Why Does Fixation Persist? Experimental Evidence on the Judgment Performance Effects of Expensing Intangibles

Mengapa Fiksasi Bertahan?

Bukti Eksperimental mengenai Efek Pelaksanaan

Penilaian Pembiayaan Intangible

Joan L. Luft

Michael D. Shields

Universitas Michigan

INTISARI:

Studi ini menunjukkan secara eksperimental bahwa ketika individu menggunakan informasi mengenai pengeluaran intangible untuk memprediksikan profit mendatang, pembiayaan (vs pengkapitalan) pengeluaran secara signifikan mengurangi akurasi, konsistensi, konsensus, dan pandangan pribadi prediksi profit subjektif individu. Desain eksperimental memungkinkan kita menghilangkan beberapa penjelasan yang bersaing untuk fiksasi yang nampak dalam penghitungan. Subjek tidak mendasarkan penilaian mereka pada kepercayaan naif bahwa pembiayaan menghalangi efek profit mendatang; pertanyaan pra eksperimen menunjukkan bahwa subjek mengharapkan pengeluaran intangible akan mempengaruhi profit mendatang bahkan ketika dibiayai. Lebih jauh, subjek tidak kekurangan, atau gagal menggunakan, data yang akan memungkinkan mereka mempelajari hubungan pasti antara pengeluaran-profit. Mereka menerima data mengenai pengeluaran intangible dan profit sebagai basis untuk belajar, dan dalam beberapa hal pembelajaran ini cukup berhasil bahkan ketika intangible dibiayai; prediksi profit subjek secara akurat merefleksikan alat dan standar deviasi profit aktual. Meskipun demikian, yang konsisten dengan teori pembelajaran psikologis, subjek tidak belajar magnitude pasti tentang efek intangible pada profit mendatang seperti halnya ketika intangible dibiayai. Meskipun alat prediksi mereka akurat, mereka tidak memdiskriminasikan antara kasus dengan profit aktual yang tinggi dan rendah. Sebagai konsekuensinya, akurasi, konsistensi, konsensus, dan pandangan pribadi prediksi mereka lebih rendah ketika intangible dibiayai. Jadi, dalam kasus ini, pembelajaran tidak mengurangi fiksasi penghitungan, karena penghitungan mempengaruhi proses pembelajaran itu sendiri.

I.                PENGANTAR

Riset penghitungan manajerial dan finansial menguji apakah individu memperbaiki penghitungan atau dapat “melihat melalui” atau “menguraikan” efek metode penghitungan alternatif (lihat tinjauan oleh Wilner dan Birnberg, 1986; Libby et al., yang akan datang; Kothari, yang akan datang). Studi kami mengarah pada pertanyaan kunci yang tetap tak terselesaikan pada studi sebelumnya: Akankah kesempatan belajar menghilangkan fiksasi?

            Sejumlah studi, baik arsip maupun eksperimental, menyatakan bahwa hasil fiksasi dari kurangnya pengalaman atau data yang relevan, dan karenanya kesempatan untuk mendapatkan pengalaman atau data – misalnya untuk belajar – seharusnya menghilangkannya (Chen dan Schoderbek, 2000; Gupta dan King, 1997; Waller et al., 1999). Eksperimen dengan subjek mahasiswa yang memiliki kesempatan belajar kadang-kadang mengurangi atau menghilangkan fiksasi penghitungan (Gupta dan King, 1997; Waller et al., 1999). Analis finansial yang profesional terus menunjukkan fiksasi ketika memprediksikan harga saham berdasarkan informasi penghitungan, meskipun mereka mungkin memiliki kesempatan untuk belajar mengenai hubungan antara data penghitungan dan harga saham dalam pekerjaan, sebelum berpartisipasi dalam eksperimen (Hopkins, 1996; Hirst dan Hopkins, 1998; Hopkins et al., 2000). Ketiadaan kesempatan belajar untuk analis finansial dalam eksperimen tetap merupakan masalah, terutama karena beberapa metode penghitungan dengan eksperimen fokus relatif jarang atau baru (Lipe, 1998).

            Dalam studi ini, kami menguji apakah kapitalisasi vs membiayai hasil pengeluaran intangible dalam fiksasi bahkan ketika individu memiliki kesempatan belajar. Penghitungan untuk intangible merupakan konteks yang terutama berharga untuk menguji ketahanan fiksasi. Pertama, memiliki implikasi praktik yang luas untuk penghitungan finansial dan manajerial. Aboody dan Lev (1998) dan Chan et al. (1999) menyatakan bahwa syarat membiayai intangible untuk hasil laporan eksternal dalam kesalahan menentukan harga beberapa saham firma. Meskipun GAAP memerlukan firma untuk membiayai sebagian besar pengeluaran untuk intangible, sejumlah firma mengkapitalkan pengeluaran ini untuk laporan internal di luar perhatian bahwa pembiayaan dapat menyesatkan manajer (Stewart, 1991; Tully, 1993, 1998).

            Kedua, individu dengan training bisnis dan pengalamab mungkin dapat diharapkan melihat melalui pembiyaan intangible. Pembiayaan vs pemodalan intangible lebih dalam dipublikasikan dan secara konseptual lebih sederhana dibandingkan kebanyakan emisi penghitungan lain dengan fiksasi sudah ditunjukkan: debt-equity swaps (Hand, 1990), penyesuaian aset deffered tax (Chen dan Schoderbek, 2000), penghitungan untuk saham yang dianggap dapat ditebus (Hopkins, 1996), dan penyesuaian reklasifikasi dalam income komprehensif untuk keuntungan atau kerugian yang tidak dapat direalisasikan dalam sekuritas yang dapat dipasarkan (Hirst dan Hopkins, 1998; Maines dan McDaniel, 2000). Dengan memilih emisi penghitungan yang sederhana dan familiar, kami menyediakan setting dengan pembelajaran yang tidak untuk memperbiki seharusnya relatif mudah.

            Subjek dalam eksperimen kami menerima data pada pengeluaran intangible (pengeluaran pada program perbaikan kualitas) dan profit kotor pada 20 pabrik manufaktur yang setipe. Pada data ini, efek pengeluaran intangible untuk profit pada waktu sekarang dan dua periode penggantinya terlalu kecil untuk signifikan secara statistik, tetapi efek profit tiga periode di masa depan besar dan secara statistik signifikan. Eksperimen menguji apakah subjek mempelajari efek lagged untuk pengeluaran perbaikan kualitas profit dari data ini, dan apakah mereka mempelajarinya sama baiknya ketika firma mengkapitalkan pengeluaran (mengklasifikasikannya sebagai investasi dalam aset) atau membiayainya. Kemampuan prediktif statistik untuk data pengeluaran identik dengan apakah pengeluaran dibiayai atau dikapitalkan, dan insentif subjek untuk mempelajari hubungan itu identik pada kedua kondisi.

            Ketika firma mengkapitalkan pengeluaran (kondisi investasi), subjek mempelajari hubungan antara pengeluaran intangible dan profit yang relatif baik. Dengan pengeluaran yang dibiayai (kondisi pengeluaran), subjek tidak mempelajari hubungan itujuga; secara rata-rata, mereka meremehkan kekuatan hubungan lagged sampai sekitar separuh dan membuat error prediksi yang lebih besar dibandingkan yang dilakukan subjek dalam kondisi investasi. Ketika mereka menggunakan yang mereka pelajari mengenai efek intangible profit untuk memperbaiki kasus baru, subjek dalam kondisi pengeluaran memprediksikan kasus yang kurang konsisten dan menunjukkan konsensus yang kurang antar individu dibandingkan dengan yang dilakukan subjek dalam kondisi investasi. Lebih jauh, subjek dalam kondisi pengeluaran menunjukkan sedikit pandangan ke proses penilaian mereka sendiri ketika diminta menjelaskan cara membuat prediksi mereka.

            Hasilnya tidak terjadi karena subjek secara naif percaya bahwa pembiayaan berarti pengeluaran tidak memiliki keuntungan mendatang. Kami memverifikasi pertanyaan pra eksperimen bahwa semua subjek mengharapkan pengeluaran intangible untuk mempengaruhi profit dalam periode mendatang, bahkan ketika firma secara mendadak mengeluarkan intangible. Lebih jauh, hampir semua subjek dalam kondisi pengeluran mendeteksi tiga periode efek pengeluaran lagged mengenai profit dalam data yang mereka terima. Dibandingkan dengan subjek dalam kondisi investasi, mereka membuat error yang lebih besar dalam memperkirakan magnitude efek profit-pengeluaran lagged, dan mereka menggabungkannya dengan kurang efektif ke dalam penilaian mereka, karena konsistensi, konsensus, dan pandangan pribadi mereka menunjukkan penilaian mereka yang lebih rendah.

            Hasil ini menunjukkan bahwa pembelajaran tidak memerlukan perbaikan yang cepat untuk fiksasi penghitungan, karena penghitungan dapat mempengaruhi proses pembelajaran itu sendiri. Penemuan ini konsisten dengan teori psikologis yang ditunjukkan di Bagian II. Studi ini menambah perbendaharaan penjelasan mengenai bagaimana terjadinya fiksasi – dan bahkan bertahan meskipun tampak kerumitan pemakai mengenai penghitungan (seperti kesadaran subjek mengenai potensi intangible mendatang) dan kesempatan untuk menghilangkan fiksasi melalui pembelajaran.

