.) | Medián majetku (tis. Kč) |
|---|---|---|---|---|---|
| ČČK | 20 | 11 | 9 | 40,1 | 9 371 |
| FAČR | 20 | 10 | 10 | 30,1 | 727 |
| hasiči | 20 | 11 | 9 | 9,9 | 1 038 |
| sokoli | 20 | 8 | 12 | 23,3 | 1 362 |
Z každé organizace je zastoupeno 20 poboček. Vznik organizací sahá od 70. let 20. století; 60 % vzorku vzniklo po roce 1993 (tj. po vzniku samostatné ČR). Data pokrývají charakteristiky základní (velikost sídla, účetnictví, web, kontakty) i ekonomické (průměrný majetek, výnosy, náklady za dostupná účetní období, poměrové ukazatele).
2 Průběžné analýzy
2.1 Kategorie spojené se zveřejňováním
Kontingenční tabulky porovnávají zastoupení jednotlivých kategorií vysvětlujících proměnných ve skupině zveřejňujících (ano) a nezveřejňujících (ne) organizací. Níže jsou vybrány proměnné s nejzajímavějším rozdělením.
Zobrazit kód
kvalitativni <- names(data)[sapply(data, is.factor)]
kvalitativni <- kvalitativni[-grep(
'(zv_kontinualni|zv_kontinualni_minule|zv_vse|zv_vse_minule|f_mesto|zamestnanost)$',
kvalitativni)]
zv <- c('zv_kontinualni')
kontingencni_tabulky <- list()
for (j in zv) {
for (i in kvalitativni) {
tab <- table(data[[j]], data[[i]])
nazev <- paste0(j, "_VS_", i)
kontingencni_tabulky[[paste0("abs_", nazev)]] <- addmargins(tab)
kontingencni_tabulky[[paste0("podm_rad_", nazev)]] <- prop.table(tab, margin = 1)
kontingencni_tabulky[[paste0("rel_", nazev)]] <- addmargins(prop.table(tab))
}
}2.1.1 Web
| ano | ne | Sum | |
|---|---|---|---|
| ano | 35 | 5 | 40 |
| ne | 28 | 12 | 40 |
| Sum | 63 | 17 | 80 |
Podmíněné řádkové relativní četnosti ukazují, že 87,5 % kontinuálně zveřejňujících organizací má webové stránky, zatímco u nezveřejňujících je to jen 70,0 %. Závislost na přítomnosti webu je statisticky prokázána (viz Sekce 2.1.5).
2.1.2 Typ účetnictví
| jednoduché | zjednodušené | plné | neuvedeno | Sum | |
|---|---|---|---|---|---|
| ano | 1 | 22 | 17 | 0 | 40 |
| ne | 5 | 10 | 11 | 14 | 40 |
| Sum | 6 | 32 | 28 | 14 | 80 |
Zveřejňující organizace téměř bez výjimky vedou podvojné účetnictví a informaci o jeho typu vždy uvádějí. U nezveřejňujících organizací naopak 35 % typ účetnictví vůbec neuvede a 12,5 % vede jednoduché účetnictví - celkově tedy působí méně profesionálně a organizovaně.
2.1.3 Kontakty
| ano | ne | Sum | |
|---|---|---|---|
| ano | 36 | 4 | 40 |
| ne | 29 | 11 | 40 |
| Sum | 65 | 15 | 80 |
90,0 % zveřejňujících organizací uvádí alespoň jeden kontakt (jméno, e-mail nebo telefon), oproti 72,5 % nezveřejňujících. Rozdíl je statisticky významný.
2.1.4 Vznik organizace a velikost sídla
Na 5% hladině významnosti nebyla prokázána statisticky významná závislost kontinuálního zveřejňování na proměnných f_vznik (před/po 1993) a f_mesto_dummy (do/nad 50 tis. obyvatel). Deskriptivně však platí, že 67,5 % nezveřejňujících organizací sídlí v obcích do 50 tis. obyvatel a 57,5 % zveřejňujících organizací vzniklo po roce 1993.
2.1.5 Kde se skupiny skutečně liší
Pro ověření vztahu mezi kontinuálním zveřejňováním účetních závěrek a vybranými kategorickými proměnnými byly použity χ² testy dobré shody, případně Fisherův exaktní test. Síla zjištěné závislosti byla hodnocena pomocí Cramérova indexu V.
