JOURNAL OF MANAGEMENT ACCOUNTING RESEARCH American Accounting Association

Vol. 34, No. 1 DOI: 10.2308/JMAR-2020-072

Spring 2022
pp. 51–73

The Relation between Internal Forecasting Sophistication

and Accounting Misreporting
Peter Kroos
University of Amsterdam

Mario Schabus
Michigan State University

Frank H. M. Verbeeten
University of Amsterdam

ABSTRACT: Kami memeriksa hubungan antara kecanggihan peramalan internal dan kesalahan pelaporan
akuntansi akhir tahun. Kami mengambil data survei dari manajer pusat investasi perusahaan Belanda.
Konsisten dengan hipotesis kami, hasil menunjukkan bahwa peramalan internal yang lebih canggih
memungkinkan perusahaan untuk mengurangi kesalahan pelaporan akuntansi yang mahal, karena
perusahaan-perusahaan ini membuat proyeksi yang lebih akurat dan membuat rencana darurat sehingga
mereka dapat merevisi rencana operasional dengan cara yang lebih tepat dan tepat waktu. Analisis cross-
sectional mengungkapkan bahwa manfaat dalam hal kemampuan peramalan yang lebih besar dapat
bervariasi di seluruh kondisi. Kami menemukan bahwa investasi dalam peramalan internal kurang efektif
dalam mengurangi permintaan pelaporan yang salah ketika volatilitas lingkungan tinggi, ketika tekanan pasar
modal untuk memenuhi harapan relatif tinggi, dan ketika asimetri informasi dalam perusahaan tinggi. Makalah
ini terutama berbicara tentang peran perencanaan penganggaran dan peramalan, sebagai lawan dari evaluasi
dan peran insentif yang dipelajari secara relatif lebih ekstensif.
JEL Classifications: M12; M41.
Keywords: budgeting; internal forecasting; internal information quality; accounting misreporting.

I. INTRODUCTION
Sebagian besar literatur akuntansi tentang peramalan berfokus pada prakiraan manajemen eksternal yang diungkapkan kepada
pelaku pasar modal (panduan manajemen), meskipun peramalan internal penting (misalnya, Libby dan Rennekamp 2012). Davila
dan Foster (2007) menunjukkan bahwa prakiraan terutama dimotivasi oleh pertimbangan internal melalui pendokumentasian
bahwa sistem perencanaan keuangan (terdiri dari proyeksi penjualan dan arus kas dan anggaran operasi) adalah sistem akuntansi
pertama perusahaan tahap awal. Sivabalan, Booth, Malmi, dan Brown (2009) mendokumentasikan pentingnya peramalan internal
yang dirasakan untuk tujuan perencanaan. Eksekutif keuangan yang disurvei oleh Institute of Management Accountants (IMA
2017) menekankan pentingnya perencanaan keuangan dalam mengelola organisasi mereka dan peran yang dimainkan CFO dalam
meningkatkan perencanaan keuangan. Studi kami berkontribusi pada literatur dengan berfokus pada peramalan internal
perusahaan.