            Sisa paper ini dilanjutkan sebagai berikut: Bagian II sampai IV menunjukkan motivasi hipotesis, desain, hasil eksperimen yang menguji efek penilaian mengkapitalkan vs membiayai pengeluaran intangible. Bagian V membicarakan studi dan implikasinya untuk riset mendatang.

II.              MOTIVASI HIPOTESIS

Luasnya individu dalam satu organisasi, dari manajemen puncak sampai karyawan level rendah dengan skala pengeluaran kekuasaan skala kecil, membuat keputusan mengenai pengeluaran intangible. Peniliaan individu mengenai efek pengeluaran intangible profit merupakan input kunci untuk keputusan ini. Bagian ini mendeskripsikan hak yang harus dipelajari individu untuk menampilkan tugas penilaian ini, bagaimana mereka mempelajarinya, dan bagiamana kami mengharapkan klasifikasi penghitungan yang mempengaruhi proses pembelajaran.

Apa yang Harus Dipelajari Individu?

            Pengeluaran intangible mempengaruhi profit sekarang dan mendatang melalui dua jalan, dengan kami merancang efek kalkulasi penghitungan dan efek penyebab ekonomi tidak langsung. Sebagai satu contoh mengenai efek kalkulasi penghitungan, jika firma mengeluarkan biaya $10.000 untuk training karyawan, maka pengeluaran mengurangi profit sekarang sampai $10.000 dan tidak memiliki efek kalkulasi penghitungan untuk profit mendatang. Jika firma mengkapitalkan pengeluaran dan melunasinya selama empat periode, maka mengurangi profit sampai $2.500 tiap periodenya. Pengetahuan mengenai aturan penghitungan dasar memungkinkan individu mengidentifikasi magnitude dan penentuan waktu untuk efek kalkulasi penghitungan ini.

            Efek pengeluaran program training ini pada profit tidak hanya mencakup kalkulasi sederhana ini, tetapi juga mengubah pemasukan dan/atau biaya operasi yang dihasilkan dari perubahan pada perilaku karyawan setelah training. Ketika pengeluaran menghasilkan pengembalian positif, maka efek penyebab ekonomi tidak langsung melebihi efek kalkulasi penghitungan, dan error dalam memperkirakan efek penyebab ekonomi dapat menyebabkan prediksi profit secara signifikan. Individu mungkin mengembangkan kepercayaan sebelumnya mengenai magnitude dan penentuan waktu efek penyebab ekonomi tidak langsung berdasarkan pengalaman mereka dengan program training lain atau informasi mengenai pengalaman lain. Akan tetapi, individu dapat memperkirakan efek profit aktual pengeluaran tertentu hanya dengan mengamati pengeluaran dan profit yang relevan, dan kemudian menduga hubungan antara mereka dari pengamatan ini. Baik kepercayaan sebelumnya maupun pengetahuan mengenai aturan penghitungan yang diperlukan tidak memberikan hasil yang sama seperti perkiraan hubungan penyebab ekonomi tidak langsung dari data.

Riset lapangan telah mendokumentasikan bahwa manajer menggunakan laporan penghitungan untuk memodifikasi dan memperbaiki kepercayaan mereka mengenai hubungan antara tindakan mereka (seperti pilihan pengeluaran) dan profit. Dalam studi lapangan skala besar mengenai pemakaian data penghitungan manajer non finansial, McKinnon dan Bruns (1992:206) menemukan bahwa manajer menggunakan laporan penghitungan periodik untuk menguji dan memodifikasi hubungan penyebab kunci yang mendasari pelaksanaan firma.

Ketika manajer meninjau keberhasilan mereka seperti yang dilaporkan dalam laporan penghitungan, mereka terus bekerja, menguji, dan menyempurnakan model mental mereka mengenai hubungan antara aktivitas dan keberhasilan seperti yang diukur oleh sistem penghitungan manajemen … . Dalam hal ini, bagian dari model penghitungan digabungkan oleh manajer ke dalam model mereka sendiri. Manajer belajar untuk menghubungkan tindakan dengan pelaksanaan dan keberhasilan organisasional.

Pengamatan ini konsisten dengan klaim bahwa manajer dapat menggunakan laporan dari sistem ukuran pelaksanaan untuk menguji dan memodifikasi kepercayaan mengenai hubungan penyebab dan efek yang ditanamkan dalam strategi dan rencana tindakan firma – misalnya, hubungan antara pengeluaran training karyawan dan profit dalam firma intensif modal manusia (Kaplan dan Norton, 1996a:65).

Regresi profit pengeluaran mencakup kalkulasi penghitungan dan efek penyebab ekonomi tidak langsung untuk pengeluaran ini secara simultan. Meskipun manajer kadang-kadang menggunakan analisis statitistik formal, estimasi subjektif sudah umum dalam praktiknya (McKinnon dan Bruns, 1992; Kaplan dan Norton, 1996b). estimasi subjektif semacam ini merupakan tugas inferesial yang sulit, terutama ketika individu harus menilai efek lagged seperti efek mengenai profit mendatang pada pengeluaran kualitas, kepuasan konsumen, riset dan pengembangan, atau training karyawan. Riset eksperimental sebelumnya menyediakan bukti bahwa ketika waktu lag antara penyebab dan efek yang dilaporkan meningkat, individu kurang dapat mendeteksi hubungan penyebab dan menggunakannya dalam penilaian dan keputusan (Sterman, 1989a, 1989b; Diehl dan Sterman, 1995). Sedikit yang diketahui tentang bagaimana penghitungan mempengaruhi kemampuan individu mendeteksi hubungan lagged dan mengunakannya dengan tepat dalam penilaian.

Accounting dan Proses Pembelajaran

            Sub bagian ini menggunakan riset psikologi dasar mengenai pembelajaran di bawah ketidakpastian untuk memprediksikan bagaimana klasifikasi penghitungan mempengaruhi proses pembelajaran. Kami berharap agar efek ini terjadi hanya di bawah dua kondisi berikut: (1) mendeteksi hubungan antara pengeluaran-profit dalam data dan menggunakanya dengan benar dalam penilaian yang memerlukan usaha pemrosesan kognitif: hubungan ini tidak begitu kuat atau penting sehingga harus transparan; (2) jumlah data relevan potensial yang tersedia cukup besar, hubungannya dengan sumber pemrosesan informasi kognitif individu, bahwa tidak semua data menerima proses semaksimal mungkin. Dengan kata lain, settingnya adalah semacam perhatian dan usaha pemrosesan subjektif merupakan sumber yang jarag (Birnberg dan Shields, 1984; Simon, 1990).

            Kondisi ini memiliki dua konsekuensi alternatif yang masuk akal. Satu adalah bahwa individu akan menyebarkan perhatian terbatas yang secara kasar sama pada semua hubungan yang berpotensi relevan dalam data tersebut, yang menghasilkan pembelajaran yang tidak sempurna, tetapi tidak ada lagi yang lebih tidak sempurna untuk satu hubungan dengan yang lain. Kemungkinan kedua adalah bahwa individu akan mengalokasikan perhatian secara tidak sama pada hubungan yang berpotensi relevan dalam data; sehingga, mereka mungkin tidak belajar hubungan yang baik yang sama kuatnya dalam data. Riset dalam psikologi, diringkas di bawah, menyediakan bukti yang konsisten dengan pandangan kedua.

            Anggap bahwa individu harus memperkirakan hubungan antara Y (profit sekarang) dengan banyak X_i (pengeluaran untuk tipe intangible khusus pada periode sekarang dan sebelumnya). X_i apapun atau semua mungkin mempengaruhi Y, tetapi eksistensi dan magnitude hubungannya tidak jelas ex ante. Dalam perkiraan subjektif (tidak seperti multi regresi), individu bermaksud untuk menguji hubungan X_i – Y pada satu waktu dibandingkan secara simultan, mungkin karena memori kerja yang terbatas (Brehmer, 1979; Klayman, 1988). Individu menggunakan berbagai strategi subjektif untuk memperkirakan hubungan X_i – Y, beberapa usaha lebih intensif dan lebih mendekati optimal dibandingkan yang lain (Hutchinson dan Alba, 1997). Secara khusus, individu akan mengalokasikan lebih banyak perhatian dan menggunakan lebih banyak proses usaha yang intensif untuk hubungan X_i – Y yang mereka uji sebelumnya; mereka ingin memberikan sedikit penelitian yang cermat untuk hubungan X_i – Y yang mereka uji setelahnya, yang menghasilkan error perkiraan yang lebih besar (Brehmer, 1974, 1979; Klayman, 1988). Urutan dengan individu menguji hubungan X_i – Y karenanya merupakan kunci untuk akurasi penilaian.

            Urutan dengan individu menguji hubungan X_i – Y sering tergantung pada domain pengetahuan (kepercayaan sebelumnya) yang diaktivasi oleh label data atau referen (Muchinsky dan Dudyeha, 1975; Sniezek, 1986; Broniarczyk dan Alba, 1994). Sebagai contoh, anggap bahwa Y adalah total biaya. X_i adalah kepuasan konsumen, dan X₂ adalah produktivitas. Jika individu percaya bahwa produktivitas memiliki efek yang kuat pada total biaya dan bahwa kepuasan konsumen memiliki efek yang lemah, maka mereka akan menguji hubungan antara produktivitas dengan total biaya lebih dahulu dan dengan lebih cermat, dan kemudian memperkirakannya dengan lebih akurat dibandingkan dengan hubungan antara kepuasan konsumen dengan total biaya. Ketika individu tidak yakin dengan hubungan X_i – Y dalam data, mungkin karena mereka belum menguji data secara intensif dan kurangnya kepercayaan sebelumnya yang kuat mengenai hubungan itu, mereka bermaksud untuk secara sistematis tidak terlalu memperhitungkan X_i, daripada harus terlalu memperhitungkannya secara random dan dengan cara yang tidak bias (Sniezek, 1986; Broniarczyk dan Alba, 1994). Proses ini merupakan sebagian sadar dan terkontrol dengan hati-hati, tetapi juga sebagian tidak sadar (Brehmer, 1979; Bronirczyk dan Alba, 1994).

