Jurnal Bisnis Finance & Accounting

Jurnal Bisnis Keuangan & Akuntansi, 42 (7) & (8), 860-884, September /
Oktober 2015, 0306-686X doi: 10,1111 / jbfa.12120

Hubungan antara Sukarela Pengungkapan, Pembiayaan Eksternal dan

Status Keuangan

H SEBUAH KAN J ANKENSG ˚ SEBUAH RD *

Abstrak: Dengan menggunakan data pengungkapan Swedia unik 2007-2012,

makalah ini melaporkan tiga set penting dari temuan berkaitan dengan
hubungan antara pengungkapan sukarela perusahaan, pembiayaan eksternal
dan status keuangan. Pertama, perusahaan yang kuat secara finansial
mengungkapkan lebih dari yang lemah. Kedua, perusahaan yang
memperoleh pembiayaan baru (ekuitas atau debt) mengungkapkan lebih dari
perusahaan yang tidak. Ketiga, hubungan antara sukarela pengungkapan dan
pembiayaan peristiwa lebih kuat di perusahaan-perusahaan yang lemah
secara finansial. Temuan terakhir ini baru dalam literatur. Mungkin
perusahaan yang lemah secara finansial yang memperoleh pendanaan
eksternal harus pengungkapan yang lebih tinggi untuk menetralkan kontrak
dan penilaian masalah di pasar keuangan.

Kata kunci: pengungkapan sukarela, status keuangan, pembiayaan eksternal,

penerbitan ekuitas, overhang utang
 1. PERKENALAN

Di ibukota-pasar-transaksi hipotesis pengungkapan sukarela, perusahaan

menggunakan pengungkapan strategis untuk mengoptimalkan strategi
pembiayaan mereka (Healy dan Palepu, 2001). 1

Sejak pengungkapan memerlukan baik biaya dan manfaat, adalah wajar

untuk mengharapkan bahwa perusahaan lebih akan datang dengan informasi
ketika manfaat yang relatif lebih tinggi, seperti dalam periode ketika
perusahaan menerbitkan surat berharga dan manfaat langsung dari biaya
yang lebih rendah modal. Hipotesis ini didukung oleh bukti-bukti empiris
(Choi, 1973; Gibbins et al, 1990;. Lang dan Lundholm, 1993; Frankel et al,
1995;. Marquardt dan Wiedman, 1999; Lang dan Lundholm, 2000; et
Brockman al., 2008).

* Penulis adalah di Jurusan Administrasi Bisnis, Universitas Lund.

Penulis berkat Hans Borneroth dan Martin Isemo dari Kanton untuk
memasok data dan berbagi keahlian mereka pada subyek. Penulis berkat
wasit anonim, Niclas Andr'

en, Clas Wihlborg, Jens

Forssbaeck, Anders

Vilhelmsson, Fredrik NG Andersson, peserta seminar di Knut Wicksell

Pusat Studi Keuangan, Lund University, dan peserta seminar pada Seminar

Penelitian Lund Akuntansi, Universitas Lund, selama beberapa komentar

yang berharga. Penulis juga mengucapkan terima kasih atas dukungan
keuangan dari JanWallander dan TomHedelius yayasan. (Paper diterima
September 2014, versi revisi diterima April 2015).

Alamat untuk korespondensi: H akan Jankensg˚ ard, Jurusan

Administrasi Bisnis, Universitas Lund,

PO Box 7080, 220 07 Lund, Swedia. Telepon: +46 46 222 4285. e-mail:

hakan.jankensgard@fek.lu.se

1 Goto et al. (2009) mendefinisikan pengungkapan strategis sebagai

kebijaksanaan perusahaan untuk mengungkapkan atau informasi Janganlah
menahan.

©C 2015 John Wiley & Sons Ltd 860

 PENGUNGKAPAN SUKARELA DAN
EKSTERNAL PEMBIAYAAN 861

Dalam tulisan ini, saya menambah literatur tentang sukarela pengungkapan

dan pembiayaan kegiatan dengan memeriksa apakah hubungan ini
dikondisikan oleh status keuangan perusahaan. Secara khusus, saya
mengembangkan dan menguji hipotesis bahwa hubungan antara
pengungkapan dan pembiayaan eksternal lebih diucapkan dalam perusahaan
yang lebih lemah secara finansial. teori keuangan perusahaan menunjukkan
bahwa masalah kontrak di pasar keuangan mendapatkan semakin parah
karena penurunan status keuangan perusahaan (mempertimbangkan,
misalnya, masalah utang-overhang di Myers, 1977). Sejauh meningkat
pengungkapan sangat membantu dalam mengatasi masalah kontrak tersebut,
kami berharap upaya suatu perusahaan di pengungkapan sehubungan dengan
penawaran ekuitas menjadi fungsi yang menurun dari status keuangan
perusahaan. Selain itu, karena pengungkapan mengurangi asimetri informasi,
2 Akhirnya, permintaan untuk pengungkapan mungkin lebih tinggi ketika
perusahaan lemah secara finansial menerbitkan surat berharga. ekuitas
Sebuah perusahaan akan, diberikan terbatas, semakin cenderung harga
sebagai pilihan karena perusahaan mendapat finansial lemah (Myers, 1977).
Karakteristik pilihan ini menunjukkan bahwa perkiraan volatilitas yang tepat
menjadi relatif lebih penting dalam penilaian perusahaan yang lemah,
meningkatkan permintaan untuk pengungkapan.

Contoh dari Scandinavian Airlines (SAS) berfungsi untuk

menggambarkan potensi pentingnya mempertimbangkan status keuangan
sehubungan dengan pengungkapan dan pembiayaan peristiwa. Pada tahun
2010, SAS menjadi perusahaan pertama yang mencapai skor maksimal
dalam tahunan peringkat mengenai tingkat pengungkapan dalam laporan
tahunan oleh perusahaan Swedia yang terdaftar. Tidak ada perusahaan sejak
mengulangi prestasi ini. peringkat seperti laporan keuangan kadang-kadang
disebut sebagai “kontes kecantikan”, dan, menurut logika ini, SAS akan
menjadi keindahan utama. Beberapa pengamat mungkin telah berbeda
pendapat, namun. Selama tahun 2009 dan 2010, SAS berjuang dengan
memburuknya kinerja operasi dan kesulitan keuangan yang serius
berpengalaman. kerugian operasi yang sangat melemahkan likuiditas
perusahaan, dan kebangkrutan itu cepat menjadi prospek yang realistis.
Dalam kedua tahun ini,

Dalam menganalisis hubungan antara pengungkapan, pembiayaan

eksternal dan status keuangan, penelitian ini manfaat dari database yang
unik pada skor pengungkapan untuk perusahaan Swedishlisted antara 2007
dan 2012. Database terdiri peringkat dari laporan tahunan, laporan triwulan
dan pengungkapan berbasis web. Untuk masing-masing saluran
pengungkapan tersebut, perusahaan menerima poin sejauh bahwa mereka
menerbitkan item yang dianggap berguna untuk analis dan pemegang saham
minoritas. Sejak tahun 2007, peringkat tersebut telah dilakukan oleh
Kanton, sebuah perusahaan penasehat keuangan Swedia, bekerjasama
dengan Aktiespararna, sebuah asosiasi yang mewakili kepentingan
pemegang saham minoritas di Swedia. Data ini (selanjutnya disebut sebagai
KA-nilai) yang unik dalam arti bahwa item pengungkapan yang sebenarnya
menargetkan pengungkapan sukarela telah secara konsisten kode untuk
sampel luas perusahaan selama 6 tahun (dan berjalan). Singkatnya, KA-skor
menawarkan kesempatan langka untuk mengeksplorasi pengungkapan
sukarela dengan baru-baru ini
2 Misalnya, aset-nilai ketidakpastian akan lebih tinggi di perusahaan-
perusahaan ini sejauh bahwa kelangsungan hidup mereka dan kinerja di
masa mendatang tergantung pada perubahan kunci, seperti mengganti tim
manajemen atau mengubah model bisnis.

©C 2015 John Wiley & Sons Ltd

862 JANKENSG ˚ ARD

data time-series untuk tiga jenis pengungkapan penting: laporan tahunan,

laporan triwulan dan laporan berbasis web. 3

Awalnya, saya menguji apakah status keuangan dan pembiayaan

peristiwa menjelaskan pengungkapan sukarela. Menggunakan perusahaan
tetap efek regresi dengan sekitar 875 pengamatan, saya menemukan bahwa
bahwa kenaikan pengungkapan sukarela dengan status keuangan
perusahaan, disini diukur dengan Altman Z-skor, ukuran yang umum
digunakan risiko kebangkrutan. Hubungan ini signifikan pada tingkat 1%.
Besarnya koefisien menyiratkan bahwa pengungkapan oleh perusahaan
dalam kuartil terkuat finansial adalah sekitar 6% lebih tinggi dibandingkan
dengan kuartil paling lemah. Akibatnya tersebut konsisten dengan argumen
bahwa perusahaan lebih kuat secara finansial memiliki sumber daya lebih
untuk mengabdikan untuk kegiatan terkait pengungkapan-. Saya juga
menemukan, konsisten dengan hipotesis modal pasar-transaksi, bahwa KA-
skor untuk pengungkapan dalam laporan tahunan yang lebih tinggi bagi
perusahaan-perusahaan yang menggunakan pendanaan eksternal.

Hipotesis bahwa perusahaan lemah secara finansial meningkatkan

pengungkapan yang lebih dalam menanggapi penerbitan ekuitas tidak
mendukung menemukan di data. Pada sebagian besar regresi, persyaratan
interaksi antara tindakan-status keuangan yang digunakan dalam makalah ini
- leverage, Altman Z-skor dan Tobin Q - dan indikator ekuitas-pembiayaan
yang signifikan dan memiliki tanda yang diharapkan. Misalnya, istilah
interaksi dengan leverage adalah positif dan signifikan pada tingkat 1%,
menunjukkan bahwa sebagai leverage perusahaan meningkat itu akan
mengungkapkan lebih dalam menanggapi masalah ekuitas. status keuangan,
dengan demikian, tampaknya sistematis terkait dengan hubungan antara
pengungkapan dan pembiayaan ekuitas dengan cara yang teori keuangan
mengarah kita untuk mengharapkan. Manajer perusahaan yang lemah secara
finansial, menghadapi ketidakpastian prospek dan kurang kepercayaan
investor, mungkin merasa berkewajiban untuk mengungkapkan relatif lebih
untuk melestarikan akses modal pasar. Pada membaca ini, pengungkapan
sukarela mungkin sebagian menggantikan reputasi baik di perusahaan
ekuitas-bergantung.

