Variable Dependen: Kompleksitas Perkiraan

Kompleksitas perkiraan menjadi variable yang paling unggul dari rencana penerimaan
yang digunakan di sebuah kota, dikarenakan kompleksitas tidak memperhatikan sumber
pendapatan. Kompleksitas perkiraan yang telah ditetapkan setidaknya disajikan dalam dua cara,
pertama membatasi peramalan hanya 10 penduduk kota. Prediktor harus mencakup factor-faktor
yang mencerminkan proses peramalan, seperti peramalan sumber data. Kedua, jika populasi
diperluas untuk mencakup semua kota (di mana tidak adanya peramalan nilai dalam variabel
dependen), maka prediksi bisa tidak termasuk variabel yang secara khusus menjelaskan proses
peramalan (menurut definisi, non-peramalan kota tidak memiliki proses peramalan untuk
dianalisis).
Kami juga dapat memperkirakan kompleksitas perkiraan untuk pendapatan individu
(Model II). Menggunakan micro-perspektif, temuan akan menunjukkan jika, dan mengapa,
teknik kompleks cenderung digunakan untuk satu atau pendapatan lainnya. Ini tentu membatasi
populasi target untuk kota-kota yang meramalkan pendapatan. Berbeda dengan analisis Model I,
bagaimanapun, variabel proses perkiraan akan terbatas pada sumber data dan peramalan oleh
komputer; apakah setiap pendapatan diperkirakan tidak relevan.
Tabel 4. Definisi variabel untuk model I dan I1.
variabel dependen
Model I: FORM Menunjukkan bentuk paling 'maju' dari rencana penerimaan yang
digunakan oleh kota [0 = tidak ada, 1 = tren, 2 = ahli, 3 = deterministik, 4 = ekonometrik].
Model II: TEKNOLOGI Bentuk perkiraan pendapatan yang digunakan untuk setiap
sumber pendapatan [0 = tidak ada, 1 = tren, 2 = ahli, 3 = deterministik, 4 = ekonometrik].
Variable Prediksi:
Variable prediksi dibagi menjadi 3 kelompok yaitu proses anggaran, proses peramalan,
dan pemerintah dan sumber daya dasar.
Yang menjadi fokus utama variable peramalan yaitu proses anggaran. Penelitian
sebelumnya telah menunjukkan bahwa kota cenderung mengadopsi unsur-unsur tradisional dan
penganggaran reformasi (Grizzle, 1986; Schick, 1966; Friedman, 1975; Axelrod, 1973). Oleh
karena itu, peneliti meminta responden untuk mengkarakterisasi anggaran dengan
mengelompokkan proses anggaran dan mengidentifikasi tujuan, karakteristik, dan pengukuran
yang ada dalam anggaran tahunan seperti yang dirangkum oleh McCaffery (1988, p. 148).
peneliti juga meminta responden untuk mengidentifikasi sifat pendidikan, Jika pejabat anggaran
dididik dalam teori anggaran dan praktek (umumnya dari bagian administrasi dan akuntansi
pelatihan publik), mereka mungkin lebih cenderung untuk menghargai efisiensi dan efektivitas.