            Kami mengharapkan individu agar hadir lebih awal dan lebih intensif ke hubungan lagged pengeluaran dan profit ketika firma mengkapitalkan daripada ketika membiayai pengeluaran. Pertama, individu mungkin menerjemahkan keputusan firma untuk membiayai vs mengkapitalkan pengeluaran intangible sebagai satu tanda mengenai penentuan waktu yang diharapkan untuk keuntungan dari pengeluaran, dan mungkin secara hati-hati memberikan perhatian langsung pada hubungan lagged. Kedua, klasifikasi pengeluaran mungkin secara langsung memberikan perhatian langsung pada hubungan periode sekarang, dan individu mungkin menguji hubungan lagged yang kurang dekat tanpan menyadari betapa tidak samanya mereka mengalokasikan perhatian mereka. Sebagai tambahan, klasifikasi pengeluaran menyatakan efek negatif profit; ketika individu mengharapkan tanda yang salah untuk satu hubungan, mereka sering memperkirakan magnitude hubungan yang kurang akurat (Muchinsky dan Dudycha, 1975; Sniezek, 1986).

            Subjek dalam eksperimen kami menerima data pada profit kotor dan pengeluaran pada program perbaikan kualitas (training karyawan, dsb) pada 20 pabrik manufaktur yang mirip. Kami meminta mereka untuk menggunakan data ini untuk mempelajari bagaimana pengeluaran program kualitas mempengaruhi profit kotor. Kami kemudian meminta mereka untuk menggunakan yang telah mereka pelajari untuk memprediksikan profit kotor pada 20 pabrik tambahan, dengan menentukan informasi mengenai pengeluaran program kualitas pada pabrik-pabrik ini. Pengeluaran diklasifikasikan sebagai pengeluaran atau investasi dalam aset. Ketika pengeluaran diklasifikasikan sebagai pengeluaran, kami berharap agar individu mengalokasikan sedikit perhatian pada efek lagged; karenanya mereka seharusnya mempelajari hubungan ini dengan tidak terlalu akurat dan kurang pasti kekuatannya dari efek lagged profit, dan karenanya seharusnya bermaksud meremehkannya. Karena efek lagged merupakan determinan yang penting dalam setting eksperimental kami, kami berharap agar prediksi profit individu tidak terlalu akurat ketika intangible diklasifikasikan sebagai pengeluaran.

H1a:Prediksi profit individu akan kurang akurat ketika pengeluaran intangible dibiayai daripada ketika dikapitalkan.

           

Desain eksperimental memungkinkan kami mempartisi error prediksi individu menjadi beberapa komponen yang dapat memiliki berbagai kasus dan konsekuensi praktik yang berbeda. Apendiks A menunjukkan dua langkah penurunan mean error prediksi squared (MSE). Langkah pertama adalah partisi yang ditunjukkan di Panel A (Theil, 1966; Lee dan Yates, 1992):

(1)

dengan Y_s (s = subjek) adalah mean prediksi profit individu. Y_e (e = lingkungan) adalah mean profit aktual. S_Ys dan S_Ye adalah deviasi standar mereka yang berhubungan, dan r_a adalah korelasi Pearson antara profit yang diprediksi dan aktual.

            Ketiga komponen partisi ini menunjukkan error penilaian yang berbeda. Yang pertama adalah bias: seluruh optimisme atau pesimisme dalam prediksi. Jika mengklasifikasikan pengeluaran pada intangible sebagai investasi akan menyebabkan individu memprediksikan profit yang rata-rata lebih tinggi, kemudian ukuran bias akan mencakup efek ini.

            Komponen kedua partisi adalah variabilitas. Penilaian individu mungkin bervariasi di sekitar mean dibandingkan pada hasil aktual, mungkin karena individu ingin terlalu bereaksi atau tidak terlalu bereaksi secara umum pada informasi yang disediakan. Sebagai contoh, individu yang menggunakan mean nilai profit sebagai prediksi untuk tiap kasus akan menunjukkan tidak adanya bias tetapi kurangnya reaksi ekstrim terhadap informasi yang tersedia. Jika individu mengharapkan pengeluaran kualitas untuk memiliki lebih banyak (atau lebih sedikit) efek profit ketika diklasifikasikan sebagai investasi, dengan mengabaikan penentuan waktu pengeluaran, maka ukuran variabilitas akan mencakup efek bias.

            Komponen ketiga adalah fungsi r_a, dengan literatur psikologi menyebutnya pencapaian (Lee dan Yates, 1992; Cooksey, 1996), yang diperbesar oleh variabilitas dalam hasil aktual dan yang diprediksikan. Jika individu gagal mengidentifikasi kepentingan relatif lag yang berbeda dalam hubungan pengeluaran-profit atau gagal menggunakan pengetahuan ini secara konsisten dalam prediksi mereka – misalnya, jika individu mengharapkan efek kontemporer pengeluaran intangible agar menjadi besar dan efek lagged yang menjadi kecil ketika pada faktanya terjadi yang sebaliknya – maka r_a akan mencakup efek ini.

            Kami memprediksikan fiksasi akan bertahan dalam eksperimen ini karena kami mengharapkan individu dalam kondisi pengeluaran meremehkan kekuatan efek lagged pengeluaran intangible pada profit, hubungannya dengan individu dalam konidsi investasi. Hal ini mengimplikasikan bahwa r_a akan menjadi lebih kecil ketika intangible dibiayai, dan bahwa perbedaan dalam r_a terhadap kondisi eksperimental akan menjadi sumber penting perbedaan dalam error prediksi.

H1b:  Pencapaian prediksi profit individu (r_a) akan menjadi lebih rendah ketika intangible dibiayai daripada ketika dikapitalisasi.

           

Penjelasan kami mengenai efek pengeluaran vs investasi tidak mengimplikasikan bahwa prediksi individu akan menjadi lebih optimsitik atau pesimistik secara rata-rata atau lebih (atau kurang) responsif untuk semua informasi pengeluaran intangible. Karenanya, kami tidak membuat hipotesis tentang perbedaan dalam bias atau variabilitas prediksi profit individu.

            Panel B dan C di Apendiks A menunjukkan cara menurunkan r_a lebih jauh untuk mengidentifikasi sumber perbedaan dalam pencapaian. Dekomposisi ini, yang disebut model lens (Tucker, 1964; Lee dan Yates, 1992), didasarkan pada perbandingan antara dua model regresi hubungan antara pengeluaran intangible dan profit. Meregresikan profit aktual pada pengeluaran aktual, dengan menggunakan data yang diterima individu untuk mempelajari hubungan antara pengeluaran-profit, menciptakan model lingkungan (Persamaan [2], Panel B). meregresikan prediksi profit individu pada pengeluaran yang diterima individu sebagai basis untuk prediksi menciptakan model pencakupan kebijakan untuk individu itu. Jika analisis subjektif individu tentang data pembelajaran mengarah pada inferensi yang sama mengenai hubungan antara pengeluaran dengan profit sebagai analisis statistik, dan jika individu dengan konsisten menerapkan inferensi ini dalam membuat prediksi, maka kedua model akan menjadi sama.

            Persamaan model lens di bawah mengidentifikasi sumber yang potensial untuk pencapaian yang rendah (r_a) dalam hal korelasi antara model lingkungan yang dan mencakup kebijakan.

r_a = R_eGR_s + C(1 – R_e²)^1/2 (1 – R_s²)^1/2                                (3)

Panel C Apendiks A menunjukkan cara mengkalkulasi komponen persamaan ini. R_e (kemampuan memprediksi lingkungan) mengukur akurasi dengan model statistik yang memprediksikan profit, dengan menggunakan data yang tersedia pada individu. Jika hubungan antara profit dan pengeluaran intangible deterministik, maka R_e sama dengan 1,0. Semakin sedikit variasi dalam profit aktual yang dapat dijelaskan data pengeluaran intangible, maka semakin rendah R_e. G, yang literatur psikologi mengacu pada pencocokan (Lee dan Yates, 1996), mencakup kesamaan dalam magnitude yang berhubungan dengan koefisien antara model pencakupan kebijaksanaan individu (Persamaan [3], Apendiks A) dan model lingkungan (Persamaan [2], Apendiks A). R_s (konsistensi atau kontrol kognitif) mencakup tingkat dengan individu menggunakan model yang sama tanpa error dari prediksi ke prediksi. Jika ada hubungan tanpa model dalam data yang mendasari (seperti jika non linieritas atau interaksi ada dalam data tetapi model statistik yang ditunjukkan adalah linier aditif), maka C mencakup penilaian individu yang menggabungkan hubungan ini.