Makalah ini memberikan kontribusi untuk literatur tentang pengungkapan

sukarela dalam tiga cara. Sementara beberapa makalah sebelumnya telah
mendokumentasikan hubungan antara peristiwa pembiayaan dan
pengungkapan, tidak ada kertas lain memiliki, sejauh yang saya sadar,
mencatat bahwa status keuangan pengaruh suatu perusahaan bagaimana
yang akan datang itu adalah dengan pengungkapan dalam menanggapi
penerbitan ekuitas. Makalah ini juga melakukan analisis sistematis tentang
bagaimana berbagai bentuk pengungkapan dampak pembiayaan eksternal.
Ekuitas, fokus di Lang dan Lundholm (2000), hanya salah satu dari beberapa
sumber pembiayaan eksternal, yang semuanya menderita oleh masalah
informasi tidak merata. Dalam Lang dan Lundholm (1993) dan Frankel et al.
(1995), obligasi dan ekuitas penerbitan digabungkan menjadi variabel
indikator tunggal. Saya tidak menggabungkan dua jenis transaksi.
Selanjutnya, saya bisa mengendalikan pinjaman perbankan dan bentuk setara
dengan utang swasta, yang tidak dibahas dalam penelitian sebelumnya. Bank
pinjaman adalah sumber utama pendanaan eksternal bagi perusahaan-
perusahaan di sebagian besar negara dan hal ini berbeda dari obligasi umum
atau penawaran ekuitas berpengalaman di
3 Sebagai perbandingan, peringkat AIMR umum digunakan dalam studi AS
pengungkapan (misalnya, Botosan dan Plumlee, 2002; Jiao, 2011) yang
terakhir diproduksi pada tahun 1996, dan didasarkan pada persepsi analis
kualitas pengungkapan (sebagai lawan item pengungkapan yang sebenarnya
) untuk industri tertentu. Peringkat AIMR tidak memisahkan laporan
kuartalan dari jenis lain dari pengungkapan di antara dua laporan tahunan
(siaran pers, padat modal pasar hari, dll), juga tidak menutupi
pengungkapan berbasis web khusus.

©C 2015 John Wiley &

Sons Ltd
 PENGUNGKAPAN SUKARELA DAN
EKSTERNAL PEMBIAYAAN 863

sebuah hal penting, yaitu bahwa hal itu didasarkan sebagian pada informasi
pribadi (misalnya, Denis dan Mihov, 2003). 4

Akhirnya, tulisan ini memberikan kontribusi terhadap literatur tentang

pengungkapan sukarela dengan melaporkan asosiasi yang kuat antara status
keuangan, yang diukur dengan Z-skor, dan tingkat pengungkapan. Sampai
saat ini, penelitian kecil ada pada hubungan ini. Konsisten dengan temuan
dilaporkan di sini, kertas kerja oleh Foerster et al. (2013) dokumen bahwa
perusahaan lessrisky mengeluarkan perkiraan pendapatan lebih. Para
penulis ini fokus pada langkah-langkah dari risiko ekuitas, bagaimanapun,
dan tidak memberikan bukti tentang hubungan antara risiko kebangkrutan
dan pengungkapan.

kertas hasil sebagai berikut. Bagian 2 ulasan literatur sebelumnya dan

menetapkan hipotesis yang akan diuji.

Bagian 3 memperkenalkan sampel, metodologi empiris dan statistik

deskriptif. Bagian 4 berisi analisis multivariat.

Bagian 5 terlihat lebih dekat pada penjelasan alternatif dan cek ketahanan.
Bagian 6 menyimpulkan.

2. SEBELUMNYA PUSTAKA DAN HIPOTESIS

Pada bagian ini, saya memberikan hipotesis yang akan diuji secara empiris
kemudian di koran. Hipotesis pertama menyangkut hubungan antara
pengungkapan sukarela dan status keuangan. Yang kedua berkaitan dengan
hubungan antara sukarela pengungkapan dan pembiayaan peristiwa. Yang
ketiga, yang merupakan hipotesis utama dari makalah ini, penawaran dengan
dampak status keuangan pada hubungan antara sukarela pengungkapan dan
pembiayaan peristiwa.

perusahaan finansial yang kuat (orang-orang dengan sumber daya yang

lebih keuangan dan dengan kemungkinan lebih rendah dari default)
umumnya memiliki lebih banyak sumber daya untuk mengabdikan untuk
kegiatan terkait pengungkapan-. perusahaan finansial lemah, di sisi lain,
mungkin lebih cenderung untuk fokus pada pertemuan biaya operasional dan
pengeluaran investasi yang dibutuhkan. Pandangan ini voluntarydisclosure-
as-a-mewah-baik menghasilkan prediksi sederhana bahwa pengungkapan
adalah peningkatan fungsi status keuangan perusahaan. Selain itu, salah satu
dapat mempertimbangkan peran pengungkapan sukarela sebagai sinyal
mahal dari perusahaan, atau manajerial, kualitas (Healy dan Palepu, 2001).
Jika pengungkapan sukarela mahal, sebuah perusahaan yang kuat secara
finansial dapat menggunakannya sebagai sinyal dari kekuatan keuangan dan
komitmennya untuk pengungkapan praktek terbaik dengan cara yang lebih
lemah tidak dapat dengan mudah meniru, sehingga mencapai keunggulan
reputasi (lihat Cao et al., 2013, untuk diskusi tentang hubungan antara
pengungkapan sukarela dan reputasi). Argumen sinyal ini menunjukkan
bahwa perusahaan yang kuat secara finansial akan memberikan
pengungkapan yang lebih sukarela.
 H1: Sebuah status keuangan yang lebih kuat dikaitkan dengan
pengungkapan sukarela yang lebih tinggi.

Hubungan antara pengungkapan sukarela dan biaya modal adalah subjek

dari sebuah literatur yang luas (lihat, misalnya, Botosan 2006, untuk
gambaran). Logika yang menghubungkan pengungkapan dengan biaya
yang lebih rendah modal diringkas oleh Beyer et al, (2010):. “Manajer
memiliki keuntungan informasi lebih investor luar terhadap nilai
perusahaan dan profitabilitas dan memiliki insentif untuk memaksimalkan
nilai

4 Jelas, ekuitas dapat ditempatkan secara pribadi. Namun untuk perusahaan

publik, yang merupakan fokus dari makalah ini, ekuitas pribadi ditempatkan
adalah peristiwa langka; ketika itu terjadi, sering melakukannya bersama
dengan penawaran umum.

©C 2015 John Wiley & Sons Ltd

864 JANKENSG ˚ ARD

teguh seperti yang dirasakan oleh investor. Untuk itu, manajer memiliki
insentif untuk strategis dan selektif mengungkapkan informasi. Pada
gilirannya, investor rasional akan mengantisipasi pengungkapan strategis
seperti, dan akan memberikan manajer dengan insentif untuk
mengungkapkan informasi yang mengurangi asimetri informasi”. Artinya,
pengungkapan dapat menurunkan komponen adverseselection dari biaya
modal yang timbul karena investor pada kerugian informasi dan akan
mengantisipasi bahwa manajer bertindak dalam kepentingan terbaik
pemegang saham yang ada.

Perusahaan menerbitkan sekuritas berdiri untuk mendapatkan lebih

banyak langsung dari biaya yang lebih rendah dari modal daripada mereka
yang tidak, yang mengubah biaya-manfaat manajer analisis membuat
sehubungan dengan jumlah informasi yang mengungkapkan perusahaan.
Healy dan Palepu (2001) menyebutnya sebagai hipotesis modal pasar-
transaksi, dan prediksi ditanggung oleh pertumbuhan tubuh bekerja empiris.
Choi (1973) menunjukkan bahwa perusahaan meningkatkan pengungkapan
sehubungan dengan masuk ke pasar Euro-modal. Lang dan Lundholm (1993)
menemukan bahwa peringkat analis kualitas pengungkapan lebih tinggi
untuk perusahaan yang masalah sekuritas. Frankel et al., (1995) dokumen
bahwa perusahaan menaikkan perkiraan pendapatan lebih sering masalah
modal. Marquardt dan Wiedman (1999) menemukan bahwa kecenderungan
ini bahkan lebih besar di perusahaan-perusahaan di mana manajer menjual
sebagian saham mereka dalam penawaran umum sekunder. Lang dan
Lundholm (2000) menunjukkan bahwa perusahaan-perusahaan secara
substansial meningkatkan aktivitas pengungkapan mereka dalam 6 bulan
menjelang korban ekuitas berpengalaman. Brockman et al. (2008)
menunjukkan bahwa perusahaan cenderung untuk melepaskan lebih banyak
berita buruk sebelum meluncurkan saham dibeli kembali program tersebut.
Bukti dari wawancara withmanagers (Gibbins et al., 1990) menguatkan
lanjut gagasan bahwa perusahaan mengubah arus informasi di sekitar
peristiwa pasar modal.

berbagai sumber pembiayaan eksternal menderita berbeda dari informasi

asimetris, namun. Hal ini memungkinkan saya untuk membuat prediksi
dalam hal jenis instrumen pembiayaan yang digunakan (utang atau ekuitas).
Menurut teori pecking-order (Myers, 1984; Myers dan Majluf, 1984), di
dalam ekuitas (yaitu, internal cash flow) tidak menderita oleh masalah
informasi asimetris karena investor luar tidak terlibat. Oleh karena itu adalah
sumber termurah pendanaan dan umumnya disukai oleh manajer. Pada ujung
spektrum adalah luar ekuitas. Seperti klaim residual atas aset perusahaan, itu
adalah sumber pendanaan eksternal yang paling sensitif terhadap informasi
asimetris. Antara di dalam dan ekuitas luar dalam teori pecking-order
berbagai jenis utang (dan sekuritas hybrid, seperti obligasi konversi). Myers
dan Majluf (1984) perbedaan antara “aman” dan “berisiko” utang. Semakin
junior klaim, semakin terkena komponen yang merugikan-pilihan
pembiayaan eksternal. Pemilik bentuk yang lebih aman dari utang berdiri di
baris pertama untuk menerima arus kas dan menyita agunan dalam hal
default dan, sehingga, dapat khawatir kurang tentang kesalahan penilaian
yang disebabkan oleh informasi asimetris.

H2a: Untuk menangkal komponen yang merugikan-pilihan pembiayaan

eksternal, perusahaan
 bahwa masalah sekuritas di pasar keuangan memiliki
pengungkapan sukarela yang lebih tinggi daripada mereka yang
tidak.

H2b: Karena komponen yang merugikan-pilihan pembiayaan eksternal

yang lebih tinggi untuk

ekuitas dari utang, perusahaan menerbitkan ekuitas memiliki

pengungkapan sukarela yang lebih tinggi daripada mereka utang
penerbitan.

©C 2015 John
Wiley & Sons Ltd
 PENGUNGKAPAN SUKARELA DAN
EKSTERNAL PEMBIAYAAN 865

Sejauh ini, saya telah mengembangkan argumen berkaitan dengan

hubungan antara pengungkapan sukarela di satu sisi dan acara pembiayaan
dan status keuangan di sisi lain. Berikutnya, saya mempertimbangkan apakah
jumlah pengungkapan tambahan dalam menanggapi peristiwa pembiayaan
tergantung pada status keuangan perusahaan (yang dapat dianggap sebagai
interaksi antara status keuangan dan peristiwa pembiayaan dalam hal
menjelaskan pengungkapan sukarela). Sebuah jawaban intuitif untuk
pertanyaan ini disediakan oleh Myers (1977) teori utang-overhang:
penerbitan ekuitas menjadi secara bertahap lebih sulit karena perusahaan
menjadi finansial lemah. Karena kapasitas utang perusahaan habis, tidak bisa
meminjam lebih untuk membiayai investasi-NPV positif. Mengingat
overhang utang, pemegang saham akan bersedia untuk membiayai investasi
dengan masalah ekuitas baru karena membuat ada utang berisiko lebih aman
dan, karena itu, merupakan transfer kekayaan untuk pemegang utang.
pengungkapan tambahan mungkin mengatasi masalah kontrak utang-
overhang-diinduksi seperti sejauh yang meringankan kekhawatiran
pemegang saham tentang transfer kekayaan tersebut.