Zobrazit kód
set.seed(123)
for (i in kvalitativni) {
foo <- chisq.test(data$zv_kontinualni, data[[i]],
simulate.p.value = TRUE, B = 10000)
# Podmínka dobré aproximace
podminka <- if (
(sum(foo$expected >= 5) +
sum(foo$expected < 5 & foo$expected >= 2)) / length(foo$observed) == 1
) "splneno" else "nesplneno"
# Cramérovo V jako míra síly závislosti
K <- foo$statistic
n <- sum(foo$observed)
m <- min(dim(foo$observed))
cramer_v <- sqrt(K / (n * (m - 1)))
cramer_v_lable <-
if (cramer_v < 0.1) {
(paste(round(cramer_v, 3), 'zanedbatelná závislost'))
} else if (cramer_v < 0.3) {
(paste(round(cramer_v, 3), 'slabá závislost'))
} else if (cramer_v < 0.5) {
(paste(round(cramer_v, 3), 'střední závislost'))
} else {
(paste(round(cramer_v, 3), 'silná závislost'))
}
}| Vysvětlující proměnná | p-hodnota | Závislost | Cramerův index |
|---|---|---|---|
| Web (ano/ne) | 0,099 * | Ano | 0,21 slabá závislost |
| Typ účetnictví | 0,000 *** | Ano | 0,53 silná závislost |
| Kontakty obecně (ano/ne) | 0,083 * | Ano | 0,22 slabá závislost |
| Majetková struktura (do/nad 90 %) | 0,000 *** | Ano | 0,67 silná závislost |
| Zadluženost (do/nad 5 %) | 0,723 | Ne | |
| HHI kategorie (do/nad 0,6) | 1,000 | Ne | |
| Vznik (před/po 1993) | 0,819 | Ne | |
| Velikost sídla (do/nad 50 tis.) | 1,000 | Ne | |
| Podřízené úrovně (ano/ne) | 1,000 | Ne | |
| Vedlejší činnost (ano/ne) | 1,000 | Ne | |
| Stanovy zveřejněny (ano/ne) | 0,263 | Ne |
Na 5% hladině významnosti byla prokázána závislost kontinuálního zveřejňování na přítomnosti webu, typu účetnictví a dostupnosti kontaktů. U zbývajících kategorických proměnných závislost prokázána nebyla - v části případů kvůli nedostatečné variabilitě nebo chybějícím datům (zaměstnanci, transparentní účet).
U majetkové struktury byla pozorována výrazná závislost, která však pravděpodobně odráží především to, zda jsou účetní údaje organizace vůbec dohledatelné. Organizace kontinuálně nezveřejňující účetní závěrku totiž často nemají údaje o majetkové struktuře dostupné („neuvedeno“).
2.2 Ekonomické rozdíly podle zveřejňování
Pro spojité ekonomické charakteristiky byl použit dvouvýběrový Wilcoxonův test (neparametrická alternativa t-testu pro případ porušení normality), doplněný o Cohenovo D jako míru velikosti efektu.
Zobrazit kód
spojite <- grep('^(obyvatele|vznik|majetek|hc_naklady|hc_vynosy|hc_vh|hc_hhi|
majetkova_struktura|zadluzenost)$',
names(data), value = TRUE)
for (i in spojite) {
x <- data[[i]][data$zv_kontinualni == "ano"]
y <- data[[i]][data$zv_kontinualni == "ne"]
# Test symetrie (detekce ties -> simulate.p.value)
set.seed(123)
wilcox.test(x, y, alternative = "two.sided", exact = FALSE)
}| Proměnná | Medián ANO | Medián NE | Závislost prokázána |
|---|---|---|---|
| Majetek | 2 217,00 | 1 407,00 | Ano * |
| Výnosy - hlavní činnost | 1 645,00 | 1 887,00 | Ne |
| Výnosy - vedlejší činnost | 141,00 | 0,00 | Ano ** |
| Náklady - hlavní činnost | 1 658,00 | 2 976,00 | Ne |
| Náklady - vedlejší činnost | 46,00 | 0,00 | Ne |
| Výsledek hospodaření - hlavní činnost | 13,00 | 8,00 | Ne |
| HHI - hlavní činnost | 0,61 | 0,64 | Ano * |
| Majetková struktura | 0,91 | 0,83 | Ano * |
| Zadluženost | 0,09 | 0,25 | Ano * |
Organizace zveřejňující účetní závěrku vykazují statisticky významně vyšší majetek, vyšší hodnoty HHI (tedy koncentrovanější výnosovou základnu) a vyšší výnosy z vedlejší činnosti. Současně mají vyšší majetkovou strukturu a nižší zadluženost (podíl krátkodobého finančního majetku na aktivech). Naopak ve výnosech z hlavní činnosti, nákladech ani výsledku hospodaření nebyly mezi skupinami zjištěny statisticky významné rozdíly.