Dalam studi kami, R_e identik dengan kondisi oleh desain, dan tidak ada hubungan non linier yang ada dalam data yang mendasari (C = 0). Karenanya, hanya ada dua ukuran model lens, penyesuaian (G) dan konsistensi (R), yang dapat membedakan kondisi ini. Kami memprediksikan bahwa membiayai pengeluaran intangible akan mengurangi penyesuaian, karena individu tidak akan terlalu memperhitungkan efek lagged profit untuk tingkat yang lebih tinggi dalam pengeluaran dibandingkan dalam kondisi investasi.

H2a: Penyesuaian (G) pada prediksi profit individu akan menjadi lebih rendah ketika intangible dibiayai daripada ketika dikapitalkan.

H2b: Dalam memprediksikan profit, individu tidak akan terlalu memperhitungkan efek lagged yang signifikan untuk pengeluaran intangble yang lebih banyak daripada ketika pengeluaran dibiayai dan daripada ketika dikapitalkan.

Penyesuaian penting dalam praktik karena mengindikasikan pemahaman mnegenai magnitude yang berhubungan dengan efek pengeluaran intangible kontemporer dan lagged. Konsistensi (R_s) juga penting dalam praktik, untuk dua alasan. Pertama, penilaian individu pada efek berbagai pengeluaran profit mendatang sering mempengaruhi keputusan alokasi sumber daya. Inkonsistensi penilaian ini dapat merusak alokasi sumber daya bahkan jika rata-rata penilaiannya baik (seperti yang dicakup oleh G). Sebagai contoh, individu yang membuat penilaian yang tidak konsisten kadang-kadang akan berlebihan memperkirakan profit mendatang dari tipe pengeluaran tertentu dan karenanya terlalu banyak menghabiskan, sementara pada waktu yang lain, mereka meremehkan profit mendatang dari pengeluaran yang sama, sehingga terlalu sedikit menghabiskan. Kedua, kontrak yang efisien perlu mengontrak individu yang dapat diprediksi: para pelaku dapat merancang kontrak untuk menyebabkan agen mengambil tindakan yang diinginkan para pelaku hanya jika para pelaku dapat memprediksikan bagaimana agen akan merespon insentif yang ditawarkan (Baiman, 1982, 1990; Sunder, 1999). Ukuran konsistensi kami merupakan indikator kemampuan memprediksi. Jadi, ketika penilaian individu (dan tindakan yang tergantung pada penilaian ini) tidak konsisten, maka kontrak tidak perlu memiliki efek yang diinginkan pelaku.

Sniezek (1986) menunjukkan bahwa individu membuat penilaian yang jauh lebih konsisten ketika label atau referen data (dalam kasus kami “investasi” vs “pengeluaran”) menyarankan mereka untuk menguji hubungan yang penting dalam data lebih dahulu dalam proses penilaian. Sebaliknya, ketika individu memusatkan perhatian mereka pada hubungan yang terbukti menjadi tidak penting, maka tampaknya mereka merasa tidak pasti bahwa mereka memiliki basis yang baik untuk membuat penilaian (prediksi profit). Mereka mungkin mencoba banyak strategi penilaian atas kasus itu, yang menghasilkan penilaian yang tidak konsisten. Dalam setting kami, tampaknya terjadi ketika individu mengalokasikan lebih banyak perhatian untuk mencari hubungan profit-pengeluaran periode sekarang, yaitu basis yang buruk untuk prediksi profit. Sebaliknya, ketika mereka mengalokasikan lebih banyak perhatian untuk mempelajari lebih banyak efek lagged prediktif, mereka harus menjadi lebih yakin bahwa mereka memiliki basis yang baik untuk prediksi profit dan seharusnya menggunakan basis itu secara konsisten, dibandingkan memilihnya di antara berbagai strategi penilaian. Sebagai konsekuensinya, kami mengharapkan penilaian yang tidak begitu konsisten ketika pengeluaran intangible dengan nilai mendatang dibiayai dibandingkan ketika mereka dikapitalkan.

H2c: Prediksi profit individu akan kurang konsisten (R_s yang lebih rendah) ketika intangible dibiayai daripada ketika dikapitalkan.

Kami juga mengharapkan klasifikasi penghitungan untuk mempengaruhi konsensus dan pandangan pribadi. Yang konsisten dengan literatur sebelumnya (Ashton, 1985; Stewart et al., 1997), kami mendefinisikan konsensus sebagai kesamaan prediksi antar individu. Konsensus penilaian yang rendah mengimplikasikan diskusi yang menghabiskan waktu (dan mungkin tambahan kumpulan data dan analisis) ketika individu harus menetapkan persetujuan sebelum membuat keputusan pengeluaran. Konsensus yang rendah dapat juga mengimplikasikan konflik yang memakan biaya, dan buntu dan gagal membuat pengeluaran yang akan menguntungkan organisasi.

Kami mengharapkan klasifikasi investasi yang mengarah pada konsensus yang lebih tinggi. Kami mengharapkan individu dalam kondisi investasi menjadi lebih berhasil dalam mendeteksi dan menggunakan efek lagged yang kuat pada pengeluaran intangible profit, yang ada dalam data yang dilihat semua individu. Basis umum untuk prediksi ini seharusnya mengarah pada konsensus yang lebih tinggi. Dalam kondisi pengeluaran, sebaliknya, kami mengharapkan individu tidak begitu berhasil dalam penemuan basis yang memuaskan pada data untuk memprediksikan basis. Mereka harus lebih menggantungkan diri pada strategi prediksi idiosinkratis dan kepercayaan sebelumnya yang bervariasi antar individu, yang menghasilkan konsensus penilaian yang rendah.

H3:  Konsensus prediksi profit individu akan menjadi lebih rendah ketika intangible dibiayai daripada ketika dikapitalkan.

Konsisten dengan literatur sebelumnya, kami mendefinisikan pandangan pribadi sebagai tingkat dengan penjelasan ex post individu mengenai cara mereka membuat penilaian yang menghubungkan bagaimana mereka sebenarnya membuat penilaian (Cook dan Stewart, 1975). Semakin rendah pandangan pribadi individu, semakin tidak akurat mereka menjelaskan basis penilaian mereka dan karenanya semakin sulit dan memakan biaya yang tampaknya dipakai untuk menyelesaikan ketidaksesuaian antar individu mengenai profit yang mereka dapatkan dari pengeluaran yang ditentukan.

Pandangan pribadi dapat menjadi rendah karena hanya sebagian proses penilaian yang sadar. Ketika individu menjelaskan bagaimana mereka membuat penilaian, sebagia dari penjelasan mereka terhitung dari proses pemikiran mereka yang diarahkan secara sadar, dan sebagian adalah tebakan terbaik mereka mengenai proses yang tidak dapat diamati dan/atau sulit diingat secara akurat (Nisbett dan Wilson, 1977). Pengetahuan yang lengkap absen mengenai proses penilaian mereka sendiri, individu ingin melaporkan proses penilaian yang mereka pikir beralasan di bawah kondisi ini (Nisbett dan Wilson, 1977). Jadi, jika mereka percaya pengeluaran seharusnya memiliki efek yang kuat pada profit kontemporer, maka mereka akan melaporkan ex post bahwa mereka memberati pengeluaran periode sekarang dalam kondisi pengeluaran – bahkan jika mereka tidak melakukan hal demikian itu. Kami berharap bahwa dalam kondisi pengeluaran, individu tidak akan secara konsisten menempatkan berat pada pengeluaran periode sekarang. Seperti diprediksikan di atas, mereka bermaksud akan menjadi tidak pasti dan untuk memprediksikan secara tidak konsisten. Jadi, ketika intangible dibiayai, pemakaian informasi aktual individu dalam memprediksikan profit akan berhubungan dengan buruk dengan penjelasan mereka. Dalam kondisi investasi, sebaliknya, individu tampaknya percaya bahwa investasi seharusnya memiliki efek lagged yang kuat pada profit, dan karenanya mereka bermaksud melaporkan bahwa mereka memperberat efek lagged dalam memprediksikan profit. Jika, seperti yang diprediksikan, mereka benar-benar memperberat efek lagged dalam prediksi, maka hubungan antara pemakaian data aktual dan yang dilaporkan akan tinggi.

H4:  Pandangan pribadi individu ke prediksi profit mereka akan menjadi lebih rendah ketika intangible dibiayai daripada ketika dikapitalkan.

III.            DESAIN EKSPERIMEN

Subjek

            31 mahasiswa MBA yang telah menyelesaikan kursus dalam penghitungan manajemen dan enam sarjana yang telah melengkapi kursus penghitungan biaya dengan sukarela berpartisipasi dalam eksperimen ini. Pengalaman manajerial penuh waktu (tidak termasuk pengalaman kerja lain) berkisar dari nol sampai 10 tahun (mean 35 bulan untuk mahasiswa MBA dan 4 bulan untuk sarjana). Kami meminta subjek dengan pengalaman manajerial untuk memperkirakan persentase waktu yang telah mereka habiskan untuk budget (mean = 12%), ramalan, dan perencanaan (32%), membuat keputusan pengeluaran (15%), menasihati atau merekomendasikan keputusan menghabiskan (12%), dan program kualitas (9%). Karena tes t tidak menyatakan hal yang signifikan (p<0,05), maka perbedaan antara kedua kelompok subjek ini pada mean setiap variabel yang dikumpulkan (kecuali untuk pengalaman kerja dan jumlah penghitungan dan menyesuaikan kursus yang diikuti), tes ini mendeskripsikan data di bawah pool dari kedua kelompok subjek. Kami membayar kompensasi kesatuan pelaksanaan subjek, seperti dideskripsikan di bawah.