Akibatnya, orang tersebut juga mungkin akan lebih cenderung menggunakan teknik perkiraan
yang kompleks.
Focus kedua variable peramalan yaitu mengidentifikasi proses peramalan. Proses
peramalan ini ada 2 dimensi, Dimensi pertama adalah sumber data yang digunakan untuk
perkirakan pendapatan, Dimensi kedua adalah apakah komputer digunakan untuk menghasilkan
perkiraan.
Focus terakhir dari variable permalan yaitu sumber daya pemerintah. Jika dengan
menambah sumber daya dalam memberikan kesempatan untuk terlibat mahal, perkiraan
kompleks, maka kami berharap total pendapatan umum untuk secara positif mempengaruhi
teknik perkiraan. Jika kota memperkirakan pendapatan karena mereka relatif penting, maka kita
berharap variabel yang mengidentifikasi proporsi pendapatan umum dari berbagai sumber
menjadi signifikan. Misalnya, proporsi pendapatan dari pajak daerah harus positif memprediksi
teknik yang digunakan untuk meramalkan pendapatan pajak.
Dalam memprediksi teknik perkiraan pemerintah kota menggunakan untuk meramalkan
pendapatan dan pengeluaran mereka kami juga akan mencakup bentuk pemerintahan. Di
reformasi pemerintah (pimpinan kota) mungkin lebih cenderung memilih untuk perkiraan
kompleks jika rekan manager dengan efisiensi atau efektivitas.
Temuan: Menaksir Pengalaman Perkiraan Pendapatan
Pertama masalah yang kita ingin tuju adalah apakah tradisional proses anggaran dan
keterbatasan sumber daya membatasi kesempatan kota untuk terlibat dalam perkiraan. Temuan
ini umumnya mendukung hipotesis kami. Terkait proses anggaran, data menunjukkan bahwa
ketika nilai penganggaran melampaui control dan masukan, kota cenderung untuk meramalkan
pendapatan.
Keterbatasan sumber daya juga ditemukan secara signifikan membatasi keputusan
pemerintah untuk meramalkan pendapatan. Pada tingkat yang paling luas, kota yang memiliki
jumlah pendapatan besar (ini cenderung kota-kota besar) yang paling mungkin untuk
meramalkan pendapatan mereka.
Temuan juga menunjukkan bahwa kota lebih tergantung yang pada bantuan negara,
semakin kecil kemungkinan mereka untuk meramalkan. Temuan juga menunjukkan bahwa
teknik canggih akan digunakan oleh kota-kota yang paling bergantung pada bantuan pemerintah.
Ini mendukung temuan sebelumnya: kota lebih cenderung untuk memperkirakan pendapatan
ketika mereka merasa basis sumberdaya mereka tunduk pada pengaruh eksternal yang tidak
stabil
Kedua, sedangkan skenario pertama menunjukkan bahwa kota-kota dengan praktik
anggaran reformasi yang paling mungkin untuk meramalkan, temuan di sini menunjukkan bahwa

proses anggaran yang mencerminkan kondisi ekonomi dan sosial eksternal mungkin lebih
kondusif untuk peramalan canggih daripada proses anggaran yang fokus pada manajerial internal
yang keprihatinan.
Akhirnya, seperti pada table 3 sebelumnya menunjukkan bahwa sebagian besar kota yang
diperkirakan menghasilkan pendapatan pertahun pada pemerintah daerah mungkin yang paling
umum, pajak properti, dan sebagian besar kota-kota ini menggunakan tren, ahli, dan teknik
deterministik untuk menghasilkan peramalan.
Singkatnya, hasil di Model I menunjukkan bahwa teknik peramalan yang digunakan oleh
kota untuk menghasilkan estimasi pendapatan pada masa mendatang secara signifikan fungsi
dari proses anggaran dan keterbatasan sumber daya mereka. Pada tingkat umum ini, aspek proses
peramalan itu sendiri muncul sangat tidak relevan. Namun, peramalan lebih kompleks cenderung
ditemukan di kota-kota yang mencakup rencana 5 tahun dalam anggaran mereka.
Bertentangan dengan apa yang diharapkan, latar belakang pendidikan direktur anggaran
cenderung minim ketika pengaruh variabel lain dicatat. Ini tidak berarti pendidikan yang tidak
relevan. Sebaliknya, hal itu mungkin menunjukkan bahwa pengaruh pendidikan tidak langsung:
pelatihan dapat mempengaruhi format anggaran dan proses perkiraan.
Hasil kedua menunjukkan bahwa kota-kota yang meramalkan pendapatan, mereka yang
paling tergantung pada bantuan negara bagian dan federal akan cenderung menggunakan teknik
yang kompleks.
Terakhir, temuan menunjukkan bahwa tingkat kompleksitas peramalan pendapatan
ditentukan setidaknya dari semua oleh tuntutan dari proses peramalan itu sendiri.