Use of Fuller's Technique to Reduce

Measurement Error in the Returns/Earnings Association

Susan M. Machuga

Latar Belakang

Estimasi empiris dari koefisien respons earning (ERC) secara konsisten lebih rendah dibandingkan
dengan prediksi teoritis. Hal ini mungkin terjadi karena proksi empiris untuk earning mengandung
kesalahan pengukuran. Penulis memperagakan dan mengevaluasi penggunaan teknik yang
dikembangkan oleh Fuller yang menghasilkan estimasi parameter konsisten meskipun ada
kesalahan pengukuran. Hasil empiris menunjukkan teknik ini berhasil mengurangi bias kesalahan
pengukuran ERC. ERC meningkat sebesar 52%, meskipun replikasi teknik yang dilakukan pada
penelitian sebelumnya hanya meningkatkan ERC 8%.

Pada penelitian sebelumnya telah dilakukan upaya alternatif cara mengatasi kesalahan pengukuran
di unexpected earnings dengan: (1) berusaha mengidentifikasi proksi utama dalam unexpected
earnings; (2) menggunakan beberapa proksi untuk unexpected earnings; (3) memperluas variabel
independen tambahan yang berkorelasi dengan kesalahan pengukuran; (4) pengelompokan
berdasarkan variabel dependen; (5) menggunakan reverse regression; dan (6) menggunakan teknik
variabel instrumental. Secara umum, penelitian sebelumnya menunjukkan bahwa setiap prosedur
ini mengurangi kesalahan pengukuran sampai batas tertentu, tetapi estimasi ERC secara empiris
masih jauh di bawah besaran teoretisnya. Secara teoritis, ERC tergantung pada pengaturan spesifik
di mana pengembalian / pendapatan hubungan dipelajari.

Teknik Fuller memberikan pendekatan yang menjanjikan untuk menangani kesalahan pengukuran
di penelitian akuntansi empiris karena beberapa proksi (walk forecast, analysts' forecast, security-
price-based forecast) tersedia untuk mengukur ekspektasi pendapatan pasar. Setiap proksi dapat
dianggap sebagai ukuran berulang dari ekspektasi pasar dari earning perusahaan. Proxy untuk
unexpected earnings kemudian bisa dihitung dengan mengurangi proksi untuk ekspektasi pasar
dari pendapatan terhadap angka penghasilan aktual yang dilaporkan. Karena itu, untuk
mendapatkan estimasi pengukuran varians kesalahan, peneliti harus memilih setidaknya dua proxy
untuk ekspektasi pasar pendapatan pada periode waktu tertentu. Ada dua persyaratan mengapa
proksi unexpected earnings yang dipilih, yaitu: (1) didistribusikan secara identik; dan (2)
independen satu dari yang lain.

Selain dua asumsi tersebut, diperlukan upaya untuk mendapatkan penduga yang konsisten dari
varians kesalahan pengukuran, tiga asumsi umum tambahan diperlukan untuk mendapatkan
estimasi parameter regresi persamaan yang konsisten: (1) Kesalahan pengukuran pada unexpected
earnings tidak tergantung pada kesalahan dalam persamaan struktural; yaitu, kesalahan
pengukuran tidak berkorelasi dengan variabel dan dihilangkan dari model, (2) Kesalahan
pengukuran didistribusikan secara independen dengan mean dan varians. Sebagai contoh, asumsi
ini dapat dilanggar dalam studi wawancara di mana masing-masing pewawancara menghubungi
sejumlah responden, (3) Kesalahan pengukuran tidak berkorelasi dengan nilai unexpected
earnings.

Metodologi

Dalam metodologinya, peneliti secara bertahap telah berhasil mengurangi pengukuran bias
kesalahan, meskipun estimasi ERC masih jauh di bawah besaran teoritisnya. Oleh karena itu,
penulis melakukan replikasi teknik sebelumnya yang digunakan untuk mengurangi pengukuran
kesalahan. Hal ini dilakukan selain untuk mendapatkan pembanding juga untuk menilai
kemampuan Teknik Fuller dalam mengurangi bias kesalahan pengukuran. Selain itu penulis
menunjukkan cara menggunakan Teknik Fuller dan menilai kinerjanya.

Untuk mendapatkan penduga yang konsisten dari varians kesalahan pengukuran, tiga asumsi
umum diperlukan untuk mendapatkan estimasi parameter regresi persamaan yang konsisten: 1)
Kesalahan pengukuran dalam unexpected earnings tidak tergantung pada kesalahan dalam
persamaan struktural; yaitu, kesalahan pengukuran tidak berkorelasi dengan variabel yang
dihilangkan dari model, 2) Kesalahan pengukuran didistribusikan secara independen dengan mean
0 dan varians. Sebagai contoh, asumsi ini dapat dilanggar dalam studi wawancara di mana masing-
masing pewawancara menghubungi sejumlah responden. Dalam hal ini varians mungkin bukan
merupakan cross-sectional konstan tetapi mungkin tergantung pada pewawancara, 3) Pengukuran
ini, setidaknya membutuhkan dua ukuran unexpected earnings secara berurutan untuk menerapkan
teknik estimasi Fuller. Penulis memilih untuk menggunakan perkiraan analis sebelumnya dan
harga perkiraan sebagai proksi untuk ekspektasi pasar terhadap pendapatan karena: 1) Penelitian
sebelumnya telah menunjukkan bahwa proksi tersebut lebih unggul daripada prakiraan runtun
waktu dalam hal memprediksi, terutama karena keduanya menggunakan informasi non-akuntansi,
serta riwayat pendapatan masa lalu tidak berkorelasi dengan unexpected earnings, 2) Setiap proksi
memberikan informasi unik yang menjelaskan pengembalian abnormal.

Hasil

Hasil dari efisiensi Teknik Fuller kemudian dinilai dengan membandingkan statistik-t, apakah
ERC secara statistik berbeda dari nol, setelah itu dihitung menggunakan Teknik Fuller untuk OLS.
Meskipun ERC diperkirakan di bawah Teknik Fuller tetapi akan lebih besar dari yang diperkirakan
menggunakan OLS. Teknik Fuller akan lebih tinggi daripada OLS hanya jika pengurangan bias
dibandingkan dengan kerugian dalam efisiensi. Nilai-t diharapkan ekuivalen atau berkurang
sedikit ketika menggunakan Teknik Fuller, menunjukkan bahwa meskipun koefisien yang
diperkirakan menggunakan Teknik Fuller kurang bias, mereka juga lebih sedikit efisien.

Simpulan

Penelitian ini mencoba memberikan wawasan lebih lanjut tentang koefisien bias karena
pengukuran kesalahan dalam proksi penghasilan yang tidak terduga. Kesimpulan pertama, hasil
empiris menunjukkan bahwa ada sejumlah besar kesalahan pengukuran bahkan dalam unexpected
earnings dengan proksi terbaik.

Kedua, dalam kemampuan teknik reduksi kesalahan beberapa proksi expected earning,
dimasukkannya lagged security returns, dikelompokkan berdasarkan ukuran abnormal returns,
penggunaan teknik variabel instrumental dan penggunaan Teknik Fuller dalam mengurangi bias
kesalahan pengukuran ERC, teknik Fuller adalah yang paling berhasil.

Hasil ini menunjukkan bahwa Teknik Fuller tampaknya berhasil mengurangi bias kesalahan
pengukuran di ERC. Selain itu, teknik ini memiliki potensi besar untuk digunakan dalam bidang
akuntansi serta penelitian ilmu sosial.