Untuk membangun hubungan antara status keuangan dan pembiayaan

eksternal yang lebih formal, menganggap bahwa biaya pendanaan
eksternal merupakan fungsi dari biaya yang merugikan-seleksi, yang pada
gilirannya mengandaikan asimetri informasi. Seperti telah dibahas
sebelumnya, keberadaan asimetri informasi memberikan perusahaan
alasan untuk memberikan pengungkapan: untuk memangkas komponen
yang merugikan-pemilihan biaya modal (Beyer et al, 2010.). Menurut
Choe et al. (1993), penawaran ekuitas turun selama resesi. Mereka
mengusulkan bahwa “karena ketidakpastian pasar atas nilai aset
perusahaan di tempat meningkat. . . efek adverse selection (pada biaya
modal) meningkat, sehingga jumlah perusahaan menerbitkan ekuitas
menurun.” Ketidakpastian tentang aset di tempat yang lebih tinggi selama
resesi karena perusahaan

de facto leverage yang lebih tinggi dalam periode tersebut, konjektur

didukung oleh analisis empiris dari sifat time series volatilitas pasar saham
(misalnya, Schwert, 1989).

Logika yang memanfaatkan kenaikan ketidakpastian tampaknya

memegang tidak hanya pada tingkat agregat, tetapi juga di bagian lintas.
perusahaan finansial yang lemah cenderung memiliki lebih tinggi de facto
leverage, menunjukkan bahwa ketidakpastian tentang aset di tempat lebih
tinggi daripada perusahaan yang relatif kuat. Hal ini didukung oleh intuisi:
kelangsungan hidup perusahaan lebih lemah secara finansial dapat serius
dipertanyakan oleh pasar keuangan; dalam beberapa kasus, kelangsungan
hidup perusahaan mungkin diragukan. keberadaan dan masa depan kinerja
terus dari perusahaan yang lemah mungkin tergantung pada implementasi
perubahan kunci yang akhirnya sukses tidak pasti. Bahwa perusahaan yang
lebih lemah secara finansial terkait dengan ketidakpastian yang lebih tinggi
didukung oleh bukti empiris: Dennis dan Strickland (2009) melaporkan
sebuah perusahaan kuat tingkat asosiasi cross-sectional antara leverage dan
volatilitas. Brownlees (2013) juga melaporkan bahwa heterogenitas cross-
sectional dalam perkiraan volatilitas bersemangat dijelaskan oleh leverage
perusahaan. 5

Pentingnya pengungkapan dalam proses penilaian dapat berubah dengan

status keuangan perusahaan bagi investor utang dan ekuitas. Secara umum,
pengungkapan sangat penting untuk kualitas keputusan investasi investor
(Singhvi dan Desai, 1971). Dari sudut pandang pemberi pinjaman, presisi
dalam estimasi volatilitas aset mungkin kurang penting ketika sebuah
perusahaan sangat sehat secara finansial karena perusahaan tidak mungkin ke
default. Oleh karena itu, pengungkapan kurang berharga dalam kasus ini.
Sebuah logika yang sama berlaku untuk investor ekuitas. Untuk melihat ini,
menganggap bahwa semakin dekat suatu perusahaan ke default, semakin

5 Perlu dicatat bahwa studi ini mengukur volatilitas ekuitas perusahaan,

tidak volatilitas aset. volatilitas aset sulit untuk mengukur mengingat bahwa
utang perusahaan biasanya tidak diperdagangkan.

©C 2015 John Wiley & Sons Ltd

866 JANKENSG ˚ ARD

ekuitas memperoleh karakteristik opsi pada aset perusahaan dengan strike

price sama dengan utang perusahaan (Myers, 1977). Volatilitas menjadi
masukan relatif lebih penting dalam proses penilaian ketika ekuitas adalah
harga sebagai pilihan pada aset perusahaan. 6 Oleh karena itu kita dapat
menduga bahwa ketidakpastian aset akan lebih penting untuk penilaian
ekuitas lemah secara finansial perusahaan, yang pada gilirannya
meningkatkan permintaan untuk pengungkapan untuk meningkatkan
presisi volatilitas perkiraan ini. Ini juga menunjukkan bahwa perusahaan-
perusahaan yang lebih lemah secara finansial akan terkait dengan tingkat
yang lebih tinggi dari masalah keamanan di sekitar pengungkapan.

H3: Dengan aset-in-tempat yang lebih tinggi ketidakpastian, perusahaan

lemah secara finansial sukarela

pengungkapan dalam menanggapi penerbitan keamanan akan lebih tinggi

dari perusahaan finansial yang kuat.

3. SAMPEL, VARIABEL DAN DESKRIPTIF STATISTIK

(I) Contoh

sampel saya terdiri dari perusahaan Swedia termasuk dalam peringkat tingkat
pengungkapan yang dilakukan oleh Kanton, sebuah perusahaan penasehat
keuangan Swedia, dan Aktiespararna, sebuah asosiasi yang mewakili
kepentingan terbaik pemegang saham minoritas Swedia. KA-skor terdiri
perusahaan yang terdaftar di NASDAQ dan daftar NGM Equity (NGM).
NGM adalah platform perdagangan untuk perusahaan-perusahaan kecil yang
mencari modal risiko. Ranking telah dilakukan setiap tahun antara 2007 dan
2012 dan dataset yang digunakan dalam penelitian ini terdiri dari seluruh
himpunan peringkat tersedia di seluruh periode ini. Kriteria untuk yang
disertakan, selain yang tercantum pada salah satu dari dua bursa tersebut,
adalah bahwa perusahaan yang berkantor pusat di Swedia dan menerbitkan
laporan keuangan di Swedia. Hilangnya data dari dua kriteria ini sangat
terbatas dan tidak harus memperkenalkan bias. Sebagai contoh, pada tahun
2009 dari 61 perusahaan dalam daftar topi besar, 55 peringkat oleh Kanton /
Aktiespararna. Dengan demikian, KA-nilai menutupi sebagian besar
perusahaan Swedia yang terdaftar, dari perusahaan risiko-ibukota-seeking
kecil untuk perusahaan besar-cap internasional, yang memungkinkan untuk
sebuah perusahaan heterogenitas yang sangat kaya. AIMR-skor, sebaliknya,
hanya diproduksi untuk perusahaan besar dengan berikut analis utama,
membatasi generalisasi mereka (Jiao, 2011).

Ada peringkat tiga yang terpisah: laporan tahunan, laporan triwulanan dan
informasi berbasis web. Perusahaan menerima skor awal mereka dan
didorong untuk meninjau mereka sebelum skor akhir yang ditugaskan. Item
data untuk masing-masing tiga peringkat dipilih berdasarkan kegunaannya
dirasakan analis dan pemegang saham minoritas (ini dijelaskan lebih lanjut
dalam bagian 3 ( ii). Menurut Kanton, item generik di bahwa mereka berlaku
untuk setiap perusahaan dan tidak industri tertentu. Yang penting untuk
tujuan saya, mereka secara khusus menargetkan pengungkapan sukarela:
ketika item pengungkapan telah menjadi wajib, itu kemudian dihapus. Item
yang digunakan secara luas konsisten dari waktu ke waktu, kecuali untuk
revisi utama pada tahun 2010 ketika beberapa item pengungkapan termudah
digantikan oleh unsur-unsur yang lebih bermakna. Karena item baru yang
lebih keras untuk memberikan, efek bersih adalah untuk menjatuhkan nilai
rata-rata untuk semua tiga peringkat pada tahun 2010 (lebih di bawah ini).

Ada skor pengungkapan untuk 350 perusahaan yang unik,

rendering total nomor-nomor berikut perusahaan-tahun: laporan
tahunan, 1271; laporan triwulanan, 1316; dan berbasis web

6 Saya berterima kasih kepada Anders Vilhelmsson untuk menyarankan titik

ini.

©C 2015 John Wiley &

Sons Ltd
 PENGUNGKAPAN SUKARELA DAN
EKSTERNAL PEMBIAYAAN 867

pelaporan, 1335. Saya mengecualikan perusahaan keuangan dan perusahaan

induk dari sampel (10 dan 19 perusahaan, masing-masing, untuk atau 143
perusahaan-tahun) karena mereka biasanya dianggap beroperasi di bawah
tempat yang berbeda dibandingkan dengan perusahaan-perusahaan non-
keuangan. Saya juga membutuhkan ketersediaan penuh data keuangan, yang
diperoleh dari CapitalIQ (peristiwa pendanaan eksternal) dan Datastream
(semua item keuangan lainnya). Membutuhkan ketersediaan penuh data
keuangan mengurangi jumlah perusahaan-tahun oleh sekitar 250, rendering
berikut untuk sampel akhir: laporan tahunan, 875; laporan triwulanan, 886;
dan pelaporan berbasis web, 885. Sampel akhir adalah panel tidak seimbang
yang mengandung 321 perusahaan yang unik. Berdasarkan Industri
Klasifikasi Standar global (GICS) perusahaan sampel adalah 6% dalam
bahan dasar, 36% di industrials, 11% di barang-barang konsumsi, 13%
dalam perawatan kesehatan, 13% di layanan konsumen, 2% di
telekomunikasi, 16% dalam teknologi, dan 3% dalam minyak dan gas. Tidak
ada perusahaan utilitas dalam sampel.

Ketersediaan data yang agak berbeda antara kategori pengungkapan yang

berbeda dan dari tahun ke tahun. Tabel 1 menggambarkan komposisi sampel
tahun-demi-tahun antara 2007 dan 2012. Dalam Tabel 1, DISCY adalah skor
pengungkapan laporan tahunan, DISCQ untuk laporan triwulanan, dan
DISCW untuk halaman web (lihat bagian 3 ( ii) untuk penjelasan rinci
tentang variabel-variabel ini). Ada tidak ada peringkat di 2011 untuk
perusahaan yang terdaftar pada daftar NGM, dan tidak ada peringkat untuk
perusahaan kecil-topi pada tahun 2011 dan 2012, yang tercermin dalam
angka yang lebih rendah dari perusahaan termasuk dalam tahun-tahun ini.
Juga terlihat pada Tabel 1 adalah penurunan skor rata-rata pada tahun 2010
untuk ketiga peringkat dibawa oleh revisi item data yang dibutuhkan
dilakukan dalam tahun ini.

(Ii) Empiris Model

Tujuan saya adalah untuk menyelidiki pengungkapan bagaimana keuangan

status dan pembiayaan peristiwa dampak perusahaan, khusus untuk menguji
apakah kondisi status keuangan sebuah perusahaan tingkat pengungkapan
dalam menanggapi peristiwa pembiayaan, seperti yang ditangkap oleh
istilah interaksi dalam model empiris:

Penyingkapan j, t = α j + d t + β 1 acara pembiayaan j, t + β 2

Status keuangan j, t

+ β 3 acara pembiayaan j, t Status xFinancing j, t

+ β 4 kontrol j, t + v j, t (1)

dimana α j adalah efek tetap tegas, d t adalah periode tetap efek, dan v j, t
adalah istilah kesalahan. subscript yang t waktu indeks dan j indeks
perusahaan. kesalahan standar kuat untuk heteroskedastisitas digunakan di
seluruh. Perusahaan efek tetap disertakan untuk kontrol untuk tingkat
perusahaan heterogenitas teramati dan account untuk fakta bahwa saya
tertarik berdampak pada pengungkapan dari pendanaan eksternal atas dan di
atas “normal” tingkat pengungkapan perusahaan. Perusahaan tetap efek
menyiratkan bahwa tingkat pengungkapan di setiap tahun bervariasi di
sekitar spesifik intercept untuk setiap perusahaan dalam sampel. Dengan cara
ini dampak dari peristiwa pembiayaan pada pengungkapan diukur tidak
hanya relatif terhadap penampang perusahaan tetapi juga relatif mencegat
tertentu setiap perusahaan. Atau, satu dapat menangkap pengungkapan
tambahan sekitar peristiwa pembiayaan dengan menentukan model dalam
perbedaan pertama. Namun, model dalam perbedaan pertama membutuhkan
juga mengambil perbedaan untuk variabel indikator, seperti peristiwa
pembiayaan, yang mempersulit interpretasi. Juga, berinteraksi acara
pembiayaan dengan perubahan status keuangan tidak muncul cocok untuk
menguji H1 dan H3, yang mengacu pada keseluruhan kesehatan keuangan
perusahaan, tidak perubahannya.