We appreciate the helpful comments and suggestions of Maggie Abernethy, Gary Biddle, Shane Dikolli, Martin Holzhacker, Raffi Indjejikian, Victor
Maas, Maximilian Margolin, Axel Schulz, Naomi Soderstrom, Jake Thomas, David Veenman, Jacco Wielhouwer, and conference and workshop
participants at the 2017 Annual Conference for Accounting Research Management (ACMAR), 2018 AAA Management Accounting Section Midyear
Meeting, 2019 Hawai’i Accounting Research Conference (HARC), 2019 Conference on Convergence of Financial and Managerial Accounting Research,
2021 JMAR special interest forum at the GLOBAL Management Accounting Research Symposium (GMARS), La Trobe University, University of
Amsterdam, The University of Melbourne, The University of Utah, The University of Queensland, and VU Amsterdam. All errors are our own.
Peter Kroos, University of Amsterdam, Amsterdam Business School, Department of Accounting, Amsterdam, The Netherlands; Mario Schabus, Michigan
State University, Broad College of Business, Department of Accounting and Information Systems, East Lansing, MI, USA; Frank H. M. Verbeeten,
University of Amsterdam, Amsterdam Business School, Department of Accounting, Amsterdam, The Netherlands.
Editor’s note: Accepted by Isabella Grabner, under the Senior Editorship of Eva Labro.
Submitted: October 2020
Accepted: August 2021
Published Online: September 2021
51
 Inovasi utama dari studi ini—kecanggihan peramalan internal (internal forecasting sophistication/IFS)—didefinisikan
sebagai kualitas pengumpulan dan pemrosesan informasi dan mengintegrasikannya ke dalam proyeksi manajerial tentang
kinerja operasional dan keuangan di masa depan (Cassar dan Gibson 2008; Ittner dan Michels 2017). IFS memungkinkan
perusahaan untuk membuat proyeksi realistis dengan mengumpulkan informasi dari sumber eksternal, menyelaraskan asumsi
yang mendasari dibuat dalam fungsi bisnis yang berbeda, menilai kemungkinan dan dampak peristiwa kontinjensi potensial,
dan membuat rencana kontinjensi. Perusahaan dapat merevisi rencana operasional dengan cepat dan akurat ketika kontinjensi
terungkap, yang menghasilkan pengurangan volatilitas dan ketidakpastian operasi mereka. Oleh karena itu, IFS meningkatkan
kemampuan perusahaan untuk secara akurat memproyeksikan hasil operasional dan keuangan di masa depan. Asumsi yang
dipertahankan selama penelitian ini adalah bahwa IFS meningkatkan kemampuan perusahaan untuk menghasilkan perkiraan
yang akurat. Perhatikan bahwa kemampuan peramalan tidak dapat diamati secara langsung; Oleh karena itu, penelitian
sebelumnya menggunakan ukuran akurasi perkiraan yang dapat diamati seperti kesalahan perkiraan absolut (nilai absolut
antara perkiraan dan aktual).
Konsisten dengan asumsi yang kami pertahankan, penelitian sebelumnya telah menunjukkan bahwa peningkatan dalam
peramalan internal dikaitkan dengan kesalahan perkiraan absolut yang lebih kecil (Brüggen, Grabner, dan Sedatole 2021;
Ittner dan Michels 2017).1 Namun, penurunan kesalahan perkiraan tersebut belum tentu ( semata-mata) didorong oleh
peningkatan kemampuan peramalan, tetapi juga dapat dipengaruhi oleh pelaporan yang salah di akhir tahun untuk memenuhi
ekspektasi kinerja (Bonacchi, Cipollini, dan Zarowin 2018; Dechow dan Shakespeare 2009; Degeorge, Patel, dan Zeckhauser
1999; Kerstein dan Rai 2007; Zang 2012). Kami berkontribusi pada literatur dengan memeriksa apakah IFS memengaruhi
pelaporan yang salah, mengingat bahwa kesalahan pelaporan dapat memediasi hubungan antara IFS dan ukuran akurasi
perkiraan yang dapat diamati. Peran potensial misreporting sebagai mediator dapat menyebabkan kesimpulan yang salah
tentang hubungan langsung antara IFS dan akurasi perkiraan.
Kami memfokuskan makalah kami pada perencanaan yang disempurnakan setelah perbaikan dalam peramalan
internal dan menganggap bahwa peramalan internal yang canggih meningkatkan kemungkinan bahwa perusahaan
memenuhi harapan mereka (Bru¨ggen et al. 2021; Ittner dan Michels 2017). Kesalahan pelaporan akuntansi akhir tahun
merupakan cara alternatif untuk mempengaruhi kinerja dan memenuhi harapan. Namun, perusahaan memiliki insentif
untuk meminimalkan kesalahan pelaporan akuntansi karena biaya potensial untuk perusahaan dan manajer (Dechow,
Sloan, dan Sweeney 1996; Hennes, Leone, dan Miller 2008). Oleh karena itu, kami berharap bahwa peramalan internal
yang canggih memungkinkan perusahaan untuk mengurangi kesalahan pelaporan akuntansi akhir tahun, karena investasi
mereka dalam peramalan internal meningkatkan kemungkinan perusahaan memenuhi proyeksi mereka di tempat pertama.
Kami berhipotesis bahwa IFS berhubungan negatif dengan misreporting akhir tahun.
Mengingat ketidakmampuan untuk secara langsung mengamati lingkungan informasi internal perusahaan, kami
menggunakan survei terhadap manajer keuangan di pusat-pusat investasi perusahaan publik dan swasta Belanda. Instrumen
survei kami untuk IFS mengambil atribut seperti keterlibatan fungsi bisnis yang berbeda, keterlibatan mitra rantai pasokan
eksternal, dan penggunaan rencana darurat untuk mencerminkan kecanggihan peramalan internal perusahaan.2 Survei ini
ditargetkan pada pusat investasi karena ini tingkat analisis konsisten dengan teori kami tentang IFS dan pelaporan yang salah
(Luft dan Shields 2003). Responden kami menerima pendidikan pascasarjana keuangan dan akuntansi dan memiliki
pengalaman kerja yang substansial. Oleh karena itu, kami menganggap responden kami memenuhi syarat untuk memberikan
tanggapan yang valid atas pertanyaan tentang prakiraan internal dan praktik pelaporan di entitas mereka. Sampel akhir kami
terdiri dari 112 pengamatan.
Spesifikasi model utama kami adalah regresi OLS dengan misreporting akuntansi sebagai variabel dependen dan IFS sebagai
variabel independen yang menarik. Kami fokus pada kesalahan pelaporan akuntansi karena dapat terjadi pada akhir tahun, bahkan
antara tanggal penutupan dan pelaporan, ketika jumlah manipulasi yang diperlukan dan efek manipulasi diketahui dengan tepat. Di
sisi lain, manipulasi aktivitas nyata harus dilakukan pada awal tahun (karena membutuhkan waktu untuk terwujud) ketika jumlah
manipulasi yang diperlukan masih lebih tidak pasti. Perusahaan juga menghadapi lebih banyak ketidakpastian tentang jumlah
keuangan yang tepat terkait dengan perubahan dalam keputusan bisnis nyata (misalnya, Zang 2012).

Baik pelaporan yang salah dan perkiraan akuntansi adalah pilihan organisasi, tetapi kami memperlakukan IFS sebagai
analisis yang semu, karena peningkatan IFS membutuhkan investasi waktu dan sumber daya keuangan yang cukup besar
dalam pengumpulan, pemrosesan, dan interpretasi informasi. Kesalahan pelaporan akuntansi, di sisi lain, adalah elemen desain
yang lebih lunak dan dapat terjadi pada akhir periode pelaporan atau bahkan sebelum tanggal penyusunan laporan. Dengan
demikian, kami menafsirkan IFS sebagai elemen desain organisasi kuasi-tetap dan menggunakannya sebagai variabel penjelas
(Hofmann dan van Lent 2015). Kami menguatkan pilihan desain penelitian ini dalam analisis 2SLS tindak lanjut. Secara
keseluruhan, mendukung hipotesis kami, kami mendokumentasikan hubungan negatif antara IFS dan pelaporan yang salah
akuntansi.
1
Brüggen et al. (2021) show that explicitly incorporating contingent events in demand forecasts leads to higher accuracy of demand forecasts. Ittner and
Michels (2017) document that integrating risk-related information in forecasts is associated with more accurate management guidance of earnings,
sales, and capital expenditures.
2
We establish the convergent validity of our survey measure with objective data such as the number of FTE deployed to internal forecasting and the
number of different business functions involved (Ittner and Larcker 2001).
3
In robustness tests, we use real activities manipulation as the dependent variable and do not find a significant relation with IFS. Also, controlling for real
activities manipulation does not affect our inferences.
Journal of Management Accounting Research
Volume 34, Number 1, 2022
The Relation between Internal Forecasting Sophistication and Accounting Misreporting 53