Tugas

            Subjek menerima informasi mengenai 20 pabrik manufaktur yang hampir sama. Pabrik-pabrik ini membuat produk yang sama dan membuat desain yang sama, dengan menggunakan teknologi dan skala produksi yang hampir sama. Semua pabrik berpartisipasi dalam inisiatif perbaikan kualitas, yang meliputi training karyawan, proses dan kualitas tenaga ahli, dan perawatan preventif. Laporan penghitungan internal mengklasifikasikan pengeluaran program ini sebagai pengeluaran perbaikan kualitas atau investasi (perawatan eksperimental). Dalam kondisi investasi, firma mengkapitalkan pengeluaran dan secara langsung melunasinya, dengan mengambil pengeluaran pelunasan dalam menghitung profit kotor. Dalam kondisi pengeluaran, firma megurangi seluruh jumlah pengeluaran dalam mengkalkulasi profit kotor dalam kuarter selama pengeluaran dilakukan.

            Halaman pengantar dalam bahan eksperimental memberitahu subjek bahwa karena pabrik-pabriknya mirip, maka efek profit kotor kuarternya dengan dollar untuk pengeluaran program perbaikan kualitas sama antar pabrik. Akan tetapi, karena programnya baru, maka firma masih belajar cara program mempengaruhi profit kotor secara kuarter dan termasuk level pengeluaran optimal apa. Manajer lokal memiliki kebebasan untuk bereksperimen dengan berbagai level pengeluaran perbaikan kualitas. Tidak ada variasi musiman dalam data dan tidak ada kejutan eksternal atau kejadian internal yang tidak biasa yang akan mengubah atau melidungi efek pengeluaran perbaikan kualitas secara kuarter pada profit kotor empat bulanan. Karenanya, jika program perbaikan kualitas memiliki efek yang signifikan pada profit kotor empat bulanan, maka seharusnya dapat dideteksi dalam data.

            Setelah membaca pengantar ini, tiap subjek menerima data pengeluaran untuk 20 pabrik selama empat bulan lengkap (t), data pengeluaran untuk tiga kuarter sebelumnya (t-1, t-2, dan t-3), dan profit kotor aktual untuk kuarter t. Ini adalah set data pembelajaran. Tabel 1 menunjukkan data pembelajaran yang diterima subjek, yang identik dengan kondisi eksperimental, kecuali untuk kata “pengeluaran” atau “investasi” dalam kolom di atas.

            Keuntungan menyediakan pengeluaran yang identik dan data profit pada subjek dalam kedua kondisi meningkatkan kontrol eksperimental; tetapi kerugiannya adalah bahwa proses memunculkan pendapatan dan kalkulasi pengeluaran yang mendasari tidak identik pada kedua kondisi. Profit pada t dalam kondisi investasi mencakup pengeluaran pelunasan dari pengeluaran t-3, tetapi profit pada t dalam kondisi pengeluaran tidak. Karenanya, agra profit sama pada kedua kondisi, pendapatan t harus lebih besar pada kondisi investasi. Cash flow bersih pada t-3 juga harus lebih tinggi pada kondisi investasi.

            Kami memilih untuk memungkinkan perbedaan antar kondisi dalam proses pendapatan dan pengeluaran yang mendasari (tidak dapat diamati), dibandingkan dengan subjek data yang dipakai dalam pembelajaran dan penilaian. Perbedaan dalam proses yang tidak dapat diamati, jika memiliki efek apapun, bekerja melawan penemuan yang mendukung hipotesis studi. Jika subjek mencoba menguraikan efek pendapatan dan pengeluaran, daripada hanya menghubungkan pengeluaran dengan total profit seperti yang diperlukan oleh tugas eksperimen, maka prediksi profit akan menjadi lebih sulit dalam kondisi investasi. (Pelunasan dengan banyak periode memerlukan lebih banyak langkah kalkulasi dan diperumit dengan ketidakpastian mengenai lamanya masa aset intangible.) Efek ini bias terhadap penemuan penilaian superior yang diprediksikan dalam kondisi investasi.

            Setelah mempelajari data pembelajaran tanpa kalkulator, subjek menerima data pengeluaran dari 20 pabrik lain yang hampir sama (data penilaian) dan memprediksikan profit kotor untuk pabrik-pabrik ini berdasarkan data pengeluaran perbaikan kualitas. Seperti dalam data pembelajaran, pengeluaran diklasifikasikan ketika mereka menguji data baru dan membuat penilaian mereka.

            Format presentasi untuk data penilaian identik dengan yang ada di Tabel 1, kecuali bahwa kolom profit kosong. Bahan-bahan eksperimen memberitahu subjek bahwa data pengeluaran kualitas tersedia dalam berbagai waktu, tetapi bahwa departemen penghitungan mengambilnya sampai 15 hari bisnis untuk menyelesaikan penghitungan profit. Manajer di firma menginginkan perkiraan profit kotor secara empat bulanan sesegera mungkin pada akhir kuarter, sehingga tiap kerja subjek adalah untuk memprediksikan profit kotor secara kuarter dengan menggunakan data pengeluaran kualitas secara empat bulanan.

            Program komputer menciptakan data pembelajaran dan penilaian dari satu model dengan mean, variasi, dan korelasi populasi khusus. Tabel 2 menunjukkan properti statistik data yang diterima subjek. Parameter yang dikhususkan dalam model identik untuk data pembelajaran dan penilaian, tetapi seperti yang ditunjukkan Tabel 2, variasi sampel menghasilkan perbedaan tipis antara data pembelajaran dan penilaian dalam mean dan korelasi sampel. Tidak satupun perbedaan antara data pembelajaran dan penilaian yang secara statistik signifikan (p<0,05).

            Profit kotor pada waktu t memiliki (l) korelasi negatif tetapi tidak signifikan dengan pengeluaran pada t, (2) tidak ada korelasi yang signifikan dengan pengeluaran pada t-1 atau t-2, dan (3) korelasi positif yang kuat dengan pengeluaran pada t-3. Pengeluaran pada t cukup kecil hubungannya dengan profit kotor dan efek kontemporernya dibanjiri oleh sumber variasi lain dalam profit kotor; tetapi efek pada profit kotor pada t-3 secara substansial lebih besar dan mendominasi noise. Lag tiga periode yang dilakukan dalam studi ini konsisten dengan data arsip dari manufaktur. Ponemon et al. (1994), dengan menggunakan data dari 47 paper dan pabrik bubur kayu, menunjukkan kekuatan hubungan antara pengeluaran pencegahan dan reduksi biaya kegagalan (seperti peningkatan profit) yang memuncak pada sekitar 8 bulan setelah pengeluaran untuk reduksi biaya kegagalan interal dan 13 bulan setelah pengeluaran untuk reduksi biaya kegagalan eksternal. Pada satu analisis data kualitas tahunan dari 12 pabrik firma Fortune 500, Ittner et al. (2001) menemukan efek yang signifikan untuk pengeluaran (pencegahan) perbaikan kualitas untuk tahun-tahun sebelumnya pada kerusakan tahun sekarang (yang sebaliknya mempengaruhi profit tahun sekarang via biaya onconformance).

Variabel Dependen

            Kami menggunakan prediksi profit kotor tiap subjek untuk mengembangkan variabel dependen. Kami mengukur akurasi penilaian (H1a) untuk tiap subjek sebagai mean error absolut prediksi profit kotor:

                       

dengan:

            Y_sj = prediksi profit subjek untuk pabrik j, dan

            Y_ej = profit aktual untuk pabrik j.

Apendiks A menunjukkan kalkulasi untuk pencapaian penilaian (r_a), penyesuaian (G), dan konsistensi (R_s), ukuran dependen untuk H1b, H2a, dan H2c. ukuran untuk H2b merupakan perbedaan antara koefisien yang distandarkan pada pengeluaran intangible t-3 dalam model lingkungan dan model yang mencakup kebijakan subjek (nilai b_st-3 – b_et-3 yang distandarkan dalam model yang ditunjukkan di Apendiks A).

            Kami menggunakan dua ukuran konsensus penilaian (H3). Satu, sering menggunakan dalam studi model lens (Ashton, 1985; Ashton, 1992; Stewart et al., 1997), adalah mean korelasi Parson antara penilaian tiap pasang subjek dalam kondisi eksperimental. Yang kedua adalah varian koefisien dalam model yang mencakup kebijakan subjek (β… s dalam Persamaan [2], Apendiks A).

            Yang juga konsisten dengan literatur sebelumnya (Cook dan Stewart, 1975), kami mengukur pandangan pribadi (H4) sebagai korelasi antara dua set prediksi profit kotor: (1) prediksi berdasarkan model yang mencakup kebijakan diperkirakan untuk tiap subjek (Ŷ pada Apendiks A), dan (2) prediksi berdasarkan berat yang disupply subjek ketika kami bertanya sepenting apa empat periode data pengeluaran dalam membuat prediksi merela. Jika mereka dengan benar melaporkan pengaruh yang berhubungan untuk keempat periode data pengeluaran pada prediksi mereka, maka ukuran pandangan diri akan sama dengan 1,0. Pada masalah bahwa berat relatif yang mereka laporkan berbeda dengan berat relatif dalam model yang mencakup kebijakan, maka ukurannya akan menjadi lebih kecil.