©C 2015 John Wiley & Sons Ltd

868 JANKENSG ˚ ARD

Tabel 1

Variabel pengungkapan antara 2007 dan 2012

Maksimum Rata per

Skor persen dari Standa
diperoleh maksimum r
di KA- Skor Devias pengamat
skor Berarti diperoleh rata-rata i an

Panel A: YSCORE

200758 29,6 51% 31.3 9.2 264

200853 27,5 52% 28,5 8,0 235
200952 31,2 60% 32,0 7,9 236
201038 18.3 48% 18.0 7.2 230
201142 22,8 54% 22.0 7.4 100
201243 23.1 54% 23.0 7.8 111

Panel B: QSCORE

2007 28 14,8 53% 15.0 3.0 262

2008 17 8.7 51% 9.0 2.3 244
2009 22 10.4 47% 10,0 2.8 238
2010 19 5.8 30% 5.0 2.8 233
2011 19 7.0 37% 6.0 3.6 100
2012 19 7.4 39% 6.0 3.6 112

Panel C:
WSCORE

2007 37 10.2 28% 10,0 5.7 266

2008 32 9.4 29% 9.0 5.0 244
2009 40 11,7 29% 11.0 6.1 239
2010 30 6.5 22% 5.5 5.0 232
2011 35 10.3 29% 9.5 6.8 100
2012 35 10,7 31% 10,0 7.2 112

catatan:

Tabel ini menunjukkan skor pengungkapan untuk setiap tahun individual

antara 2007 dan 2012. Tidak ada peringkat di 2011 untuk perusahaan yang
terdaftar pada daftar NGM dan tidak ada peringkat untuk perusahaan kecil-
topi pada tahun 2011 dan 2012, yang menjelaskan jumlah yang lebih rendah
dari pengamatan untuk ini tahun. Ini laporan mean, median, standar deviasi
dan jumlah observasi. Selain itu, tabel melaporkan skor maksimum yang
mungkin di peringkat untuk setiap indeks tahun dan pengungkapan tertentu.
Kolom 'Berarti sebagai persen dari maksimum yang dapat diperoleh Skor'
mengungkapkan rata-rata untuk tahun sebagai persentase skor diperoleh
maksimum untuk tahun itu. YSCORE

(Panel A) adalah skor yang diperoleh dalam analisis tahunan Kanton-

Aktiespararna tentang pengungkapan disediakan dalam laporan tahunan.
QSCORE ( Panel B) adalah skor yang diperoleh dalam analisis tahunan
Kanton-Aktiespararna tentang pengungkapan disediakan dalam laporan
triwulanan. WSCORE ( Panel C) adalah skor yang diperoleh dalam analisis
tahunan Kanton-Aktiespararna ini pengungkapan yang disediakan pada
halaman Web perusahaan

Sebagai contoh, sebuah perusahaan yang kuat secara finansial mungkin

melihat perubahan negatif yang relatif besar dalam status keuangan, tapi ini
tidak selalu berarti bahwa itu tidak lagi finansial yang kuat. Namun, di
bagian ketahanan, saya mempertimbangkan model termasuk nilai-nilai
tertinggal dari variabel dependen, yang memungkinkan sebuah studi lebih
eksplisit perubahan pengungkapan.

(Iii) Variabel

Saya mendefinisikan tiga skor pengungkapan: DISCY, DISCQ dan DISCW.

DISCY adalah skor perusahaan untuk pengungkapan dalam laporan tahunan.
DISCQ dan DISCW adalah skor yang sesuai untuk pengungkapan dalam
laporan triwulanan dan di web masing-masing. variabel ini

©C 2015 John Wiley

& Sons Ltd
 PENGUNGKAPAN SUKARELA DAN
EKSTERNAL PEMBIAYAAN 869

diperoleh dengan menjumlahkan KA-skor untuk setiap tahun (di mana satu
titik diberikan untuk setiap kriteria terpenuhi). Ini juga bagaimana Kanton /
Aktiespararna mengukur skor keseluruhan. Misalnya, pada tahun 2011,
peringkat pengungkapan dalam laporan tahunan terdiri dari 42 item
pengungkapan. Ini adalah sama untuk semua perusahaan, terlepas dari daftar
mereka muncul di (topi besar, Midcap, topi kecil, atau NGM). Subkategori
adalah 1) peristiwa penting selama tahun dalam tabel / format daftar (1
item); 2) deskripsi perusahaan oleh para pembuat keputusan senior (6 item);
3) deskripsi strategi perusahaan, target keuangan, pasar, persaingan dan
kerja keberlanjutan (17 item); 4) ikhtisar keuangan (yaitu, rasio dan
indikator kinerja 5 tahun yang lalu kunci; 4 item); 5) tata kelola perusahaan
(3 item); 6) kebijakan dividen (1 item); 7) ramalan (2 item);

9) deskripsi efek bersih dari penjualan aset utama dan pembelian (1

item); 10) Kamus meliputi hal penting (1 item); dan 11) pernyataan
mengenai kebijakan untuk mendistribusikan laporan keuangan (1 item).

Pada tahun 2011, 19 item untuk laporan triwulanan adalah 1)

peristiwa penting selama kuartal (1 item), 2) pernyataan dari CEO (3
item), 3) rasio keuangan (3 item),

4) ikhtisar kinerja setidaknya delapan kuartal kembali (3 item), 5) efek

musiman (1 item), 6) perkembangan pasar (1 item), 7) deskripsi singkat dari
perusahaan (4 item), dan 8) lainnya (3 item). Pada tahun yang sama, 35 item
untuk pelaporan berbasis web adalah 1) fungsi dasar (misalnya, cari; 2 item);
2) informasi non-keuangan (misalnya, peta organisasi; 14 item); 3) informasi
keuangan dalam format Excel (4 item); 4) web siaran (1 item); 5) kalender
acara (2 item); 6) analisis risiko (5 item); 7) informasi kontak (2 item); 8)
informasi tentang saham dan kepemilikan (3 item); dan 9) kamus (2 item).
Set lengkap definisi, kriteria dan peringkat untuk semua tahun tersedia dari
penulis.

Tomeasure sumber pembiayaan, saya mengikuti literatur sebelumnya dan

menggunakan variabel indikator sinyal

bahwa perusahaan menggunakan bentuk tertentu pembiayaan. Perhitungan ini

didasarkan pada Hasil variabel

Datastream dari Penjualan / Penerbitan Saham (WC04302). Selain penerbitan

ekuitas, variabel ini termasuk penjualan

saham yang sebelumnya dibeli kembali; hasil dari program opsi karyawan;
dan penjualan waran, yang acara

perusahaan sangat berbeda dari masalah ekuitas berpengalaman. Karena ini

biasanya sangat kecil dibandingkan,

saya berurusan dengan distorsi yang mungkin dari peristiwa ini dengan
mendefinisikan variabel dummy KEADILAN, yang

mengambil nilai satu hanya jika hasil ekuitas melebihi 2% dari total aset.
Sementara beberapa penerbitan ekuitas yang

sebenarnya dapat dihilangkan dengan filter ini, mereka begitu kecil bahwa
mereka tidak mungkin untuk material
berdampak strategi pengungkapan perusahaan.

Demikian pula, variabel OBLIGASI mengambil nilai satu jika perusahaan

pada tahun tertentu telah meningkatkan modal melalui satu atau lebih umum
obligasi. Data ini diperoleh dari laporan penawaran umum di CapitalIQ.
Untuk menghitung variabel indikator untuk bentuk pribadi meminjam, saya
pertama kali mendapatkan informasi tentang hasil kotor dari masalah utang
jangka panjang baru sesuai dengan variabel Datastream Pinjaman Jangka
Panjang (WC04401). Pada langkah kedua, saya kurangi jumlah yang
diperoleh dari obligasi seperti yang dijelaskan di atas (dikonversi ke Krona
Swedia menggunakan end-of-tahun nilai tukar) dan menganggap jumlah sisa
terkait dengan bentuk pribadi pinjaman. Variabel indikator PRIVATBRW
mengambil nilai satu untuk perusahaan-tahun di mana sisa ini positif.
Sayangnya, variabel Pinjaman Jangka Panjang tidak tersedia untuk sejumlah
besar perusahaan-tahun (> 250) karena Datastreamdoes tidak kode itu
kecuali secara eksplisit

©C 2015 John Wiley & Sons Ltd

870 JANKENSG ˚ ARD

dinyatakan dalam pernyataan arus kas perusahaan. Sejak coding ini mencerminkan
kebijakan konservatif, 7

hasil dalam makalah ini dilaporkan pengaturan variabel ini sama dengan nol
untuk tahun hilang. Pada bagian ketahanan, saya menyelidiki bagaimana
hasil berubah jika perusahaan-perusahaan ini turun dari sampel. Secara
teoritis, tidak jelas apakah transaksi swasta harus dikaitkan dengan
peningkatan pengungkapan publik. Salah satu argumen yang mendukung
seperti asosiasi adalah bahwa perusahaan-perusahaan menerbitkan keinginan
utang swasta harus dilihat sebagai disclosers baik dalam mengantisipasi isu-
isu publik masa depan. Juga, pemberi pinjaman swasta mungkin sendiri
bergantung pada informasi publik yang tersedia.

Dalam makalah ini status keuangan secara luas ditafsirkan sebagai

ketersediaan sumber daya keuangan untuk program investasi dana dan
memenuhi kewajiban keuangan pada saat jatuh tempo. Tidak ada satu,
definisi yang diterima secara luas yang berfungsi sebagai ukuran eksklusif
status keuangan. Oleh karena itu, makalah ini mengambil pendekatan yang
luas dan menyelidiki tiga proxy empiris untuk status keuangan. Yang
pertama adalah Altman Z-skor, ukuran mapan risiko kebangkrutan. Z-skor
adalah ukuran gabungan berdasarkan pada berbagai rasio keuangan yang
bersama-sama memprediksi risiko kebangkrutan. 8 Namun, karena
ketergantungan pada rasio

keuangan. menghasilkan banyak nilai-nilai ekstrim, yang bisa mendistorsi hasil.