Mekanisme yang diusulkan yang mendasari hipotesis kami adalah bahwa perencanaan yang lebih baik, mengikuti
investasi di IFS, mengurangi permintaan untuk pelaporan yang salah di akhir tahun. Namun, perusahaan juga dapat
mengeksploitasi informasi peramalan untuk tujuan alternatif seperti untuk pemantauan dan evaluasi (Arnold dan Artz 2019;
Becker, Mahlendorf, Schäffer, dan Thaten 2016). Misalnya, informasi peramalan yang ditingkatkan dapat mendukung
identifikasi kejutan kinerja yang tidak terduga dan oleh karena itu mengungkap praktik pelaporan yang salah. Peramalan
informasi tentang dampak kontinjensi pada kinerja dapat membantu dalam mengurai komponen kinerja agen yang dapat
dikendalikan dari yang tidak dapat dikendalikan, sehingga berpotensi mengurangi insentif agen untuk melaporkan yang salah.
Oleh karena itu, efek limpahan di mana informasi perencanaan juga dieksploitasi untuk evaluasi kinerja dapat memediasi
hubungan antara IFS dan pelaporan yang salah akuntansi. Kami tidak menemukan dukungan untuk mekanisme alternatif ini
dalam analisis mediasi (Baron dan Kenny 1986)..
Selanjutnya, kami melakukan analisis cross-sectional untuk memeriksa kondisi batas dari temuan utama kami. Kami
menemukan bahwa hubungan negatif antara IFS dan kesalahan pelaporan akuntansi didorong oleh kondisi yang dicirikan oleh
volatilitas lingkungan yang lebih rendah (membuat peramalan menjadi lebih mudah), di perusahaan swasta (di mana gagal
memenuhi harapan lebih murah), dan ketika asimetri informasi dalam perusahaan lebih rendah. (mengurangi kemungkinan
bahwa arus informasi dibatasi dan kurang akurat). Akhirnya, kami menilai sejauh mana temuan kami dapat dijelaskan oleh
variabel pengganggu potensial. Ambang batas dampak yang menguatkan untuk analisis variabel pengganggu (ITCV) (Frank
2000; Larcker dan Rusticus 2010) menunjukkan bahwa hasil utama tidak mungkin didorong oleh variabel yang dihilangkan.
Secara keseluruhan, kami percaya bahwa hubungan negatif antara IFS dan kesalahan pelaporan akuntansi dapat dikaitkan
dengan peningkatan perencanaan yang mengikuti investasi dalam peramalan internal.
Studi kami berkontribusi sebagai berikut: pertama, sementara sebagian besar literatur akuntansi sebelumnya tentang peramalan
berfokus pada pengungkapan prakiraan manajemen kepada pelaku pasar modal, hanya sebagian kecil perusahaan yang
mengeluarkan prakiraan.4 Responden survei dari perusahaan besar menunjukkan bahwa kontribusi utama dari peramalan berada
dalam perencanaan, koordinasi kegiatan, pengendalian operasional, dan pengelolaan kas, sedangkan bimbingan pendapatan relatif
kurang penting (Bru¨ggen et al. 2021; KPMG 2007; Sivabalan et al. 2009). Kami berkontribusi dengan memeriksa peran peramalan
internal dalam perusahaan.
Kedua, para peneliti baru-baru ini mulai mengeksplorasi hubungan antara peramalan internal dan panduan manajemen
eksternal (Gallemore dan Labro 2015; Goodman, Neamtiu, Shroff, dan White 2014; Hemmer dan Labro 2008; Ittner dan
Michels 2017). Namun, ada bukti yang langka mengenai pengaruh peramalan internal perusahaan pada praktik pelaporan
yang salah akuntansi. Relevansi menjawab pertanyaan ini juga mengikuti dari literatur sebelumnya yang
mendokumentasikan hubungan positif antara peramalan internal dan keakuratan prakiraan manajemen eksternal (misalnya,
Ittner dan Michels 2017). Hubungan yang signifikan antara IFS dan misreporting menyiratkan bahwa misreporting mungkin
menjadi variabel mediasi dalam hubungan antara IFS dan keakuratan prakiraan. Misreporting sebagai variabel mediasi dapat
menyebabkan meremehkan efek langsung dari IFS pada kemampuan perusahaan untuk menghasilkan perkiraan yang akurat,
sebagai perusahaan mungkin, alternatif untuk peramalan internal, resor untuk misreporting sebagai sarana untuk memenuhi
proyeksi mereka. Dalam arti yang lebih luas, penelitian ini termasuk dalam aliran literatur tentang persimpangan antara
akuntansi manajerial dan keuangan.

Ketiga, penelitian kami memberikan kontribusi untuk studi akuntansi manajemen tentang penganggaran dan peramalan.
Terlepas dari perhatian yang ditujukan pada penganggaran dalam literatur akuntansi manajemen, banyak organisasi telah
menggantikan anggaran tahunan mereka dengan perkiraan yang berfokus pada, antara lain, perencanaan dan koordinasi
kegiatan (Arnold dan Artz 2019; Bru¨ggen et al. 2021). Mengingat bahwa penelitian telah menguraikan pentingnya peran
perencanaan dan koordinasi penganggaran untuk perusahaan (Hansen dan Van der Stede 2004; Libby dan Lindsay 2010),
makalah kami secara khusus berbicara tentang peran perencanaan dan koordinasi anggaran dan prakiraan (mis., Becker et
al.2016; Bru¨ggen dkk. 2021; Campbell, Epstein, dan Martinez-Jerez 2011). Ini telah dipelajari relatif terhadap evaluasi dan
peran insentif anggaran.

II. THEORY AND HYPOTHESIS

Internal Forecasting Sophistication

Prakiraan penting untuk pengambilan keputusan perusahaan dan mendukung pertumbuhan dan profitabilitas perusahaan.
Prakiraan penjualan memberikan masukan untuk perencanaan produksi, akuisisi input, dan perencanaan kapasitas. Perkiraan
arus kas selanjutnya merupakan masukan penting untuk keputusan pembiayaan dan, dalam hubungannya dengan proyeksi
laporan laba rugi dan rencana investasi/divestasi kapasitas, pada akhirnya menghasilkan perkiraan posisi neraca.

