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 Xi
(pengeluaran untuk tipe intangible
khusus pada periode sekarang dan sebelumnya). Xi 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 Xi
– 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 Xi – 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 Xi – Y yang mereka uji sebelumnya; mereka ingin memberikan
sedikit penelitian yang cermat untuk hubungan Xi – Y yang mereka uji
setelahnya, yang menghasilkan error perkiraan yang lebih besar (Brehmer, 1974,
1979; Klayman, 1988). Urutan dengan individu menguji hubungan Xi – Y
karenanya merupakan kunci untuk akurasi penilaian.
Urutan dengan individu
menguji hubungan Xi – 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. Xi 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 Xi – 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 Xi, 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 Ys (s =
subjek) adalah mean prediksi profit individu. Ye (e = lingkungan)
adalah mean profit aktual. SYs dan SYe adalah deviasi
standar mereka yang berhubungan, dan ra 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 ra, 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 ra 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 ra akan menjadi lebih kecil ketika intangible dibiayai, dan bahwa perbedaan
dalam ra terhadap kondisi eksperimental akan menjadi sumber penting
perbedaan dalam error prediksi.
H1b: Pencapaian
prediksi profit individu (ra) 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 ra
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 (ra) dalam hal korelasi
antara model lingkungan yang dan mencakup kebijakan.
ra = ReGRs + C(1 – Re2)1/2
(1 – Rs2)1/2 (3)
Panel C Apendiks A menunjukkan cara mengkalkulasi komponen persamaan
ini. Re (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 Re
sama dengan 1,0. Semakin sedikit variasi dalam profit aktual yang dapat
dijelaskan data pengeluaran intangible,
maka semakin rendah Re. 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). Rs (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, Re 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 (Rs)
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
(Rs 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:
Ysj = prediksi profit subjek untuk pabrik j,
dan
Yej = profit aktual untuk pabrik j.
Apendiks A menunjukkan
kalkulasi untuk pencapaian penilaian (ra), penyesuaian (G), dan
konsistensi (Rs), 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 bst-3
– bet-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 (ra).
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 ra 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 (bc) pada masing-masing kwartal
variabel pengeluaran dalam model lingkungan (persamaan [1], appendix A) dan
koefisien yang distandarkan yang berhubungan dalam model predisktif subyek (bs) (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 (bst - bet) (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 (bst-3 - bet-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 (Rs).
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 (bs’s) menciptakan variasi dalam prediksi
(kekurangan konsensus). (Tabel 4 memberikan deviasi standar bs’s). variansi dari bst-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 bst-1 dan bst-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 (ra), kecocokan (G), kesalahan
subyek koefisien bst-3, konsistensi (Rs), 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 Xi’s
(empat periode pengeluaran) dan satu Y (profit), seperti dalam pengujian kami.
Kemungkinan bahwa subyek tidak akan mendekati data teruji pada relasi Xi –
Y yang benar agaknya adalah
minimal ketika di sana hanya ada satu Xi.17 serupa, dalam
Gupta dan King (1997) subyek harus belajar mengestimasi biaya untuk tiga produk
dengan mengobservasi relasi antara estimasi biaya mereka (Xi) dan
profit agregasi (Y); lebih akurat estimasi mereka maka profit mereka lebih
tinggi. Belajar pelan-pelan saat subyek harus mengestimasi relasi tiga Xi
– 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.
Emperor Casino – Casino Review | Shootercasino
BalasHapusAt the top of 1xbet korean our casino table, you'll find 제왕 카지노 the hottest slots, roulette, live dealer games, and 바카라 사이트 even video poker. There are many other casino games as well.