2.3 Nejsilnější faktory kontinuálního zveřejňování
Pro komplexní posouzení prediktivní síly proměnných byla odhadnuta logistická regrese s vysvětlovanou proměnnou zv_kontinualni. Model byl vybrán pomocí stepwise selekcí (backward, forward i oboustranný přístup).
Zobrazit kód
library(performance)
data_na <- na.omit(data[, c("zv_kontinualni", "obyvatele", "vznik",
"podrizene_urovne", "organizace", "uroven",
"web", "kontakty_obecne", "vedlejsi_cinnost",
"zv_stanovy", "ucetnictvi", "majetek",
"f_mesto_dummy", "f_vznik", "f_majetkova_struktura")])
data_na$zv_kontinualni <- factor(data_na$zv_kontinualni, levels = c("ne", "ano"))
fullmod <- glm(zv_kontinualni ~ obyvatele + vznik + podrizene_urovne +
vedlejsi_cinnost + kontakty_obecne + ucetnictvi + majetek +
f_majetkova_struktura + f_vznik + f_mesto_dummy,
data = data_na, family = binomial)
nothing <- glm(zv_kontinualni ~ 1, data = data_na, family = binomial)
backwards <- step(fullmod)
forwards <- step(nothing, scope = list(lower = formula(nothing),
upper = formula(fullmod)),
direction = "forward")Proměnná zv_kontinualni byla před odhadem logistické regrese pomocí funkce relevel() nastavena tak, aby referenční kategorií byla hodnota „ne“. Model tak odhaduje šanci na kontinuální zveřejňování účetní závěrky („ano“) vůči organizacím, které kontinuálně nezveřejňují („ne“). Díky tomu lze kladné koeficienty interpretovat jako vyšší šanci zveřejňovat a záporné koeficienty jako nižší šanci zveřejňovat.
Zobrazit kód
data <- data |> mutate(zv_kontinualni = relevel(zv_kontinualni, ref = "ne"))Backward výběr dospěl k modelu s proměnnými obyvatele, vznik, podrizene_urovne, majetek, hc_vynosy, hc_vh, f_hhi a f_mesto_dummy (AIC = 48,7). Forward/stepwise konvergoval k jednodušší specifikaci s majetek, f_majetkova_struktura, vznik a f_mesto_dummy (AIC = 48,3).
Pro finální interpretaci byl zvolen model zahrnující navíc proměnné organizace a f_vznik, který lépe odpovídá věcné logice výzkumné otázky - za cenu mírně vyššího AIC = 51,6.
| Proměnná | Odhad | Poměr šancí | Std. chyba | p-hodnota | Šance na zveřejnění |
|---|---|---|---|---|---|
| (konstanta) | -5,009 | -1,5x | 2,206 | 0,0232 * | |
| Majetek | 5,717e-04 | 0,05 % | 2,253e-03 | 0,0111 * | Mírně vyšší šance |
| Majetková struktura nad 90 % | 2,321 | 10,2x | 1,213 | 0,0556 . | Výrazně vyšší šance |
| Sídlo nad 50 tis. obyvatel | -1,013 | -63,7 % | 1,013 | 0,3171 | Nižší šance |
| Vznik po 1993 vs. před 1993 | -0,210 | -19 % | 1,145 | 0,8544 | Mírně nižsí šance |
| FAČR vs. ČČK | 3,670 | 39x | 1,756 | 0,0366 * | FAČR zveřejňuje více |
| Hasiči vs. ČČK | 5,385 | 218x | 2,147 | 0,0121 * | Hasiči zveřejňují výrazně více |
| Sokoli vs. ČČK | 3,739 | 42x | 1,647 | 0,0232 * | Sokoli zveřejňují výrazněji více |
| Podřízená úroveň (ano) | -1,686 | -5,4x | 1,190 | 0,1566 | Výrazně vyšší šance |
Logistická regrese ukazuje, že pravděpodobnost kontinuálního zveřejňování účetní závěrky roste s velikostí majetku a je vyšší u organizací typu FAČR, hasiči a sokoli oproti referenční skupině. S vyšší pravděpodobností zveřejňování je spojen i vyšší majetková struktura. Organizace s majetkovou strukturou nad 90 % vykazují přibližně 10× vyšší šanci zveřejňovat, tento efekt je však pouze hraničně statisticky významný (p = 0,056) a může částečně odrážet skutečnost, že u nezveřejňujících organizací často nejsou účetní údaje vůbec dostupné.