Prosedur

            Kami secara acak menyetujui tiap subjek untuk satu kondisi perawatan (pengeluaran atau investasi). Subjek melangkahkan sendiri jalan mereka melalui bahan eksperimental dalam setting laboratorium. Bagian pertama bahan, dengan subjek melengkapi dan mengembalikannya sebelum melihat sisa bahannya, mengumpulkan bahan pada kepercayaan subjek sebelumnya mengenai efek pada profit kotor pada pengeluaran program perbaikan kualitas dalam fasilitas manufaktur. Deskripsi program ini (yang termasuk training karyawan, perbaikan proses, dsb) sama dengan deskripsi yang nampak kemudian dalam tugas utama eksperimen. Para subjek memperkirakan pengaruh profit pada level pengeluaran tertentu pada program kualitas pada kuarter pengeluaran dan pada tiap beberapa kuarter berikutnya. Kami meminta subjek dalam kondisi investasi bahwa pengeluaran dikapitalkan, dan subjek dalam kondisi pengeluaran bahwa mereka dibiayai.

            Taksiran ini menangkap dua faktor yang kita perlukan untuk mengontrol pada uji hipotesa. Yang pertama adalah keyakinan subyek lebih dulu tentang keuntungan pembelanjaan program berkualitas. Yang kedua adalah keyakinan pada sinyal nilai klasifikasi akuntansi. Jika mereka yakin bahwa manajemen menyampaikan informasi yang kredibel tentang waktu benefit program dengan mengklasifikasikan pembelanjaan sebagai pengeluaran atau investmen, perkiraan awal mereka akan mendukung keyakinan ini.

            Bahan eksperimen tersebut kemudian menggambarkan sistem kompensasi untuk eksperimen. Pembayaran subyek tergantung pada akurasi prediksi profitnya dan akan berkisar dari $6 hingga $60. kami menggunakan fungsi rugi kuadrat karena kami memperkirakan akurasi penilaian subyek relatif terhadap penilaian kemungkinan terbaik, contoh prediksi dari sebuah model OLS berdasar pada fungsi kerugian kuadrat. Kami menghitung sebuah patokan error kuadrat untuk masing-masing subyek yang dijumlahkan atas 20 penilaian: S (penilaian anda – penilaian kemungkinan terbaik)². pembayaran cash dihubungkan terbalik dengan besarnya ukuran error.

            Setelah mempelajari tentang sistem kompensasi, subyek diteliti pembelajaran dan penilaian data dan instruksi yang menyertainya, serta membuat prediksi profit mereka. Setelah mereka kembali ke materi ini, subyek  menempatkan 100 poin lewat empat periode informasi pembelanjaan-kualitas, mengindikasikan kepentingan relatif mereka terhadap penilaian subyek. Bab selanjutnya bahan-bahan eksperimen menanyakan sehubungan dengan tugas penilaian telah selesai (seberapa sulit, seberapa kenal, dll). Bab terakhir subyek diminta mengidentifikasi, dalam tinjauan kembali, apa yang mereka pikirkan tentang hubungan kualitas-profit ketika mereka membuat predikisi mereka. Delapan alternatif respon (termasuk sebuah kategori “lain”) mengidentifikasi hubungan kausal kemungkinan dengan tempo yang berbeda (contemporer, lambat) dan arah (meningkat, menurun) propertis dan mekanisme kausal (lihat appendix B). subyek mengalokasikan 100 poin lewar alternatif ini berdasar pada seberapa penting masing-masing bagi pikiran mereka kapan mereka memperkirakan profit. Mereka juga memberikan data demografi (pengalaman kerja, tingkat pendidikan, dll.).

IV. HASIL

            Hipotesa 1a menyimpulkan bahwa prediksi profit individu akan kurang akurat ketika pembelanjaan yang tak dapat diraba dikeluarkan/dihabiskan daripada ketika mereka dimodalkan. Tabel 3 menunjukkan nilai tengah error absolut dalam produkdi profit subyek pada pembelanjaan dan kondisi investmen serta komponen kunci partisi error nilai tengah kuadrat. Konsisten dengan H 1a. nilai tengah error absolut subyek sekitar 25% lebih besar dalam kondisi pembelanjaan ($4.81 juta vs $3.94 juta), dan perbedaan ini signifikan ( t=1.98, diikuti p <0.03).

            Seperti yang dijelaskan dalam bab II, di sana terdapat tiga sumber kemungkinan untuk perbedaan dalam error nilai tengah kuadrat ( dan demikian dalam nilai tengah error absolut) lewat kondisi-kondisi: prasangka, variabilitas, dan pencapaian (r_a). Prasangka terjadi bila nilai tengah yang diprediksi profitnya berbeda secara sistematis dari nilai tengah profit aktual. Nilai tengah prediksi profit subyek ($19.64 juta dalam kondisi pembelanjaan dan $19.65 juta dalam kondisi investmen) tidak signifikan berbeda dari profit aktual dalam set penilaian data ($20.7 juta) dalam kondisi lain (t =0.63, p < 0.54, pengeluaran; t=0.52, p < 0.61, investment). Nilai tengah prediksi profit hampir identik pada kedua kondisi percobaan tersebut (t = 0.01, p<0.99) dan demikian tidak bisa dicobakan untuk perbedaan kondisi dalam error prediksi. Pengklasifikasian pembelanjaan yang tidak bisa diraba sebagai pengeluaran daripada invstmen tidak membuat subyek membuat preduksi leseluruhan yang lebih optimis maupun pesimis.

            Variabilitas error akan terjadi bila deviasi standar profit yang diprediksi berbeda dari deviasi standar profit aktual. Nilai tengah deviasi standar prediksi subyek ($4.59 juta pada masing-masing kondisi. Tabel 3) tidak signifikan bedanya dari deviasi standar profit aktual dalam set data penilaian ($5.16 juta. Tabel 2)  pada kondisi lainnya (t=1.13, p< 0.28, pengeluaran; t=1.32, p<0.21, investmen). Nilai tengah deviasi standar predksi subyek cukup mirip dengan kondisi (t = 0.00, p <0.99). Demikian perbedaan dalam variabiltas tidak menanggung perbedaan lewat kondisi dalam error prediksi. Pengklasifikasian pembelanjaan sebagai pengeluaran daripada investmen pada umumnya tidak menyebabkan subyek over-reaksi atau under-reaksi terhadap data pembelanjaan. Subyek dalam kedua kondisi tersebut secara jelas mempelajari dari data yang mereka terima, karena prediksi profit yang dihasilkan dengan nilai tengah dan deviasi standar yang hampir cocok dengan set data yang sedang dipelajari.

            Hipotesa 1b memperkirakan bahwa pencapaian tersebut akan menjadi lebih rendah dalam pengeluaran daripada dalam kondisi investmen. Perbedaan dalam pencapaian ini merupakan sumber prinsip perbedaan dalam error prediksi lewat kondisi-kondisi, sejak kecondongan dan variabilitas hampir mirip/identik dalam kondisi pengeluaran maupun investmen. Konsisten dengan H1b, Tabel 3 menunjukkan bahwa nilai tengah r_a secara signifikan lebih rendah dalam kondisi pengeluaran (0.34) daripada dalam kondisi investmen (0.68: t=3.19, p<0.01).

            Hipotesa 2a memperkirakan bahwa pencocokan akan menjadi lebih rendah ketika yang tidak bisa dikira dihabiskan daripada ketika mereka dimodalkan. Seperti baris pertama dalam tabel 4 menunjukkan bahwa tingkat nila I tengah dari pencocokan (matching) (G) secara signifikan lebih rendah dalam kondisi pengeluaran (0.52) daripada dalam kondisi investmen (0.85; t = 2.33, p < 0.03), mendukung H2a.

            G mengukur efek serempak dari semua empat koefisien pada masing-masing kebijakan subyek dalam model penangkapan dan tidak mengindikasikan apa yang khususnya salah dengan model subyek pada kondisi pengeluaran. Baris kedua hingga lima dari tabel 4 menunjukkan perbedaan nilai tengah antara koefisien yang distandarkan (b_c) pada masing-masing kwartal variabel pengeluaran dalam model lingkungan (persamaan [1], appendix A) dan koefisien yang distandarkan yang berhubungan dalam model predisktif subyek (b_s) (persamaan [2] dalam appendix A) di masing-masing kondisi. Klasifikasi akuntansi  pembelanjaan dalam hal yang tidak bisa dikira tidak mempengaruhi akurasi koefisien model-subyek dalam pembbelanjaan yang tidak bisa dikira secara kontemporer (b_st - b_et) (t=0.52, p<0.61), tidak juga dalam pembelanjaan pada t-1 dan t-2 (t=0.41, p<0.69 dan t=0.27, p<0.79, secara berurutan). Konsisten dengan H2b, bagaiamanapun error nilai tengah dalam koefisien model-subyek untuk lag/lambat tiga periode (b_st-3 - b_et-3) secara signifikan lebih besar ketika pembelanjaan yang tidak bisa dikira diklasifikasikan sebagai pengeluaran (-0.48) daripada ketika mereka diklasifikasikan se4bagai investmen (-0.14); t = 2.86, p<0.01). pembiayaan yang tidak bisa dikira menyebabkan subyek secara signifikan meremehkan kekuatan kekuatan posistif efek tertunda ini.

            Baris terakhir dari tabel 4 menunjukkan hasil untuk konsistensi (R_s). seperti yang diprediksi dalam H2c, tingkat nilai tengah subyek pada konsistensi lebih rendah dalam kondisi pembiayaan/pengeluaran (0.69) daripada dalam kondisi investmen (0.86; t=2.40, p<0.02).