Oleh karena itu, saya mendefinisikan ZDISCRETE sebagai variabel ordinal
mengambil satu nilai jika Z-skor di bawah 25 th persentil, dua jika itu adalah antara
25 th dan 50 th persentil, dan sebagainya. Ukuran kedua dari status keuangan adalah
ukuran leverage yang langsung menangkap beban utang perusahaan secara
keseluruhan relatif terhadap asetnya. PENGARUH

didefinisikan sebagai total hutang dibagi dengan total aset (WC03255 /

WC02999). Ukuran ketiga saya status keuangan adalah TOBINSQ. Tobin Q,
biasanya digunakan sebagai ukuran nilai perusahaan, mencerminkan
penilaian pasar dari kemampuan perusahaan untuk menciptakan nilai lebih
dari nilai penggantian aset. Sebuah nilai yang rendah menunjukkan sebuah
perusahaan berjuang. The nominator untuk TOBINSQ total nilai buku aset
dikurangi dari ekuitas ditambah nilai pasar ekuitas, dan penyebut adalah total
aset. Untuk akun untuk skewness dalam variabel ini, saya mengikuti literatur
dan menggunakan log dari rasio ini. Membandingkan tiga ukuran status

keuangan, ZDISCRETE mengukur kesehatan keuangan perusahaan dalam hal

risiko kebangkrutan, PENGARUH menangkap konflik kepentingan yang ada antara
pemegang saham dan pemegang utang, dan TOBINSQ

langkah-langkah prospek masa depan perusahaan untuk penghasilan generasi

(sebagaimana dinilai oleh investor ekuitas).

variabel kontrol saya adalah sebagai berikut. UKURAN didefinisikan

sebagai log dari total aset (WC02999). Ukuran adalah proxy umum untuk
pembiayaan kendala. Menurut Tsoukas dan Spaliara (2014), hubungan
antara ukuran kinerja dan status keuangan perusahaan secara sistematis
terkait dengan apakah atau tidak perusahaan tersebut dibatasi secara
finansial. KEMBALI adalah total return saham tahunan, yang dihitung
sebagai persentase perubahan indeks Total-return Datastream ini (RI).
Variabel ini termasuk untuk meminimalkan kekhawatiran bahwa tingkat
pengungkapan mencerminkan peluang investasi baru (lihat Beyer et al.,
2010, untuk diskusi). Dimasukkannya TOBINSQ dalam model juga harus
meringankan kekhawatiran ini. Pada bagian ketahanan, saya juga melihat
variabel yang berhubungan dengan invest- suatu perusahaan

7 Lebih tepatnya, Datastream akan kode itu nol jika pinjaman baru tidak
secara eksplisit dilaporkan dalam laporan arus kas dan melaporkan utang
jangka panjang dalam neraca memiliki tidak berubah dibandingkan dengan
tahun sebelumnya. Jika saham utang perubahan mereka akan kode itu tidak
tersedia jika laporan tahunan tidak memberikan indikasi pinjaman baru.
saham A perusahaan dari utang jangka panjang dapat berubah karena
berbagai alasan, seperti fluktuasi nilai tukar atau reklasifikasi utang jangka
panjang dalam utang jangka pendek, jadi ini berarti kebijakan konservatif
bahwa banyak perusahaan-tahun di mana tidak ada pinjaman mengambil
tempat end up dikodekan sebagai tidak tersedia. 8 The Z-skor didefinisikan
pada Tabel 2.

©C 2015 John Wiley & Sons Ltd

 PENGUNGKAPAN SUKARELA DAN
EKSTERNAL PEMBIAYAAN 871

kegiatan ment. CAPEX didefinisikan sebagai investasi aset tetap dibagi dengan
total aktiva (WC04601 / WC02999). Acquirer, variabel dummy, mengambil satu
nilai jika perusahaan melaporkan akuisisi pada tahun tertentu. perhitungan ini
didasarkan pada variabel Aktiva Bersih dari Akuisisi (WC04355), yang meliputi
merger dan akuisisi tetapi tidak

termasuk belanja modal dari perusahaan yang diakuisisi. Data untuk variabel
kontrol diperoleh dari Datastream. Untuk mengatasi outlier kekhawatiran,
semua rasio keuangan winsorized di 1 st dan 99 th persentil. Tabel 2
merangkum variabel yang digunakan dalam penelitian ini.

(Iv) Deskriptif Statistik

Tabel 3 laporan mean, median, maksimum, minimum dan standar deviasi

dari variabel. Skor pengungkapan tidak langsung sebanding karena nilai
diperoleh maksimum adalah berbeda untuk tiga jenis pengungkapan.
Sebagaimana jelas dari Tabel 1, pada tahun 2010 KA-nilai tunduk revisi di
mana beberapa item yang paling mudah yang dilaporkan diganti dengan
yang lebih keras. Mean pada periode 2007-2009, oleh karena itu, secara
signifikan lebih tinggi daripada di 2010-2012 untuk ketiga langkah
pengungkapan. 9

Perhatikan bahwa, seperti yang diharapkan, utang swasta lebih sering

dikeluarkan dari sekuritas publik. Mean nilai PRIVATBRW 45% dari perusahaan-
tahun, dibandingkan dengan 6% dan 14% untuk OBLIGASI dan KEADILAN,
masing-masing. OBLIGASI 'S berarti lebih rendah dari KEADILAN 'S karena,
secara tradisional, pasar untuk utang publik telah kecil di Swedia. Ini telah

melihat pertumbuhan yang signifikan dalam beberapa tahun terakhir,

bagaimanapun, fakta biasanya dikaitkan dengan kombinasi dari pinjaman
bank lebih ketat menyusul krisis keuangan dan pencarian investor untuk
hasil didorong oleh suku bunga rendah.

Korelasi dihitung tetapi tidak ditabulasi, sebagian karena perubahan berarti

untuk variabel pengungkapan setelah 2010 membuat langkah-langkah
statistik yang menganggap berarti stabil kurang berguna dan sebagian lagi
karena ada efek ukuran yang kuat dalam sampel. Dengan peringatan ini
dalam pikiran, korelasi Pearson antara skor pengungkapan berkisar antara
0,32 dan 0,58. Korelasi terendah adalah antara laporan triwulan dan berbasis
web pelaporan, dan tertinggi antara laporan tahunan dan berbasis web
pelaporan.

UKURAN positif (dan statistik signifikan) berkorelasi dengan DISCY,

DISCW, PRIVATBRW, OBLIGASI dan KEMBALI. UKURAN negatif (dan
statistik signifikan) berkorelasi dengan KEADILAN dan ZDISCRETE. Bahwa
perusahaan besar kurang mengandalkan ekuitas baru, lebih mengandalkan
utang swasta, dan memiliki akses yang lebih baik ke pasar obligasi konsisten
dengan literatur sebelumnya.

4. Analisis Multivariat

(I) Penentu Sukarela Pengungkapan

Bagian ini melaporkan hasil dari OLS regresi dimana variabel
dependen adalah salah satu dari tiga nilai pengungkapan dianalisis
dalam makalah ini - DISCY, DISCQ dan DISCW.

Tujuannya adalah untuk menguji H1, H2a dan H2b mengenai hubungan antara
sukarela

9 Dalam analisis multivariat pada bagian 4, ini ditangani oleh termasuk efek
tahun tetap. Pada bagian ketahanan, saya mengganti efek tetap tahun ini
dengan boneka rezim-pergeseran (satu pada tahun 2010 dan setelah itu, nol
sebaliknya) untuk menangkap efek revisi.

©C 2015 John Wiley & Sons Ltd

 T
a
b
l
e

© L
C 2015 John

i
s
t

o
f

V
a
r
i Aktiespararna
Kanton–Aktiespararna’s yearly
a
analysis of disclosure
b
provided on the www. ZDISCRE
l PRIVATBR A dummy equal to one if the
E
e W company raises One if proceeds from private debt Datastream
issuance is greater than zero,
s
new private debt in a given year. otherwise zero.
Proceeds from private debt is
computed as
gross proceeds from debt issue
(WC04401)
less proceeds from bond issue
0.6*Mar
DISCY (see below).
1*Sales/
A dummy equal to one if the CapitalIQ (Public
BOND company issues One if gross proceeds from bond offerings
at least one public bond in a given issue(s) is greater than zero, Assets
year. otherwise report)
DISCY zero.
A dummy equal to one if the
( Contin
EQUITY company issues One if proceeds from issuance of Datastream
new equity (WC04302) if these
DISCW
new equity in a given year proceeds are
 © arize
wh
C 2015 John
8

s the
ich
varia
the
blesy
usedare
in obt
Table 2 (Continued)
thisain
pape
ed.
r,
Data
their
Description Calculation Source
Notcom
e: putat
The yearly total return from investing Total return index at end of fiscal Datastre
RETURN in the year/total return am ion,
company’s stock during the fiscal index at beginning of fiscal year ( RI t Thiand
year. / RI t − 1 ) s the
Datastre
tabldata
SIZE Log of total assets. Log(WC02999) am
JANKENS

e sour
LEVERA Datastre
GE Total debt/Total assets. WC03255/WC02999 am su ces
TOBINSQ The log of the quantity (Total assets Log[(WC02999 − WC03501 + Datastre
mmfrom
PENGUNGKAPAN SUKARELA
873874 JANKENSG ˚ ARD

tabel 3

Statistik deskriptif

rata- standar
Berarti rata Min Max Deviasi

DISCY 26,74 27.50 5.000 46.00 8,617

DISCQ 9,557 9,000 0.000 20.50 4.290
DISCW 9,922 9.500 0.000 31.50 6.110
PRIVATBR
W 0.446 0.000 0.000 1.000 0,497
OBLIGASI 0,054 0.000 0.000 1.000 0,227
KEADILA
N 0,144 0.000 0.000 1.000 0.351
ZDISCRET
E 2,408 2.000 1.000 4.000 1,077
KEMBALI 0,042 0,009 - 0,822 2,122 0,475
UKURAN 14,42 14,22 8,922 19,70 2,186
PENGARU
H 0,188 0,158 0.000 0,703 0,163
TOBINSQ 0,469 0,373 - 0,617 2,495 0,587
CAPEX 0.036 0,021 0.000 0.410 0,050
Acquirer 0,302 0.000 0.000 1.000 0.450

catatan:

Tabel ini memberikan mean, median, minimum, maksimum dan standar

deviasi dari variabel yang digunakan dalam penelitian ini. variabel
RETURN, LEVERAGE dan CAPEX telah winsorized di 1 st dan 99 th
persentil. variabel TOBINSQ menunjukkan log dari Tobin Q. Statistik
deskriptif didasarkan pada sampel yang umum terdiri dari pengamatan
874 perusahaan-tahun.

pengungkapan di satu sisi, dan status keuangan dan peristiwa pembiayaan di sisi
lain. Artinya, saya meninggalkan hal interaksi yang diperlukan untuk tes H3 dari
model untuk saat ini. Tabel 4 melaporkan hasil. Model 1 memiliki DISCY
sebagai variabel dependen, sedangkan Model 2 dan 3 memiliki DISCQ dan
DISCW dependen, masing-masing.

Konsisten dengan H1, Model 1 menunjukkan bahwa status keuangan, diukur

sebagai ZDISCRETE,

positif dan signifikan terkait dengan pengungkapan dalam laporan tahunan,

meskipun tidak

PENGARUH maupun TOBINSQ mencapai signifikansi pada tingkat

konvensional. Untuk ZDISCRETE,

perbedaan antara terkuat dan terlemah kuartil, dinyatakan dalam rata-rata

sampel, adalah sekitar 6%. Konsisten dengan H2A, DISCY positif
dipengaruhi oleh kedua KEADILAN dan BOND ( signifikan pada tingkat
5% dan 1%, masing-masing).