Prakiraan yang tidak akurat dapat menyebabkan biaya yang terlalu tinggi karena kelebihan kapasitas atau dapat
menyebabkan biaya tinggi karena penyesuaian persediaan yang terlambat dan potensi biaya kehabisan persediaan (Bru¨ggen et
al. 2021; Cassar dan Gibson 2008).
Dalam membuat prakiraan, manajer biasanya mengeksploitasi kumpulan informasi internal dan eksternal yang luas.
Mengembangkan prakiraan memerlukan integrasi masukan dari banyak peserta dan sumber informasi yang berbeda di
 dalam atau di luar perusahaan (Davis dan). 4
For example, in the U.S., 34 percent of the sample firms in Chuk, Matsumoto, and Miller (2013)
issued at least one earnings forecast in 2007. This percentage has decreased over time (e.g., 45 percent in 2001).

J
o
54 Kroos, Schabus, and Verbeeten

Mentzer 2007; Zotteri dan Kalchschmidt 2007). Literatur sebelumnya menekankan pentingnya melibatkan fungsi bisnis yang
berbeda untuk mengakses pengetahuan mereka tentang operasi. Dengan demikian, prakiraan bersifat integratif dan
mencerminkan peristiwa garis depan yang diharapkan (IMA 2017; Ittner dan Michels 2017). Menggunakan informasi
eksternal tentang permintaan, aktivitas pesaing, dan kondisi ekonomi makro dapat meningkatkan kualitas prakiraan. Informasi
tersebut meningkatkan wawasan perusahaan ke dalam bisnis mereka, peluang, risiko, dan dapat membantu memvalidasi atau
menantang keyakinan internal (Kalchschmidt 2012; KPMG 2007; PwC 2011). Misalnya, wakil ketua dan mantan CFO
General Electric Company (GE), Keith Sherin, menyatakan selama konferensi CARE 2010, ~~Kami membawa pihak luar
untuk menantang asumsi kami sendiri tentang industri tempat kami beroperasi dan untuk mengembangkan berbagai skenario
~~ (Sherin 2010, 9).5

Memasukkan ketidakpastian ke dalam prakiraan dan rencana melalui analisis skenario dapat meningkatkan peramalan
(Ittner dan Michels 2017). Respon cepat terhadap guncangan lingkungan memungkinkan perusahaan untuk menyesuaikan
rencana operasional dengan cara yang lebih akurat dan tepat waktu, sehingga mengurangi ketidaksesuaian antara kinerja
yang diharapkan dan kenyataan bisnis. Misalnya, analisis skenario membantu untuk memahami, mengukur, dan mengukur
ketidakpastian yang melekat ketika berhadapan dengan masa depan dan dengan implementasi rencana kontinjensi (Becker et
al. 2016). Di GE, fitur penting dari proses peramalan adalah ~~mengidentifikasi risiko terhadap rencana bisnis kami, dan
menemukan cara untuk mengelolanya hingga ke tingkat yang dapat diterima. Salah satu tujuan perencanaan kami adalah
untuk memastikan bahwa kami telah mengantisipasi risiko penurunan ini dan telah menemukan cara untuk membatasinya
atau memiliki rencana untuk meresponsnya dengan cepat jika terjadi~~ (Sherin 2010, 10).
Revisi perkiraan internal yang teratur dan tepat waktu dapat mendukung pengambilan keputusan internal karena
memfasilitasi koordinasi kegiatan di berbagai fungsi bisnis dan realokasi sumber daya (Becker et al. 2016; Sivabalan et al.
2009). Ini memungkinkan perencanaan kegiatan yang lebih baik di pasar input dan output, keputusan investasi dan
perekrutan, penjadwalan dan pemrosesan, dan keputusan pembiayaan (Cassar dan Gibson 2008).
Secara keseluruhan, IFS yang ditingkatkan dapat membantu dalam mencapai proyeksi karena peramalan internal
memberikan informasi terkini kepada perusahaan dari berbagai sumber dan perspektif, serta kapasitas untuk memahami,
mengintegrasikan, dan menafsirkan informasi ini. Akibatnya, perbaikan dalam peramalan internal diharapkan
menghasilkan perkiraan yang lebih realistis yang mewakili refleksi realitas bisnis yang lebih akurat dan komprehensif
(Ittner dan Michels 2017). Selain itu, tanggapan yang cepat dan terencana terhadap guncangan lingkungan
memungkinkan perusahaan untuk menyesuaikan rencana operasional dengan cara yang akurat dan tepat waktu.

Meskipun tampak tumpang tindih, prakiraan tidak sama dengan anggaran (Cassar dan Gibson 2008). Di satu sisi,
keterlibatan dalam proses penganggaran dapat membantu manajer dalam pengumpulan dan pemrosesan informasi yang
membantu dalam mengembangkan proyeksi tentang kinerja dan posisi masa depan perusahaan. Di sisi lain, penganggaran
digunakan untuk lebih banyak tujuan, seperti mengomunikasikan tujuan, atau memberi wewenang kepada manajer berapa
banyak yang boleh mereka belanjakan (anggaran biaya). Juga, anggaran membentuk dasar untuk pengukuran kinerja dan
kompensasi insentif (Becker et al. 2016; Hansen dan Van der Stede 2004; Libby dan Lindsay 2010; Tanlu 2007).
Sementara anggaran mewakili rencana untuk apa yang ingin dicapai oleh bisnis selama periode mendatang, prakiraan
mencerminkan harapan yang sebenarnya. Oleh karena itu, anggaran penjualan mungkin menyimpang dari perkiraan
terbaik yang tertanam dalam peramalan. Selain itu, perhatikan bahwa proyeksi berkualitas tinggi mengharuskan informasi
diambil dari karyawan dan fungsi bisnis yang berbeda. Memanfaatkan informasi ini untuk tujuan evaluasi dan kompensasi
meningkatkan perilaku strategis karyawan, karena manajer yang mementingkan diri sendiri mungkin memiliki insentif
untuk tidak mengungkapkan informasi pribadi mereka secara jujur (Bru¨ggen et al. 2021; Libby dan Lindsay 2010; Tanlu
2007). Terakhir, prakiraan diperbarui secara berkala untuk mencerminkan perubahan terkini, misalnya, permintaan,
persaingan, rantai pasokan, dan kondisi ekonomi makro. Anggaran biasanya tidak direvisi sepanjang tahun (Arnold dan
Artz 2019).