            Hipotesa 3 memprediksi konsensus penilaian yang lebih rendah dalam kondisi pembiayaan/pengeluaran daripada dalam kondisi investmen. Seperti yang ditampilkan tabel 5, korelasi pasangan nilai tengah antar prediksi subyek bukan independen (masing-masing prediksi subyek dikorelasikan dengan prediksi dari semua subyek lain pada kondisi eksperimennya). Model penangkapan kebijakan subyek memberikan sebuah alternatif konsensus patokan ukuran. Variasi dalam model-model subyek (b_s’s) menciptakan variasi dalam prediksi (kekurangan konsensus). (Tabel 4 memberikan deviasi standar b_s’s). variansi dari b_st-3 secara signifikan lebih besar dalam kondisi pembiayaan daripada dalam kondisi investmen, mengingikasikan kurangnya konsensus tentang prediktor kunci profit dalam kondisi pembiayaan (0.21 vs 0.05; F=4.57, p<0.01). Variansi  dari b_st-1 dan b_st-2 tidak berbeda secara signifikan lewat kondisi-kondisi: F’s < 1.50, p’s > 0.10. Hasil-hasil tersebut mendukung H3.

            Hipotesa 4 memprediksi bahwa wawasan-diri akan menjadi lebih rendah dalam kondisi pembiayaan daripada dalam kondisi investmen. Baris terakhir dalam tabel 5 menunjukkan patokan wawasan diri yang memotret kemiripan antara berat relatif dalam variabel  pembelanjaan pada model-model pemotretan kebijakan milik subyek dan berat relatif subyek memberikan ex post.  Nilai tengah wawasan diri secara signifikan lebih rendah pada kondisi pembiayaan (0.47) daripada dalam kondisi investmen (0.85; t=2.08, p < 0.05), konsisten dengan H4.

 Analisis Suplementer

            Distribusi dari kebanyakan patokan performa penilaian bagaimanapun juga dibuat tidak sebenarnya. Karena itu kami menampilkan uji nonparameter (Mann-Whitney U) terhadap hipotesa tersebut. Hasil-hasilnya tidak berbeda secara kualitatif dari hasil parametrik yang dilaporkan di atas. Kami juga menguji semua hipotesa dengan sampel yang dikurangi, menghilangkan enam subyek sarjana, emnggunakan uji baik parametrik maupun parametrik. Hasilnya secara kualitatif mirip kecuali untuk test wawasan-diri pada nonparametrik, yang tidak mencapai tingkat konvensional ( p < 0.1).

 

Keyakinan utama

Kami membuktikan bahwa prediksi profit subyek berbeda dalam kondisi pembiayaan dan investasi karena subyek mengolah data pengetahuan secara berbeda dalam dua kondisi. Satu penjelasan alternatif yang potensial adalah prediksi profit berbeda karena subyek dalam kondisi investasi memiliki keyakinan utama lebih dekat menyerupai relasi pokok dalam data pengetahuan daripada subyek dalam kondisi pembiayaan. Alternatif yang berkaitan adalah bahwa subyek dipercaya klasifikasi akuntansi membuktikan sinyal yang dapat dipercaya mengenai besarnya dan pemilihan waktu pengaruh kuat profit dari pengeluaran kemajuan kualitas, dan hal itu dipercaya secara langsung mempengaruhi prediksi profit mereka, kemandirian cara mereka mengolah data pengetahuan. Sebagai contoh, subyek dalam kondisi pembiayaan bisa memiliki perkiraan secara langsung efek tiga periode keterlambatan, tetapi mengabaikannya dalam pertimbangan karena suatu kepercayaan bahwa klasifikasi akuntasi mengisyaratkan suatu efek keterlambatan minimal.

            Kami mengawasi untuk dua alternatif ini dengan permainan analisa kovarian pada enam kunci bergantung ukuran: kesalahan mean absolut, pendekatan (r_a), kecocokan (G), kesalahan subyek koefisien b_st-3, konsistensi (R_s), dan koreksi diri. Kovariasi dalam analisa ini adalah estimasi pre-experimen subyek dari pengaruh kekontemporeran dan masa depan pada profit kotor pengeluaran program kualitas, diklasifikasikan sebagai investasi lain atau pembiayaan.¹⁶ Kovariasi setidaknya secara marjinal signifikan (satu-terbelakang p < 0.10) dalam analisa kesalahan mean absolut, pendekatan, kecocokan, dan kesalahan dalam koefisien t – 3, tetapi tidak dalam analisa konsistensi dan koreksi diri. Tanda koefisien pada kovariasi secara intuitif masuk akal. Saat subyek diharapkan efek keterlambatan hingga jadi besar, koefisien t – 3 dalam model kebijakan penagkapan mereka yang lebih besar, pendekatan dan kecocokan skor mereka semakin rendah, dan kesalahan mean absolut mereka lebih besar.

            Setelah pengawasan untuk efek keyakinan utama, bagaimanapun, efek klasifikasi rekening tetap signifikan ( dua-terbelakang p < 0.05) untuk tiap variable dependen yang diuji. Hasil ini mengindikasikan bahwa pertimbangan berbeda antara kondisi pembiayaan dan investasi tidak harus semata-mata menuju keyakinan utama mengenai pembiayaan kualitas dan investasi, kemandirian dari apa yang subyek simpulkan dari set data pengetahuan.

Ketepatan Perhatian

Hasil koreksi diri membuktikan limitasi laporan restrospektif, tetapi juga mengindikasikan bahwa laporan ini sangat informatif; ukuran koreksi diri secara signifikan positif (satu-terbelakang p < 0.05) untuk 32 dari 37 subyek. Subyek laporan restrospektif dari pengolahan pertimbangan mereka (lihat apendiks B) lebih jauh mendukung pernyataan kami mengenai pusat perhatian klasifikasi pembiayaan dan investasi pada subset berbeda dari data pengetahuan. Pusat Perhatian individu klasifikasi investasi lebih pada efek periode masa depan (penjelasan  5-7 dalam apendiks B), dimana pusat perhatian klasifikasi pembiayaan mereka lebih pada efek periode saat ini (penjelasan 1-4 dalam apendiks B). Rata-rata, subyek dalam kondisi investasi menandakan 28.2 poin lebih untuk penjelasan periode masa depan daripada penjelasan untuk periode saat ini. Sementara subyek dalam kondisi pembiayaan menandakan 12.5 poin lebih sedikit untuk periode masa depan daripada untuk penjelasan periode saat ini. Perbedaan dalam poin penugasan antara kondisi investasi dan pembiayaan adalah signifikan (t = 2.91, p < 0.01).

V. PENELITIAN MASA DEPAN DAN PEMBAHASAN

Penelitian terdahulu mempertanyakan apakah para individu akan mempelajari mengenai akuntansi saat kesempatan mempelajari secara signifikan tersedia (Wilner dan Birnberg 1986; Lipe 1998), tetapi bukti mempelajari sangat terbatas. Eksperimen kami menunjukkan bahwa kesempatan kesempatan mempelajari tidak sepenting obat cepat sembuh untuk fiksasi akuntansi, karena akuntansi dapat mengakibatkan alokasi perhatian dan hal itu dapat mempengaruhi proses belajar itu sendiri. Kita tidak membuktikan bahwa orang-orang tidak sanggup mengatasi fiksasi dan beljar membenarkan kesimpulan data akuntansi. Dengan lebih sedikit permintaan bersaing dari perhatian, isyarat tambahan untuk langsung pada hubungan penting, atau insentif yang meningkatkan total perhatian, para individu bisa mengalokasikan cukup perhatian untuk hubungan keterlambatan pembiayaan-profit untuk memprediksikan profit agar lebih akurat. Bagaimanapun, semua kesamaan lain, orang-orang dapat mencapai prediksi akurat lebih cepat dan lebih mudah saat akuntansi lebih dekat pada ekonomi real. Hal ini berarti belajar pada biaya rendah dalam istilah data, perhatian, dan usaha (biaya kompensasi rendah out-of-pocket untuk usaha dan rendahnya biaya kesempatan perhatian langsung jauh dari isu-isu lain). Dalam beberapa latar belakang mereka bisa juga menjadi manfaat keuntungan kompetitif untuk belajar relasi kunci ekonomi lebih cepat.

            Hasil yang kami lakukan juga menyumbang guna memahami apa yang dimaksud dengan pelanggan yang rumit dalam informasi akuntansi. Fiksasi terdahulu melihat kurangnya pengetahuan kalkulasi akuntansi sebagai alasan pertimbangan yang bias: ‘jika output dari metode akuntansi berbeda disebut dengan nama yang sama, seperti profit, biaya, dsb., orang yang tidak mengerti akuntansi akan cenderung melupakan kenyataan bahwa metode alternatif bisa digunakan untuk menyiapkan output” (Ijiri et al. 1966, 194, tambahan tekanan; lihat Ball 1972,  1 untuk argumen yang serupa). Dalam pandangan ini, para individu tidak harus memfiksasi jika mereka memiliki pengetahuan yang cukup mengenai aturan akuntasi yang relevan.