PRIVATBRW juga memiliki positif, tetapi secara statistik tidak signifikan,

koefisien. Namun, H2b tidak didukung. Bahkan, koefisien pada BOND
( 1,095) agak lebih besar dari pada EKUITAS ( 0,718), 10 menunjukkan
bahwa perusahaan menerbitkan obligasi, jika ada, lebih terbuka dengan
pengungkapan daripada mereka ekuitas penerbitan. Sementara perbedaan ini
perlu ditafsirkan sangat hati-hati, salah satu fitur khusus dari pasar obligasi
Swedia harus disebutkan. Pasar obligasi sebagai kendaraan pembiayaan
untuk spektrum yang luas dari perusahaan Swedia adalah fenomena yang
relatif baru dan ukurannya terbatas menimbulkan menantang hambatan
masuk, yang mungkin memicu upaya pengungkapan kuat.

Hasil pada Tabel 4 menunjukkan bahwa Persamaan (1) melakukan pekerjaan

yang lebih miskin menjelaskan tingkat pengungkapan dalam laporan triwulan
dan laporan berbasis web (Model 2 dan 3) daripada yang dilakukannya dengan
laporan tahunan. Konsisten dengan H2A, KEADILAN berhubungan positif
dengan pengungkapan sukarela dalam laporan triwulanan ( DISCQ), tapi
OBLIGASI memiliki tanda negatif, bertentangan hipotesis. Tak satu pun dari
variabel lain menunjukkan signifikansi, termasuk

ZDISCRETE. Kapan DISCW adalah tergantung, OBLIGASI secara

signifikan dan berhubungan positif dengan pengungkapan, yang
konsisten dengan hipotesis, tapi tidak ada pendanaan lainnya

10 Disajikan dalam hal nilai rata-rata sampel untuk DISCY, koefisien ini sesuai
dengan 4% dan 2,7%, masing-masing.

©C 2015 John Wiley &

Sons Ltd
 PENGUNGKAPAN SUKARELA DAN
EKSTERNAL PEMBIAYAAN 875

tabel 4

Sebuah OLS-model Tingkat Pengungkapan

Variabel tak Model 1 Model 2 Model 3

bebas: DISCY DISCQ DISCW

1,408
OBLIGASI 1,095 *** - 0,944 * **
(4.08) ( - 1.71) (2,47)
PRIVATBRW 0,290 - 0,218 * - 0,152
(1,25) ( - 1,73) ( - 0.57)
KEADILAN 0,718 ** 0,333 * - 0.296
(2.33) (1.86) ( - 0.84)
ZDISCRETE 0,579 *** - 0,046 - 0,209 **
(3.97) ( - 0,29) ( - 2.11)
KEMBALI 0,206 - 0,111 0,363
(0.48) ( - 0.96) (0.97)
UKURAN 1,272 *** - 0,015 0,318
(3.31) ( - 0,13) (1.05)
PENGARUH 1,399 0.691 - 0,251
(0.80) (0.60) ( - 0,14)
TOBINSQ 0,221 - 0.013 - 0,366
(0,395) ( - 0,040) ( - 0,784)
Perusahaan-
tahun 877 888 887
efek tetap
perusahaan Iya Iya Iya
Efek tahun tetap Iya Iya Iya
Adj. R 2 0,859 0,787 0,728

catatan:
Tabel ini menunjukkan hasil dari estimasi OLS dari faktor-faktor penentu
tingkat pengungkapan Swedish- terdaftar perusahaan antara tahun 2007 dan
2012. Berbeda dengan hasil yang dilaporkan pada Tabel 4 regresi tersebut
mengandung hal interaksi antara indikator ekuitas dan berbagai langkah dari
status keuangan. Semua model mengandung periode dan efek tetap
perusahaan. T-statistik berdasarkan standar error yang kuat dilaporkan dalam
tanda kurung. Simbol ***, **, dan * mengindikasikan signifikansi pada 1%,
5%, dan 10% tingkat, masing-masing.

peristiwa signifikan. Tanda di ZDISCRETE bertentangan H1. Singkatnya,

pengungkapan sukarela dalam laporan tahunan tampaknya dikaitkan dengan
status keuangan dan pembiayaan peristiwa konsisten dengan hipotesis, tetapi
hasilnya lebih lemah dan lebih beragam berkaitan dengan dua nilai
pengungkapan lainnya.

(Ii) Status Apakah Dampak Keuangan Hubungan antara Keterbukaan dan

Pembiayaan Events?

Aku kini giliran masalah utama yang dibahas dalam makalah ini, apakah
hal status keuangan perusahaan untuk bagaimana akan datang suatu
perusahaan dengan informasi dalam menanggapi penerbitan keamanan.
Analisis empiris dari sini fokus pada isu-isu keadilan, yang, menurut teori
pecking-order, sumber pembiayaan yang paling sensitif terhadap asimetri
informasi. Untuk melestarikan ruang, juga berfokus pada pengungkapan
dalam laporan tahunan, sebagai bagian sebelumnya menunjukkan bahwa
laporan tahunan lebih responsif terhadap pembiayaan peristiwa dari dua
bentuk lain dari pengungkapan. Pilihan terakhir ini juga konsisten dengan
penelitian sebelumnya yang menyatakan bahwa laporan tahunan dokumen
pengungkapan yang paling penting bagi analis, dengan laporan lain
sebagian besar melengkapi mereka (Knutson, 1992; Botosan, 1997).

Pendekatan empiris adalah untuk berinteraksi KEADILAN with different

measures of financial status to investigate if these variables condition the
relationship between voluntary disclosure and equity financing. The three
measures of financial status used are

©C 2015 John Wiley & Sons Ltd

876 JANKENSG ˚ ARD

Table 5

Interacting Equity Issuance with Measures of Financial Status

Model
Model 1 Model 2 3
DISC
Dependent Variable: DISCY DISCY Y

1.111
BOND 1.106 *** 1.100 *** ***
(4.09) (4.09) (4.26)
PRIVATBRW 0.330 0.304 0.330
(1.49) (1.32) (1.52)
1.504
EQUITY 1.738 *** 0.359 ***
(2.79) (1.04) ( − 6.26)
EQUITY * − 0.514 ( −
ZDISCRETE 1.51)
EQUITY *
LEVERAGE 1.690 ***
(2.71)
EQUITY * − 1.542
TOBINSQ ***
( − 6.26)
0.667
ZDISCRETE 0.719 *** 0.579 *** ***
(3.93) (4.34) (5.87)
RETURN 0.192 0.218 0.146
(0.47) (0.52) (0.36)
1.285
SIZE 1.304 *** 1.300 *** ***
(3.34) (3.41) (3.26)
LEVERAGE 1.530 1.106 1.888
(0.88) (0.61) (1.01)
TOBINSQ 0.360 0.206 0.599
(0.68) (0.37) (1.28)
Firm-years 877 877 877
Firm fixed effects Yes Yes Yes
Year fixed effects Yes Yes Yes
Adj. R 2 0.859 0.859 0.860

Note:

This table shows the results from an OLS estimation of the determinants of
disclosure levels for Swedish- listed firms between 2007 and 2012. In
contrast to the results reported in Table 4 these regressions contain
interaction terms between the equity indicator and various measures of
financial status. All models contain period and firm fixed effects. T-
statistics based on robust standard errors are reported in parentheses. The
symbols ***, **, and * indicate significance at the 1%, 5%, and 10% levels,
respectively.

ZDISCRETE, TOBINSQ and LEVERAGE. Table 5 reports the results with a

consistent story. The interaction term with LEVERAGE is positive and
significant at the 1% level. H3 is also supported by the result that disclosure
around equity financing is negatively influenced by higher values of
TOBINSQ ( again significant at the 1% level). The sign on the interaction with
ZDISCRETE is also consistent with H3, though it is marginally insignificant (
p = 0.13). ZDISCRETE is defined so that the quartile of firms least likely to
default takes the value 4, and therefore a negative sign is consistent with H3.
Taken together, these results suggest that financially weaker firms will
increase their disclosure more than stronger ones when they issue equity.
ZDISCRETE on its own continues to be significant at the 1% level, consistent
with H1. As in Table 4, and consistent with previous literature, larger firms
are associated with more disclosure.

We can gauge the economic significance of the impact of financial status

on the relationship between disclosure and equity financing. In a regression
(not tabulated) with the log of DISCY as dependent, which allows for
interpretations in percentage terms, I find that for the financially weakest
quartile the difference related to equity

©C 2015 John Wiley &

Sons Ltd
 VOLUNTARY DISCLOSURE AND
EXTERNAL FINANCING 877

issuance amounts to 7.6%, which is an economically meaningful number.

For the financially strongest quartile, on the other hand, the relationship
between disclosure and equity issuance is not distinguishable from zero.

5. ALTERNATIVE EXPLANATIONS AND ROBUSTNESS

TESTS

(i) Do Financing Events Lead or Lag Disclosure Levels?

A natural question to ask is if disclosure levels revert back in the annual

report for the year after the external financing. Also, one may ask if firms
anticipate their financing needs and so adjust their disclosure levels ahead of
the financing events. Lang and Lundholm (2000) document that, in the run-
up (6 months) to an equity issue, firms increase their disclosure activity.
These questions are addressed in this section. First, I include lagged
indicators of financing events (bond and equity issuance), while retaining the
contemporaneous indicators in the model (Models 1 and 3). In the next step,
I instead future lag the financing indicators (Models 2 and 4). The results are
reported in Table 6. Models 1 and 2 relate to disclosure in annual reports,
whereas Models 3 and 4 relate to disclosure in quarterly reports. The
coefficient on EQUITY

( − 1) should be read as saying that, provided that no equity issuance occurs in

the
current year, the firm’s disclosure will be lower or higher by the amount
indicated by the coefficient if it did issue equity in the previous year.
Similarly, the interpretation of EQUITY (+ 1) is that, provided that no
equity issuance occurs in the current year, disclosure will be impacted by
the amount indicated by the coefficient if it did issue equity in the next year.

Table 6 gives no convincing support to the notion that disclosure levels

revert back in the year following an equity issuance. For neither EQUITY ( −
1) nor BOND ( − 1) do we observe a statistically significant impact. EQUITY
(+ 1) also fails to achieve significance in any of the regressions, whereas
BOND (+ 1) is significant at the 1% level for disclosure in quarterly reports.
While, again, caution is warranted, this result could reflect that future equity
issuances are more difficult to anticipate and that management may use it
primarily as a measure of last resort. Bond issues, on the other hand, aremore
likely to be a planned event that is part of a long-term financial strategy. The
overall lack of support

for the leads-and-lags story suggests that we ask too much of the data given
its granularity. 11 Models 3 and 4 again confirm that disclosures related to
quarterly reports are less well explained by Equation (1).

(ii) Are Firms That Finance Externally More “Busy”?

It is possible that an association between voluntary disclosure and financing

events simply reflects the influence of a third dimension, namely the firm’s
investment activities. It is possible that firms issuing securities are growing
faster and invest in or acquire more assets. The fact that they are more
“busy” could in turn push disclosure up. To explore this possibility, I
analyze the variables CAPEX and ACQUIRER.

Unreported probit-regressions with EQUITY as dependent variable

confirm that the probability of issuing equity is positively related to
capital expenditure (significant at

11 The data used in the present study (yearly resolution) are not as
granular as in the Lang and Lundholm study. These authors analyze
press releases rather than financial reports.