Di banyak organisasi, peramalan internal sebagian besar telah dipisahkan dari proses penganggaran. Peramalan
internal adalah proses yang lebih berkelanjutan (misalnya, prakiraan yang diperbarui setiap bulan) daripada siklus
penganggaran tahunan (Henttu-Aho dan Ja¨rvinen 2013; Libby dan Lindsay 2010). Prakiraan internal seringkali
dapat menggantikan anggaran sebagai alat utama untuk perencanaan operasional, koordinasi, dan pengendalian
operasional (Bru¨ggen et al. 2021). Banyak perusahaan berangkat dari angka anggaran awal tahun mereka sepanjang
tahun melalui perkiraan yang diperbarui secara berkala (Arnold dan Artz 2019). Hypothesis
Perusahaan melakukan investasi dalam peramalan internal ketika manfaat yang diharapkan dari peramalan internal yang
ditingkatkan lebih besar daripada biaya yang sesuai. Manfaat utama dari investasi di IFS adalah meningkatkan kemampuan
perusahaan untuk secara akurat memproyeksikan hasil operasional dan keuangan di masa depan. Sebagian besar studi yang
mengandalkan data observasional menemukan bahwa IFS berhubungan negatif dengan kesalahan perkiraan absolut. Misalnya,
Bru¨ggen et al. (2021) mendokumentasikan bagaimana penggabungan eksplisit peristiwa kontingen dalam peramalan
menyebabkan kesalahan perkiraan absolut yang lebih kecil. Informasi peramalan internal juga dapat dimanfaatkan untuk
tujuan eksternal dalam pengungkapan pasar modal melalui, misalnya, siaran pers dan panggilan konferensi. Ittner dan Michels
(2017) mendokumentasikan caranya
 5
Keith Sherin, the vice chairman and former CFO of GE, described at the 2010 CARE conference GE s internal budgeting and financial planning
process. An edited version of his presentation has been published in the 2010 Journal of Applied Corporate Finance.

Journal of Management Accounting Research

Volume 34, Number 1, 2022
The Relation between Internal Forecasting Sophistication and Accounting Misreporting 55

peramalan internal yang lebih baik menghasilkan kesalahan absolut yang lebih kecil untuk pendapatan,
penjualan, dan pengeluaran modal dalam pengungkapan pasar modal.
Studi sebelumnya mendokumentasikan hubungan antara kualitas informasi yang digunakan untuk pengambilan keputusan
internal dan kualitas informasi yang diungkapkan secara eksternal (Gallemore dan Labro 2015; Hemmer dan Labro 2008).
Sementara perusahaan yang mengalami tekanan untuk memenuhi prakiraan analis dapat mengambil manfaat dari perbaikan
dalam peramalan internal, bukti sebelumnya menunjukkan bahwa motivasi utama untuk investasi dalam peramalan internal
berasal dari tujuan internal seperti peningkatan perencanaan, koordinasi kegiatan, dll (Sivabalan et al. 2009 ). Dalam nada
yang sama, wakil ketua dan mantan CFO GE Keith Sherin berpendapat bahwa ~~tujuan peramalan, dari sudut pandang
organisasi kami, bukanlah untuk mendapatkan perkiraan titik yang paling akurat. Yang benar-benar kami pedulikan adalah
kualitas pemikiran dan dialog di antara para manajer kami yang berlangsung~~ (Sherin 2010, 11).
Kami mendefinisikan IFS sebagai kualitas pengumpulan dan pemrosesan informasi dan mengintegrasikannya ke dalam
proyeksi manajerial tentang kinerja operasional dan keuangan di masa depan (Cassar dan Gibson 2008; Ittner dan Michels
2017). Kami berpendapat bahwa kemampuan yang lebih besar untuk secara akurat memproyeksikan hasil operasional dan
keuangan masa depan mengurangi permintaan pelaporan yang salah akuntansi karena IFS seharusnya menghasilkan angka
kinerja yang lebih dekat dengan harapan perusahaan. Manajer memiliki insentif untuk menghindari/mengurangi kesalahan
pelaporan akuntansi karena sifatnya yang mahal. Pelaporan yang salah dapat menimbulkan biaya besar bagi perusahaan (mis.,
Dechow et al. 1996) dan biaya pribadi bagi manajer—terutama bagi profesional keuangan (mis., Desai, Hogan, dan Wilkins
2006; Hennes et al. 2008; Kroos, Schabus, dan Verbeeten 2018 ). Misreporting akuntansi akhir tahun juga menambahkan bias
dan kebisingan untuk angka akuntansi yang dilaporkan, yang merusak kegunaan prediktif dan kesetiaan representasional
(Badertscher, Collins, dan Lys 2012). Jadi, rata-rata, kami mengharapkan dan berhipotesis bahwa peramalan internal yang
canggih secara negatif berhubungan dengan kesalahan pelaporan akuntansi akhir tahun untuk mempengaruhi kinerja.
Hipotesis ini bukannya tanpa ketegangan. Pertama, peramalan itu sendiri difokuskan pada prediksi hasil masa depan
yang tidak pasti; manfaat peramalan mungkin terganggu karena probabilitas rendah, peristiwa berdampak tinggi (disebut
peristiwa Black Swan) yang hampir mustahil untuk diramalkan (Taleb 2007). Kedua, kemampuan perusahaan untuk berhasil
mengelola laba dapat dipengaruhi oleh kualitas informasi yang menjadi dasar keputusan manajemen laba. Misalnya,
Gallemore dan Labro (2015) menunjukkan bahwa kualitas lingkungan informasi internal perusahaan dikaitkan dengan
aktivitas penghindaran pajak. Namun, kami berharap kualitas informasi memengaruhi manipulasi aktivitas nyata alih-alih
pelaporan yang salah akuntansi (untuk alasan yang akan kami uraikan nanti di bagian ini). Ketiga, IFS dapat meningkatkan
kumpulan informasi yang tersedia bagi manajer, yang pada gilirannya dapat meningkatkan asimetri informasi antara orang
dalam perusahaan dan pengguna laporan keuangan eksternal, yang pada akhirnya memungkinkan manajer untuk
menyembunyikan aktivitas manajemen laba mereka dengan lebih baik (Bartov, Marra, Dossi, dan Pettinicchio 2017) .
Secara keseluruhan, karena IFS memungkinkan perusahaan untuk secara akurat memproyeksikan hasil operasional dan
keuangan di masa depan dan perusahaan menghadapi sifat mahal dari kesalahan pelaporan akuntansi akhir tahun, kami
merumuskan hipotesis berikut:
H1: Internal forecasting sophistication is negatively associated with accounting misreporting.
Kami secara khusus tertarik untuk mempelajari apakah IFS memungkinkan perusahaan untuk mengurangi kesalahan
pelaporan akuntansi akhir tahun mereka. Prevalensi manajemen laba untuk memenuhi harapan telah didokumentasikan dalam
berbagai survei (Dichev, Graham, Harvey, dan Rajgopal 2013; Graham, Harvey, dan Rajgopal 2005; Merchant 1990) dan
studi arsip (Alissa, Bonsall, Koharki, dan Penn 2013; Burgstahler dan Dichev 1997; Degeorge dkk. 1999). Misalnya, Bonacchi
dkk. (2018) menunjukkan bagaimana perusahaan mendorong praktik pelaporan yang salah di anak perusahaan untuk
memenuhi atau mengalahkan proyeksi pendapatan, yaitu menggunakan anak perusahaan untuk mengelola angka pendapatan
konsolidasi mereka.