Ve srovnání s referenční skupinou mají organizace FAČR přibližně 39×, hasiči 218× a sokoli 42× vyšší šanci zveřejňovat. Tento výsledek je však nutné interpretovat opatrně, protože logistická regrese vyřazuje pozorování s chybějícími hodnotami a model tak pracuje pouze s organizacemi, u nichž jsou účetní údaje dostupné (případ ČČK oproti ostatním organizacím). Výsledky proto mohou částečně odrážet spíše rozdíly v dostupnosti účetních dat než samotném zveřejňování účetních závěrek.
Naopak velikost města, vznik po roce 1993 ani existence podřízených úrovní se jako významné faktory neprokázaly.
2.4 Stabilita a změny ve zveřejňování
Vývoj zveřejňování v čase ukazuje, že většina organizací má stabilní chování: 36 organizací dlouhodobě zveřejňuje a 36 dlouhodobě nezveřejňuje. Skupiny, které své chování změnily, jsou velmi malé - v obou případech jde pouze o 4 organizace - proto je lze interpretovat jen ilustrativně.
Stabilně zveřejňující organizace mají oproti stabilně nezveřejňujícím vyšší medián majetku (2 545 vs. 1 407 tis. Kč), výrazně nižší zadluženost (9 % vs. 25 %), častěji web (86 % vs. 67 %) i kontaktní údaje (89 % vs. 69 %) a téměř se u nich nevyskytuje jednoduché účetnictví (0 % vs. 23 %). Tento profil odpovídá závěrům průřezové analýzy.
Organizace, které zveřejňovat přestaly, tvoří převážně sokolské spolky. Přestože jde o organizace s relativně dobrou informační otevřeností (mají web, zveřejněné kontakty i stanovy), kontinuitu zveřejňování účetních závěrek si neudržely.
Naopak organizace, které zveřejňovat začaly, sídlí výhradně v menších obcích, nemají podřízenou organizační úroveň a z poloviny jde o hasiče. Vzhledem k velmi nízkému počtu případů však z těchto změnových skupin nelze vyvozovat obecné závěry.
3 Závěrečné shrnutí
3.1 Klíčová zjištění
Analýza 80 poboček čtyř velkých českých NNO (ČČK, FAČR, hasiči, sokoli) přinesla konzistentní obraz faktorů, které s kontinuálním plněním zákonné povinnosti zveřejňovat účetní závěrky statisticky souvisejí:
Prokázaná závislost:
- Přítomnost webových stránek (χ² test, p < 0,05)
- Typ účetnictví - zjednodušené/plné oproti jednoduchému (χ² test, p < 0,05)
- Alespoň jeden zveřejněný kontakt (χ² test, p < 0,05)
- Nižší zadluženost (Wilcoxonův test, p < 0,05)
- Vyšší majetková struktura (logistická regrese, p < 0,05)
- Vyšší výnosová koncentrace (HHI) (Wilcoxonův test, p < 0,05)
- Vyšší majetek (Wilcoxonův test, p < 0,05), logistická regrese, p < 0,05)
Nedostatečná data (nelze rozhodnout): zaměstnanost, transparentní účet, veřejný rejstřík (účel, funkce, stanovy).
3.2 Profil typické zveřejňující a nezveřejňující organizace
Zveřejňující organizace je pravděpodobněji v menším městě (do 50 tis. obyvatel), má webové stránky, alespoň jeden zveřejněný kontakt, vede podvojné účetnictví a ekonomicky vykazuje vyšší majetek s nižší zadlužeností a nižší majetkovou strukturou. S vyšší pravděpodobností vznikla do roku 1993 a nemá podřízené organizační jednotky.
Nezveřejňující organizace je naopak typicky v obci nad 50 tis. obyvatel, nemá nebo neuveřejňuje kontakty, nezveřejňuje ani typ účetnictví, a pokud jej uvádí, je s vyšší pravděpodobností jednoduchý. Ekonomicky má vyšší zadluženost a vykazuje vyšší náklady i výnosy na hlavní činnost.
3.3 Praktické dopady
Výsledky potvrzují, že zákonná povinnost zveřejňovat účetní závěrky je ve spolkovém sektoru dlouhodobě a systematicky nedodržována. Organizace, které tuto povinnost plní, se od ostatních liší v řadě charakteristik a zpravidla vykazují vyšší míru profesionalizace, organizační vyspělosti a veřejné viditelnosti. Klíčovým závěrem proto zůstává, že bez důslednější kontroly a vymáhání ze strany státu nelze očekávat významné zlepšení stávající situace.