©C 2015 John Wiley & Sons Ltd

878 JANKENSG ˚ ARD

Table 6

Predicting Disclosure Levels using Leads and Lags of Public Offerings

Model 1 Model 2 Model 3 Model 4

Dependent
Variable: DISCY DISCY DISCQ DISCQ

0.940
BOND *** 1.269 * − 0.914 − 0.018
(3.36) (1.70) ( − 1.56) ( − 0.03)
BOND ( − 1) − 0.079 − 0.648
( − 0.16) ( − 1.53)
0.906
BOND (+ 1) *** − 0.894
(5.60) ( − 1.56)
0.641
EQUITY *** 0.676 0.215 0.332
(3.62) (1.42) (1.36) (0.85)
EQUITY ( − 1) − 0.234 0.016
( − 0.83) (0.06)
EQUITY (+ 1) 0.014 − 0.093
(0.05) ( − 0.80)
− 0.286
PRIVATBRW 0.310 0.316 *** 0.022
(1.53) (0.96) ( − 3.51) (0.10)
0.503
ZDISCRETE 0.506 * *** − 0.046 − 0.076
(1.79) (7.64) ( − 0.21) ( − 0.39)
RETURN 0.202 0.489 − 0.009 − 0.107
(0.25) (1.18) ( − 0.04) ( − 0.58)
1.477 − 0.252
SIZE *** 1.157 − 0.028 ***
(4.41) (1.31) ( − 0.12) ( − 2.77)
LEVERAGE − 0.545 3.283 1.972 * − 0.098
( − 0.29) (1.60) (1.78) ( − 0.07)
TOBINSQ 0.095 − 0.799 − 0.120 − 0.421
(0.09) ( − 1.09) ( − 0.18) ( − 0.88)
Firm-years 641 630 651 638
Firm fixed
effects Yes Yes Yes Yes
Year fixed
effects Yes Yes Yes Yes
Adj. R 2 0.867 0.847 0.667 0.795

Note:

This table shows the results from an OLS estimation of the determinants of
disclosure levels for Swedish- listed firms between 2007 and 2012. In
contrast to the results reported in Table 4, these regressions contain leading
and lagged values for BOND and EQUITY. Models 1 and 2 have the scores
for annual reports as dependent ( DISCY), whereas in Models 3 and 4 the
dependent variable is the score obtained for quarterly ( DISCQ) and web
reports ( DISCW). All models contain period and firm fixed effects. T-
statistics based on robust standard errors are reported in parentheses. The
symbols ***, **, and * indicate significance at the 1%, 5%, and 10% levels,
respectively.

the 1% level). Surprisingly, however, ACQUIRER is negatively associated

with equity issuance (at the 10% level). The explanation to this puzzle is
that acquiring firms, in this sample, seem to rely primarily on private
forms of borrowing. When the dependent is PRIVATBRW instead,
ACQUIRER has a positive sign and is now significant at the 1% level.
 Having confirmed important relationships between investment activities and
financing events, the next step

involves testing whether taking the former into account will change the results
reported in Table 5. The variables CAPEX

and ACQUIRER

are therefore added to the model. The results are reported in Table 7.
None of the investment variables achieve significance. The financing
variables, however, are robust

©C 2015 John Wiley &

Sons Ltd
 VOLUNTARY DISCLOSURE AND
EXTERNAL FINANCING 879

Table 7

Disclosure Score and Investment Activities

Model
Model 1 Model 2 3
DISC
Dependent Variable: DISCY DISCY Y

1.175
BOND 1.167 *** 1.163 *** ***
(4.23) (4.19) (4.44)
0.367
PRIVATBRW 0.364 ** 0.340 * **
(1.98) (1.75) (2.01)
1.443
EQUITY 1.653 *** 0.224 ***
(2.85) (0.56) ( − 6.29)
EQUITY * − 0.510 ( −
ZDISCRETE 1.61)
EQUITY *
LEVERAGE 1.926 ***
(2.67)
EQUITY * − 1.597
TOBINSQ ***
( − 6.29)
0.694
ZDISCRETE 0.737 *** 0.600 *** ***
(3.69) (4.14) (5.46)
RETURN 0.150 0.176 0.102
(0.35) (0.41) (0.25)
1.375
SIZE 1.389 *** 1.382 *** ***
(4.55) (4.64) (4.56)
LEVERAGE 1.760 1.289 2.139
(1.05) (0.74) (1.19)
TOBINSQ 0.396 0.240 0.652
(0.74) (0.41) (1.35)
CAPEX 2.356 2.666 2.438
(0.77) (0.84) (0.69)
ACQUIRER − 0.650 − 0.629 − 0.654
( − 2.55) ( − 2.43) ( − 2.54)
Firm-years 875 875 875
Firm fixed effects Yes Yes Yes
Year fixed effects Yes Yes Yes
Adj. R 2 0.859 0.858 0.860

Note:

This table shows the results from an OLS estimation of the determinants of
disclosure levels in annual reports for Swedish-listed firms between 2007

and 2012. In contrast to the results reported in Table 5 these regressions control
for firms’ investment activities through the variables CAPEX and ACQUIRER.
All models contain period and firm fixed effects. T-statistics based on robust
standard errors are reported in parentheses. The symbols ***, **, and * indicate
significance at the 1%, 5%, and 10% levels, respectively.

to the inclusion of these additional control variables. In fact, reflecting the

association between the two variables, PRIVATBRW becomes significant once
ACQUIRER is added to the model.

(iii) Robustness Tests

This section reports the results from several alternative model specifications.
Panel A in Table 8 covers the interaction between EQUITY and ZDISCRETE,
whereas Panel B shows the interaction with LEVERAGE. To preserve space, I
exclude the robustness checks for the interaction term with TOBINSQ.

©C 2015 John Wiley & Sons Ltd

880 JANKENSG ˚ ARD

Table 8

Robustness Checks

Panel A

Model 1
Model Model 3 Model 4 Model 5
Dependent DISCY 2 Model 6
(normal DISC DISC
Variable: ized) DISCY Y DISCY Y DISCY

0.033 2.075 1.130 1.031 *** −

BOND *** *** *** 1.701 − 0.431
( − ( −
(3.23) (4.93) (3.63) (3.05) 1.05) 1.47)
0.577 0.573 0.794 *** −
PRIVATBRW 0.002 * *** 0.259 − 0.174
( − ( −
(0.41) (1.71) (3.02) (2.73) 0.53) 1.26)
0.042 1.746 2.404 1.927 1.919
EQUITY *** *** *** ** 1.278 ***
( −
(2.78) (3.01) 2.61) (2.11) (1.41) (4.79)
EQUITY * ZDISCRETE −− 0.554 − 0.961 *** − − 0.729
0.015 * * 1.023 ** − 0.499 ***
( − ( − ( −( − ( − ( −
1.74) 1.92) 2.61) 2.28) 0.90) 4.41)
0.014 0.674 1.014 0.507
ZDISCRETE *** *** 0.425 0.390 *** ***
(2.88) (3.74) (1.16) (0.96) (11.6 (4.31)
 )
−
RETURN 0.005 1.250 0.359 0.014 0.081 − 0.009
( − ( −
(0.70) (1.55) (0.62) (0.01) 0.23) 0.02)
0.028 1.603 1.613
SIZE *** *** 0.795 0.590 *** 0.679
(3.55) (4.86) (1.14) (0.88) (2.83) (0.76)
− 0.462
LEVERAGE 0.002 0.700 1.912 − 0.433 2.288 ***
( −( −
(0.04) (0.44) 0.98) 0.17) (0.51) (7.21)
− −
TOBINSQ 0.013 0.678 0.057 0.991 0.006 − 0.306
( − ( − ( −
(1.01) (1.55) 0.07) (0.56) 0.01) 1.07)
− 12.10
POST ***
( − 14.0)
0.743
DISCY ( − 1) ***
(29.6)
Firm-years 877 877 615 459 401 657
Firm fixed
effects Yes Yes Yes Yes Yes No
Year fixed
effects Yes No Yes Yes Yes Yes
Adj. R 2 0.767 0.844 0.859 0.859 0.844 0.786

Panel B

Dependent DISCY
(normalized) DISC
variable: DISCY DISCY DISCY Y DISCY

0.033 2.057 2.052 1.025 *** −

BOND *** *** *** 1.735 − 0.470
( − ( −
(3.21) (4.82) (3.93) (2.85) 1.07) 1.50)
 0.657 0.838 *** − − 0.197
PRIVATBRW 0.001 0.548 * 0.305 *
( − ( −
(0.31) (1.60) (1.83) (3.18) 0.60) 1.81)
− 1.524 *** −
EQUITY − 0.002 0.363 2.064 * 0.169 0.432
( − ( −
0.23) (1.15) (6.13) 1.67) (0.33) (0.11)
EQUITY * 0.067 8.071
LEVERAGE * 1.325 *** 6.702 *** 0.687 0.162
(1.84) (1.55) (6.13) (3.73) (0.98) (0.11)
0.010 0.525 0.852 0.390
ZDISCRETE *** *** 0.249 0.231 *** ***
(3.39) (4.09) (0.80) (0.60) (7.06) (2.90)
1.666 −
RETURN 0.006 1.273 * 0.015 0.039 − 0.026
( − ( −
(0.79) (1.55) (1.76) (0.02) 0.09) 0.06)
0.028 1.591 1.525 0.466
SIZE *** *** 1.042 0.651 ** ***
(3.68) (4.64) (1.64) (1.12) (2.53) (7.08)
−
LEVERAGE − 0.013 0.318 − 3.453 1.979 2.241 0.577
( − ( −
0.20) (0.19) ( − 1.60) 0.73) (0.51) (0.55)

( Conti
nued)

©C 2015 John Wiley

& Sons Ltd
 VOLUNTARY DISCLOSURE AND
EXTERNAL FINANCING 881

Table 8

Continued

Panel B

Dependent DISCY
(normalize DISC DISC
variable: d) DISCY DISCY Y DISCY Y

TOBINSQ 0.008 0.541 − 0.226 0.535 − 0.129 − 0.341

(0.32 ( −
(0.60) (1.01) ( − 0.24) ) ( − 0.22) 1.22)
− 12.08
POST ***
( − 13.9)
0.746
DISCY ( − 1) ***
(29.0)
Firm–years 877 877 615 459 401 657
Firm fixed
effects Yes Yes Yes Yes Yes No
Year fixed
effects Yes No Yes Yes Yes Yes
Adj. R 2 0.766 0.844 0.841 0.859 0.843 0.785

Note:
This table shows the results fromOLS estimations of the determinants of
disclosure levels in annual reports for Swedish-listed firms between 2007
and 2012. Panel A uses the interaction between equity issuance and

ZDISCRETE, whereas Panel B interacts equity issuance with LEVERAGE.

Model 1 uses the disclosure score normalized by the maximum obtainable
score in any given year as dependent variable. Model 2 replaces the year
fixed effects with POST, a variable that takes the value one in the years
2010–2012 to account for the revision of the KA-scores. Model 3 is based
on a subsample of firms that excludes the observations on

PRIVATBRW for which the value zero has previously been assumed. Model
4 is based on a subsample of firms listed on the large- and mid-cap lists in
Sweden. Model 5 is estimated on a subsample of firms listed on the small-
cap and NGM lists in Sweden. Model 6 includes a lagged value of DISCY as
an independent variable. T-statistics based on robust standard errors are
reported in parentheses. The symbols ***, **, and * indicate significance at
the 1%, 5%, and 10% levels, respectively.