Kami fokus pada kesalahan pelaporan akuntansi karena ini adalah metode ~~menit terakhir~~ yang tersebar luas untuk
mempengaruhi kinerja (misalnya, Dechow dan Shakespeare 2009; Kerstein dan Rai 2007; Zang 2012). Pada akhir periode
fiskal, atau bahkan antara tanggal penutupan dan pelaporan, manajer memiliki pengetahuan yang lebih tepat tentang kinerja
akhir yang diproyeksikan dan kinerja yang ingin mereka laporkan. Dengan demikian, manajer dapat secara tepat
menentukan jumlah yang memerlukan manipulasi, dan efek manipulasi akun. Kami tidak fokus pada hubungan antara IFS
dan manipulasi aktivitas nyata (misalnya, Graham et al. 2005; Zang 2012). Jenis manipulasi pendapatan ini harus dilakukan
pada awal tahun dan konsekuensi dari manipulasi tersebut membutuhkan waktu untuk direalisasikan. Namun, di awal
tahun, jumlah yang perlu dimanipulasi untuk mencapai kinerja akhir periode tertentu tidak pasti. Selain itu, mengukur
secara akurat efek dari mengubah keputusan bisnis nyata (misalnya, penumpukan inventaris) bisa jadi sulit. Meskipun kami
tidak mengharapkan hubungan antara IFS dan manipulasi aktivitas nyata, kami membicarakan hal ini dalam analisis
tambahan.
 III. RESEARCH METHOD

Sample and Data Collection

Kami menggunakan data survei untuk menguji hipotesis kami. Mengingat keterbatasan peneliti untuk secara langsung
mengamati sistem peramalan internal perusahaan, penggunaan tanggapan survei memungkinkan kami untuk mengumpulkan data
dan menjawab pertanyaan yang relevan tentang peramalan internal (Ittner

Journal of Management Accounting Research

Volume 34, Number 1, 2022
56 Kroos, Schabus, and Verbeeten

dan Larcker 2001; Bloomfield, Nelson, dan Soltes 2016). Kami mendefinisikan populasi target sebagai manajer
keuangan pusat investasi di entitas menengah dan besar. Ini termasuk CFO perusahaan publik dan swasta serta
CFO divisi. Kami percaya anteseden dan konsekuensi dari peramalan internal relatif homogen mengingat bahwa
entitas menengah dan besar dicirikan oleh penerapan sistem kontrol manajemen formal (Sandino 2007), entitas
yang bertanggung jawab atas pendapatan, pengeluaran, dan aset mereka biasanya memiliki kebijaksanaan yang
lebih besar dalam hal keputusan operasi dan desain sistem akuntansi lokal mereka (Abernethy, Bouwens, dan van
Lent 2004; Indjejikian dan Mateˇjka 2012), dan asimetri informasi berlaku untuk tingkat yang berbeda seperti
tingkat perusahaan serta tingkat divisi ( Abernethy et al 2004; Chen, Martin, Roychowdhury, Wang, dan Billett
2018).6 Dengan demikian, kami percaya bahwa tingkat analisis kami (manajer keuangan pusat investasi)
konsisten dengan tingkat teori tentang IFS dan pelaporan yang salah (Graham et al. al.2005; Luft dan Shields
2003).
Kami mengirimkan survei kami kepada anggota asosiasi alumni Executive Master of Finance & Control (EMFC), anggota
bab Certified Management Accountant (CMA), dan anggota panel CFO yang terkait dengan salah satu dari dua universitas
negeri besar. Karena responden telah menyelesaikan pendidikan akuntansi pascasarjana dan memiliki pengalaman kerja yang
substansial, kami berharap mereka memiliki pengetahuan tentang praktik peramalan dan pelaporan dalam entitas mereka dan
oleh karena itu memenuhi syarat untuk memberikan tanggapan yang valid terhadap pertanyaan survei. Kami melakukan pra-tes
survei dengan anggota terpilih dari populasi target untuk menilai apakah pertanyaan dipahami dengan benar dan mudah dijawab
(Van der Stede, Young, dan Chen 2005). Semua anggota diundang melalui email untuk berpartisipasi dalam survei online.
Responden memiliki waktu sekitar delapan minggu untuk berpartisipasi. Kami menggunakan prosedur berikut untuk
meningkatkan tingkat respons kami: pertama, responden survei dapat menunjukkan apakah mereka tertarik dengan umpan balik
tentang hasil penelitian. Kedua, pengingat dikirim setelah enam minggu, memberi responden dua minggu lagi untuk
berpartisipasi sebelum survei online ditutup. Prosedur ini menghasilkan sampel awal sebanyak 155 responden yang mengisi
kuesioner. Kami mengecualikan 38 pengamatan di mana entitas responden bukan merupakan pusat investasi dan/atau di mana
penjualan masing-masing entitas di bawah 10 juta. Kami menghapus lima pengamatan karena data yang hilang tentang perkiraan
atau pelaporan yang salah. Sampel akhir kami terdiri dari 112 pengamatan.
Kami menguji adanya bias respons dalam dua cara: pertama, kami membandingkan respons responden awal dan akhir, karena
responden akhir lebih mirip dengan nonpeserta. Menggunakan tanggal email pengingat untuk membedakan antara responden awal
dan akhir, kami tidak menemukan perbedaan yang signifikan dari rata-rata atau median untuk karakteristik demografis responden,
pendidikan dan masa kerja mereka, variabel dependen dan independen yang diminati, dan karakteristik umum perusahaan seperti
sebagai ukuran perusahaan, penjualan, dan pertumbuhan (tidak ditabulasi). Kedua, kami membandingkan populasi target dan sampel
akhir kami pada variabel demografis seperti usia dan jenis kelamin. Kami tidak menemukan perbedaan yang signifikan dalam cara.
Pada Tabel 1, kami melaporkan statistik deskriptif profil responden (Panel A) dan profil entitas responden (Panel B).
Responden kami relatif senior, karena 91 persen memiliki kualifikasi pasca sarjana (gelar EMFC, CPA, CMA), dan jabatan
responden yang paling sering dilaporkan adalah CFO/Direktur Keuangan (28 persen), Business Controller (26 persen), Group
Controller (13 persen), Finance Manager (11 persen), dan Financial Controller (8 persen).