            Banyak penelitian saat ini memiliki tekanan pentingnya kategori pengetahuan mengenai efek ekonomi kausal tidak langsung dari akuntansi; sebagai contoh, pengalaman analis tahu bahwa penurunan harga stok secara khas mengiringi satu kategori pembelanjaan (isu keadilan baru) tetapi tidak yang lain (isu hutang baru) (Hopkins 1996). Para individu yang memiliki pengetahuan ini bisa lebih berpengalaman lagi daripada mereka yang tidak; tetapi mereka juga lebih seperti bagaimana mendisplay fiksasi saat menghadapi hal yang samar dari kategori, seperti keamanan hibrid terklasifikasi sebagai hutang atau keadilan (Hopkins 1996; Libby et al. forthcoming). Pertemuan ekstra dengan hal yang samar dapat membantu individu membersihkan kategori pengetahuan mereka dan transaksi secara tepat dengan anggota yang samar dari suatu kategori, bagaimanapun. Dalam pandangan ini, pengalaman dibutuhkan untuk menghindari fiksasi pada akuntasi akan terdiri dari kebersihan kategori pengetahuan yang dapat menjelaskan perbedaan samar-samar dari hal yang khas dan mendukung kebenaran ekspektasi  mengenai kebiasaan hal yang samar-samar.

            Penelitian kami membuktikan bahwa kebutuhan pengalaman pelanggan bahkan dapat lebih banyak persyaratannya; pengertian yang jelas mengenai hal yang samar dalam prinsipil tidak selalu cukup fiksasi dihapus dalam praktisnya. Hal-hal yang tidak dapat diraba merupakan pembiayaan samar dimana mereka mempengaruhi profit periode masa depan, padahal  pembiayaan tipikal tidak demikian.  Subyek kami mengerti akan hal ini, seperti yang ditunjukkan oleh respon mereka terhadap pertanyaan pra-pengujian mengenai efek kerterlambatan profit - tetapi kenampakan mereka dalam mengestimasi efek ini dan menggunakannya dalam pertimbangan secara signifikan masih buruk daripada subyek dalam kondisi investasi.

            Subyek dalam memainkan kondisi pembiayaan relatif sangat kurang karena mereka melihat kurang dekat dengan kebanyakan data penting, bukan karena mereka menggambarkan kesalahan kesimpulan dari data ketika mereka melihatnya secara dekat. (Tabel 4 menunjukkan bahwa subyek dalam kondisi pembiayaan tidak menaksir terlalu tinggi efek periode saat ini dari pengeluaran, dibandingkan dengan subyek dalam kondisi investasi). Cerita alokasi-perhatian bisa membantu menjelaskan penemuan penelitian terdahulu mengenai efektivitas kesempatan belajar dalam mengurangi fiksasi. Sebagai contoh, Waller et al. (1999), fiksasi dikurangi secara cepat dengan kesempatan untuk belajar, mungkin karena latar belakang bukan merupakan masalah alokasi perhatian yang signifikan. Subyek dalam pengujian itu menerima informasi biaya pada produk tunggal, memilih harga untuk produk, dan kemudian belajar profit yang mereka buat, dimana suatu fungsi determinasi satu X (price) dan satu Y (profit), lebih baik daripada hubungan probabilistik antara empat X_i’s (empat periode pengeluaran) dan satu Y (profit), seperti dalam pengujian kami. Kemungkinan bahwa subyek tidak akan mendekati data teruji pada relasi X_{i – Y}  yang benar agaknya adalah minimal ketika di sana hanya ada satu X_i.¹⁷ serupa, dalam Gupta dan King (1997) subyek harus belajar mengestimasi biaya untuk tiga produk dengan mengobservasi relasi antara estimasi biaya mereka (X_i) dan profit agregasi (Y); lebih akurat estimasi mereka maka profit mereka lebih tinggi. Belajar pelan-pelan saat subyek harus mengestimasi relasi tiga X_i – Y (karena sistem akuntansi menyediakan data yang tidak akurat dari ketiganya) daripada ketika mereka harus mengestimasi hanya dua (karena estimasi sistem akuntansi biaya satu produk  secara langsung).

            Satu perbedaan penting yang potensial antara pengujian kami dan Waller et al. (1999) dan Gupta dan King (1997) adalah cara kami menghadirkan data belajar. Subyek dalam Waller et al. (1999) dan Gupta dan King (1997) memutuskan estimasi harga atau biaya dalam tiap uji coba sebelum melihat hasil profit aktual. Dalam fase belajar dari pengujian kami, subyek mempelajari hasil profit dari pengeluaran hal-hal yang tak terduga tanpa bermaksud membuat prediksi terlebih dahulu. Beberapa psikologis telah membuktikan bahwa menyediakan prediksi atau keputusan selama fase pembelajaran harus mempromosikan belajar karena ia menciptakan keterlibatan yang besar; yang lain telah membuktikan bahwa ia harus mengurangi belajar karena ia menghalangi integrasi data belajar berlawanan dengan kasus atau menyebabkan semakin jauhnya pertimbangan pertama, yang sepertinya tidak akurat karena mereka dibuat pada basis data yang sangat kecil (Klayman 1988; Broniarczyk dan Alba 1994; Well et al. 1988). Pengujian telah ditemukan, bagaimanapun, penyediaan prediksi kasus-demi-kasus selama fase pembelajaran membuat tidak ada perbedaan terhadap penampakan dalam fase pertimbangan subsekuen, hal lain, sama (Broniarczyk dan Alba 1994; Well et al. 1988). Hal ini seperti tidak mungkin, karena itu, hasil ekperimental kami tersebut digerakkan oleh tidak adanya penyediaan prediksi selama fase belajar.

            Broniarczyk dan Alba (1994) juga menemukan bagaimanapun bahwa presentasi serempak dari semua kasus beajar (seperti dalam eksperimen kita) mengarah ke belajar yang lebih buruk daripada mempelajari sebuah presentasi yang sekuen yang memerlukan subyek untuk menguji masing-masing kasus yang terkadang belum bisa mereka lihat setelahnya. Dua format presentasi ini  menghubungkan ke tugas dunia nyata yang berbeda contohnya, menguji laporan dari lusinan unit bisnis yang mirip dengan waktu tertentu yang serempak vs laporan pengujian dari sebuah  unit waktu lembur/lebih. Setting eksperimen kita menghubungkan ke situasi pertama, dan hasilnya mungkin tidak sepenuhnya bisa digeneralkan ke yang kedua.

            Batasan lain terhadap kemampuan genralisasi hasil paper ini adalah bahwa setting eksperimen kita tidak memasukkan  tindakan beberapa firma yang mengambil bantuan secara potensial mengandung penilaian yang salah. Subyek kami membuat penilaian mereka sendiri: kesempatan untuk mendiskusikan data dengan lainnya mungkin mengurangi atau memperburuk performa defisit yang diobeservasi dalam kondisi pembiayaan. Subyek kami juga membuat penilaian mereka tanpa bantuan metode statistik formal yang mungkin membantu menyelesaikan kecondongan penilaian. Umpan balik sifat tugas membawa pada performa penilaian yang lebih baik daripada  hasil informasi itu sendiri (Balzer dkk, 1989). Beberapa firma memberikan model-model statistik dari driver performa keuangan pada pekerja sebagai pengganti estimasi subyektif, tetapi banyak juga yang tidak memberikannya; efikasi model statistik merupakan sebuah issue yang dikonteskan (Kaplan dan Norton, 1996b; Ittner dan Larcker 1998), dan kemauan individu untuk menyatakan model tersebut sebagai ganti dari penilaian subyektif mereka sendiri merupakan sebuah pertanyaan terbuka.

            Ketika individu-individu membuat estimasi subyektif, alat-alat yang mengarahkan perhatiannya lainnya bisa masuk dalam tendensi metode akuntanasi yang membawa manajer menjadi salah perhatian. Contoh, data non-finansial tambahan bisa mendorong lebih dekat pengujian dari hubungan tertunda dengan menggambarkan perhatian ke link dari pembelanjaan pada satu titik waktu untuk  pendapatan yang ditingkatkan atau biaya operasi yang diturunkan pada waktu selanjutnya dengan cara perbaikan periode intermediate/lanjutan pada kualitasnya, produktivitas, kepuasan pelanggan, dll.

            Batasan yang tidak biasa dari penyebab saran penelitian laboratorium dalam mengasumsikan bahwa hasil kita akan mereplikasi sepenuhnya dalam setting alami. Tugas dan data disederhanakan dan dibuat gaya, serta beberapa subyek mempunyai pengalaman kerja yang terbatas, walaupun banyak yang mempunyai pengalaman yang relevan dan pengalaman yang berbeda tidak membawa pada hasil. Pengalaman khusus yang cukup bisa memberikan pengetahuan tentang hal yang tak bisa diraba yang mengeliminasi tugas penilaian yang dipresentasikan dalam eksperimen ini: yaitu dapat menciptakan setting dimana di sana tidak ada lagi ketidakpastian ex ante yang signifikan tentang waktu keuntungan dari pembelanjaan yang tidak bisa diraba. Dalam bebrapa setting yang penting, bagaimanapun, individu kekurangan pengetahuan khusus ini karena  mereka menghadapi situasi baru dan harus belajar dari data yang tersedia. Untuk banyak pembelanjaan dalam hal yang lebih mudah diraba seperti training pekerja dan perbaikan proses, hal itu masih kurang jelas seberapa cepat  perusahaan harus berharap memungut keuntungan dari inisiatif awal yang utama, atau berapa lama keuntungan tambahan akan bertahan. Bahkan manajer yang berpengalaman tergantung pada data akuntansi untuk menduga waktu dan besarnya efek ini.