Model 1 in Table 8 uses as the dependent variable the disclosure score

normalized by the maximum obtainable score in any given year. It is
common in the voluntary-disclosure literature to deflate the obtained score
with the maximum for that period (e.g., Chau and Gray, 2002). Model 1
indicates that using the normalized variable as dependent improves the
significance of the interaction with ZDISCRETE,

but lowers it for that with LEVERAGE ( both now significant at the 10%
level).
 So far year fixed effects have been employed to capture that the items used
in the KA-scores differ from year to year. Given the major revision
undertaken in 2010, in which several of the easiest elements were replaced
with more challenging items and their number decreased, a more appropriate
specification may be to include an indicator variable that takes the value one
in the years 2010–2012, and zero otherwise. This variable is labelled POST
and is included in Model 2. The results suggest that, in the 2010–2012
period, the average scores are indeed much lower. The inclusion of the POST
dummy has only a limited effect on the interaction terms. The interaction
with ZDISCRETE is now significant, but that with LEVERAGE is marginally
insignificant ( p = 0.11).

As discussed in section 3( iii), Datastream’s conservative coding policy

means that many firms not borrowing in a given year are actually coded as
not available. Since this would have implied a large loss of observations, the
tests in this paper have assumed these missing values to be zero. In Model 3,
these observations are instead dropped, reducing the number of firm–years to
615, in order to avoid the risk of misclassification. The results show that the
main findings continue to hold. In fact,

©C 2015 John Wiley & Sons Ltd

882 JANKENSG ˚ ARD

the interaction with ZDISCRETE for this subsample is significant at the 1%

level, as is the LEVERAGE interaction.

One of the key advantages of the KA-score is that it covers a wide range of
firms, allowing for a rich variation in firm type and disclosure strategy.
However, Model 4 in Table 8 reports the results for the subsample of firms that
are listed on either the large- or midcap lists. While entry and exit still does
occur, it is much closer to being a balanced panel than the full sample. Both
interaction terms of concern to Hypothesis 3 show statistical significance in
these regressions. In the subsample of firms listed on the small-cap and NGM
lists (Model 5), however, none of the interaction terms come out significant.
Here, disclosure scores are explained primarily by financial status (
ZDISCRETE) and size, both positively related. Compared to the sample of
large- and midcap firms, untabulated regressions show that the firms in this
subsample, as one would expect, have lower leverage. The generally lower
leverage may signify that this variable is less useful in discriminating among
firms in this subsample.

Model 6 in Table 8 includes the lagged value of the dependent variable

DISCY. This specification does not have firm fixed effects. According to
Flannery and Hankins (2013), including both firm fixed effects and lagged
values of the dependent can bias the coefficient estimates. By lagging DISCY
by one period, we are effectively modelling the change in the disclosure
score. Compared to the firm fixed-effects specification, we are now
modelling firms’ disclosure relative to last period’s value rather than a firm-
specific intercept. Using this specification, the interaction term with
ZDISCRETE increases in significance (now significant at the 1% level), but
the interaction with LEVERAGE loses its significance. The corresponding
interaction with

TOBINSQ ( not tabulated) is significant at the 1% level, with the same negative
sign as before.

In unreported regressions, I carry out additional robustness checks. One

robustness check excludes all control variables; another drops the 2% filter
on EQUITY ( see section 3( iii)); yet another includes additional controls for
the number of geographical and business segments (which drive complexity,
which in turn could drive disclosure), a measure of cash flow and cash
holdings to control for the availability of internal financing, and so on. In the
large majority of regressions, the results with respect to H1–H3 (with the
exception of H2b) continue to find support.

6. CONCLUSIONS

Existing empirical evidence suggests that firms use disclosure strategically

to obtain favorable outcomes in connection with changes in their financial
structure. This study presents evidence consistent with the previously
documented association between voluntary disclosure and financing events.
I extend the previous literature by investigating if this relationship is
influenced by the firm’s financial status. Theoretical models in corporate
finance suggest that financial contracting becomes more difficult as the
firm’s financial condition weakens. Uncertainty about assets in place may be
particularly high for weak firms, exacerbating the problemof information
asymmetries and adverse selection. Furthermore, volatility estimates
become more essential to the pricing of the equity of financially weak firms,
which should increase the demand for disclosure. According to the
hypothesis developed in this paper, financially weaker firms use disclosure
relatively more to overcome these financing and valuation

©C 2015 John Wiley &

Sons Ltd
 VOLUNTARY DISCLOSURE AND
EXTERNAL FINANCING 883

problems. Consistent with the hypothesis, I show that the firm’s

financial status is negatively related to the association between
voluntary disclosure and equity issuance. These findings are novel in
the literature.

I conclude that the incentives to provide disclosure vary with the firm’s
financial status, both overall and in response to financing events, and that,
according to the data, this effect is sufficiently large to affect empirically
observable disclosure scores. An exciting avenue for future research would
be to decompose disclosure scores to investigate which type of disclosure,
or subindex, is most affected by financial status and financing events. New
insights about firms’ efforts to manage information asymmetries can be
obtained by investigating which disclosure type – strategic, financial or
non-financial – is most responsive to financial status and financing events.

REFERENCES

Beyer, A., D. A. Cohen, T. Z. Lys and B. R. Walther

(2010), ‘The Financial Reporting Environment:
Review of the Recent Literature’, Journal of
Accounting and Economics, Vol. 50, pp. 296–343.
Botosan, C. A. (1997), ‘Disclosure Level and the Cost of
Equity Capital’, The Accounting Review, Vol. 72, pp.
323–349.

— — — (2006), ‘Disclosure and Cost of Equity Capital: What Do We

Know?’ Accounting and Business Research, International Accounting
Policy Forum, pp. 31–40.

— — — and M. A. Plumlee (2002), ‘A Re-examination of Disclosure

Level and the Expected Cost of Equity Capital’, Journal of Accounting
Research, Vol. 40, pp. 21–40.

Brockman, P., I. K. Khurana and X. Martin (2008),

‘Voluntary Disclosures around Share
Repurchases’, Journal of Financial
Economics, Vol. 89, pp. 175–191.

Brownlees, C. T. (2013), ‘Cross Sectional Heterogeneity in GARCH Panels

and Firm Char-

acteristics: Evidence from the Financial Crisis’, (January 1, 2013).

Available at SSRN: http://dx.doi.org/10.2139/ssrn.1695649 Working
paper.

Cao, Y., C. A. Cassell, L. A. Myers and T. C. Omer

(2013), ‘Does Company Reputation Matter for
Voluntary Disclosure Quality? Evidence from
Management Earnings Forecasts’, (October 2013).
Available at SSRN:
http://dx.doi.org/10.2139/ssrn.2034378 Working
paper.
Chau, G. K. and S. J. Gray (2002), ‘Ownership Structure and Corporate
Voluntary Disclosure in

Hong Kong and Singapore’, The International Journal of Accounting,

Vol. 37, pp. 247–265. Choe, H., R. Masulis and V.

Nanda (1993), ‘Common Stock Offerings across the Business Cycle:

Theory and Evidence’. Journal Of Empirical Finance, Vol. 1, pp. 3–31.

Choi, F. D. S. (1973), ‘Financial Disclosure and Entry to the European
Capital Market’, Journal

of Accounting Research, Vol. 11, pp. 159–175.

Daske, H. and G. Gebhardt (2006), ‘International

Financial Reporting Standards and Experts’
Perceptions of Disclosure Quality’, Abacus, Vol.
42, pp. 461–498.

Denis, D. J. and V. T. Mihov (2003), ‘The Choice among

Bank Debt, Non-bank Private Debt, and Public Debt:
Evidence from New Corporate Borrowings’, Journal
of Financial Economics, Vol. 70, pp. 3–28.

Dennis, P. and D. Strickland (2009), ‘The

Determinants of Idiosyncratic Volatility’,
Working paper.

Flannery, M. J. and K. W. Hankins (2013),

‘Estimating Dynamic Panel Models in Corporate
 Finance’, Journal of Corporate Finance, Vol. 19,
pp. 1–19.

Foerster, S. R., S. G. Sapp and Y. Shi (2013), ‘The Effect of Voluntary

Disclosure on FirmRisk and

Firm Value: Evidence from Management Earnings Forecasts’, (January

14, 2013). CAAA Annual Conference 2013. Available at SSRN:
http://dx.doi.org/10.2139/ssrn.2199587. Frankel, R., M. McNichols and G.
P. Wilson (1995), ‘Discretionary Disclosure and External

Financing’, The Accounting Review, Vol. 70, pp. 135–150.

Gibbins, M., A. Richardson and J. Waterhouse (1990),

‘The Management of Corporate Financial Disclosure:
Opportunism, Ritualism, Policies, and Processes’,
Journal of Accounting Research, Vol. 28, pp. 121–143.

©C 2015 John Wiley & Sons Ltd

884 JANKENSG ˚ ARD

Goto, S., M. Watanabe and X. Yan (2009), ‘Strategic Disclosure and Stock Returns:
Theory and

Evidence from US Cross-Listing’, Review of Financial Studies, Vol. 22, pp.

1,585–1,620. Healy, P. M. and K. G. Palepu

(2001), ‘Information Asymmetry, Corporate Disclosure, and the

Capital Markets: A Review of the Empirical Disclosure Literature’, Journal of

Accounting and Economics, Vol. 31, pp.

405–440.

Jiao, Y. (2011), ‘Corporate Disclosure, Market Valuation, and Firm Performance’.

Financial

Management, Vol. 40, pp. 647–676. Knutson, P. (1992), Financial Reporting in

the 1990s and Beyond ( New York, NY:

Association for

Investment Management and Research).

Lang, M. and R. Lundholm (1993), ‘Cross-

Sectional Determinants of Analyst Ratings of
Corporate Disclosures’, Journal of Accounting
Research, Vol. 31, pp. 246–271.
— — — and ——— (2000), ‘Voluntary Disclosure and Equity Offerings: Reducing
Information Asymmetry or Hyping the Stock?’ Contemporary Accounting
Research, Vol. 17, pp. 623–662. Marquardt, C. A. and C. I. Wiedman (1999),
‘Voluntary Disclosure, Information

Asymmetry, and

Insider Selling through Secondary Equity Offerings’, Contemporary Accounting

Research, Vol.

15, pp. 505–538.

Myers, S. C. (1977), ‘Determinants of Corporate Borrowing’, Journal of Financial

Economics, Vol.

5, pp. 147–175.

Myers, S. C. (1984), ‘The Capital Structure Puzzle’, Journal of Finance, Vol. 39,
pp. 575.

— — — and N. S. Majluf (1984), ‘Corporate Financing and Investment

Decisions When Firms Have Information that Investors Do Not Have’,
Journal of Financial Economics, Vol. 13, pp. 187–221.

Singhvi, S. S. and H. B. Desai (1971), ‘An Empirical Analysis of the Quality of

Corporate

Financial Disclosure’, The Accounting Review, Vol. 46, pp. 129–138.

Schwert, G. (1989), ‘Why Does Stock Market Volatility Change Over
Time?’ Journal Of Finance,
 Vol. 44, pp. 1,115–1,153.

Tsoukas, S. and M. E. Spaliara (2014), ‘Market Implied Ratings and Financing

Constraints:

Evidence from US Firms’, Journal of Business Finance and Accounting, Vol. 41,
pp. 242–269.
©C 2015 John Wiley &
Sons Ltd