Mengingat bahwa sampel kami berasal dari persepsi responden tunggal, temuan kami mungkin rentan terhadap bias
pengukuran dan bias metode umum di mana hubungan yang diperkirakan mungkin dipengaruhi oleh penggunaan metode
pengukuran tunggal. Kami mencoba untuk mengatasi masalah ini melalui prosedur berikut: pertama, saat melakukan survei, kami
memastikan responden bahwa tanggapan akan diperlakukan secara anonim dan menempatkan variabel yang kami minati di bagian
terpisah dari kuesioner (Van der Stede et al. 2005) . Kedua, kami melengkapi pertanyaan persepsi dengan ukuran faktual dan
menggunakan yang terakhir untuk menguatkan ukuran survei persepsi kami. Kami menguraikan ini di bagian selanjutnya tentang
pengukuran variabel. Ketiga, kami menggunakan uji faktor tunggal Harman. Kami melakukan analisis faktor eksplorasi dengan
semua item dan tidak menemukan indikasi bahwa satu faktor menyumbang sebagian besar varians dalam item.Menggunakan
analisis faktor konfirmatori, kami menilai apakah empat faktor
For instance, Chen et al. (2018) show that information asymmetry between corporate and divisional levels is associated with less accurate management
6

guidance and more accounting restatements.

7
The EMFC is a two-year part-time postgraduate program (similar to a CGMA qualification issued by CIMA and the AICPA), and the CMA is a one -
year part-time postgraduate program both aimed at accounting and control professionals. Graduates can become a member of the CMA chapter and
EMFC associations, respectively.
The CFO panel is a network of CFOs of the 100 largest firms in The Netherlands, where members meet annually at the Finance Transformation Forum.
8

Institutional Review Board approval was granted by the corresponding universities.

9

10
Our aggregate response rate is 5.6 percent and comparable to earlier studies such as Abernethy, Bouwens, and Kroos (2017), Dichev et al. (2013), and
Indjejikian and Mateˇjka (2009). This response rate can be further broken down into a 13 percent rate for members of the CFO panel, a 4.8 percent rate
for members of the EMFC associations, and 8.4 percent for members of the CMA chapter. What is most important for survey research that aims to test a
theory is not the response rate, but rather the representativeness of the sample for the group of subjects the theory is supposed to apply to (the target
population) (Van der Stede et al. 2005; Spekle´ and Widener 2018).
11
We only have data on population demographics for the EMFC and CMA target population.
12
Social desirability bias is described as respondents distorting their response to adhere to a social norm, while halo effects represent spillovers between
different judgments.
13
We find that the first factor accounts for 38 percent of the variance and all four factors account for 90 percent of the variance.
Journal of Management Accounting Research
Volume 34, Number 1, 2022
The Relation between Internal Forecasting Sophistication and Accounting Misreporting 57

TABLE 1
Characteristics of the Final Sample
Panel A: Respondent Profile
n Percent Cumulated Percent
Position
CFO/Financial Director 31 27.7 27.7
Group Controller 14 12.5 40.2
Finance Manager 12 10.7 50.9
Business Controller 29 25.9 76.8
Financial Controller 9 8.0 84.8
Other 17 15.2 100.0
Post-Graduate Qualification
CMA 12 10.7
CPA 33 29.4
EMFC 57 50.9

Panel B: Respondent’s Entity Profile

n
Percent Cumulated Percent
Sales in million euros
10–50 18 16.1 16.1
50–100 10 8.9 25.0
100–250 15 13.4 38.4
250–500 16 14.3 52.7
500–1,000 15 13.4 66.1
1,000–5,000 16 14.3 80.4
5,000–15,000 14 12.5 92.9
.15, 000 8 7.1 100.0
Industry
Extraction and manufacturing 33 29.46 29.46
Construction and utilities 11 9.82 39.28
Business services 22 19.64 58.92
Communication and tourism 11 9.82 68.74
Wholesale and logistics 9 8.04 76.78
Financial services 13 11.61 88.39
Social security, education, and health care 13 11.61 100.00

model memberikan kecocokan yang lebih baik dengan data relatif terhadap model satu faktor. Kami menemukan bahwa empat
faktor laten memberikan kecocokan yang lebih baik dengan data relatif terhadap model satu faktor (Chi-kuadrat = 225,11; p ,
0,01). Keempat, kami melengkapi uji hipotesis utama kami dengan analisis cross-sectional. Penelitian sebelumnya menunjukkan
bahwa efek interaksi tidak mungkin menjadi artefak dari bias metode umum (Spekle´ dan Widener 2018).

Variable Measurement
Kami menggambarkan pengukuran variabel dependen dan independen yang kami minati, serta pengukuran variabel kontrol
kami. Kami menggunakan analisis faktor eksplorasi ketika mengukur konstruksi kami melalui beberapa pertanyaan survei.
Konstruksi laten kami diukur dengan skor faktor. Untuk variabel yang diukur menggunakan skala Likert, kami mengevaluasi
validitas konvergen dengan menguji korelasi dengan ukuran alternatif di mana kami mengandalkan data faktual (Ittner dan
Larcker 2001; Lattin, Carrol, dan Green 2003).

14
Reductions in the Chi-squared statistic indicate a better fit with the data as each model is tested against the null that the proposed model fits as well as a
perfect model.

Journal of Management Accounting Research

Volume 34, Number 1, 2022
58 Kroos, Schabus, and Verbeeten

Independent and Dependent Variable of Interest

Kami bertujuan-mengembangkan ukuran survei untuk peramalan. Peramalan internal didefinisikan sebagai perolehan dan
pemrosesan informasi dan integrasi informasi ini ke dalam ekspektasi manajemen mengenai kinerja operasi dan keuangan
perusahaan di masa depan (Cassar dan Gibson 2008; Ittner dan Michels 2017). Kami menggunakan pendekatan deduktif dan
menetapkan item yang diidentifikasi oleh penelitian untuk menangkap peramalan internal perusahaan. Pertama,
mengintegrasikan informasi dari berbagai bagian laporan keuangan dalam peramalan memberikan hubungan yang lebih baik
antara ketidakpastian arus kas dan pendapatan, dan dampak pada metrik neraca keuangan utama dan rasio keuangan.
Misalnya, memiliki proyeksi akurat arus kas masa depan dan modal kerja memungkinkan perusahaan untuk mengelola
likuiditas mereka secara memadai dan sejauh mana pertumbuhan dapat dibiayai melalui arus kas yang dihasilkan secara
internal (Deloitte 2014; Wasley dan Wu 2006). Kedua, prakiraan dapat meningkat ketika ketidakpastian dimasukkan, beberapa
skenario dibedakan, dan rencana kontinjensi dikembangkan. Ittner dan Michels (2017) menemukan bahwa perusahaan yang
secara eksplisit memasukkan ketidakpastian dalam peramalan mereka meningkatkan akurasi peramalan mereka. Bru¨ggen dkk.
(2021) menunjukkan bahwa secara eksplisit melabeli beberapa bagian dari perkiraan penjualan agregat sebagai tergantung
pada terungkapnya permintaan kontingen ~~peristiwa~~ menghasilkan kesalahan perkiraan penjualan yang lebih rendah dan
persediaan ~~penyangga~~ persediaan yang lebih rendah. Ketiga, mengingat ketidakpastian yang melekat saat meramalkan
masa depan, prakiraan yang diperbarui secara berkala mencerminkan proyeksi yang lebih akurat. Libby dan Lindsay (2010)
menemukan bahwa banyak perusahaan bertujuan untuk meningkatkan perencanaan mereka dengan memperbarui proyeksi
secara teratur melalui prakiraan yang sedang berlangsung. Keempat, melibatkan fungsi bisnis yang berbeda (memfasilitasi
komunikasi lintas fungsi) peramalan manfaat karena perolehan dan penyebaran informasi, serta interpretasi informasi bersama
(Davis dan Mentzer 2007; Zotteri dan Kalchschmidt 2007). Akhirnya, informasi eksternal dari pemasok dan pelanggan dapat
membantu untuk lebih memahami dinamika pasar input dan output. Pengetahuan tentang pelanggan dan pemasok
memungkinkan perusahaan untuk memperkirakan penjualan dan aktivitas produksi mereka dengan lebih baik (Kalchschmidt
2012). Secara keseluruhan, mengembangkan prakiraan memerlukan integrasi masukan dari banyak peserta dan sumber
informasi yang berbeda di dalam dan di luar perusahaan (Cassar dan Gibson 2008).
Kami mengukur kecanggihan peramalan internal (IFS) menggunakan instrumen lima item yang mencerminkan atribut
peramalan internalnya. Responden ditanya apakah mereka setuju dengan pernyataan berikut tentang peramalan entitas mereka:
(1) selain P&L, kami memperkirakan banyak item lainnya (misalnya, item arus kas atau neraca), (2) kami mempertimbangkan
situasi lingkungan yang berbeda ketika peramalan, (3) kami memperbarui perkiraan kami secara teratur sepanjang tahun, (4)
orang-orang dari fungsi bisnis yang berbeda terlibat dalam peramalan, dan (5) kami menggunakan dukungan eksternal seperti
riset pasar dan melibatkan perusahaan rantai pasokan untuk meramalkan permintaan ( 1 = Sangat setuju, 5 = Sangat tidak
setuju). Validitas wajah dinilai dengan melakukan pra-tes pertanyaan survei khusus ini dengan anggota populasi target. Kami
meninjau apakah item mencerminkan konstruksi teoretis kami dalam praktik bisnis serta apakah pertanyaan ditafsirkan dengan
cara yang sama oleh responden dan konsisten dengan cara yang kami maksudkan.

Tabel 2 melaporkan tes untuk menguji validitas konvergen, termasuk alpha Cronbach dari 0,67 untuk reliabilitas
konsistensi internal (sejauh mana item yang sama dipengaruhi oleh perubahan dalam konstruk laten). Ukuran ini melebihi
batas bawah 0,60 untuk ukuran survei yang belum divalidasi secara ekstensif dalam penelitian sebelumnya (Hair, Black,
Babin, dan Anderson 2014). Analisis faktor konfirmatori memungkinkan kita untuk mengukur reliabilitas komposit (0,63) dan
varians rata-rata yang diekstraksi (0,42). Secara keseluruhan, analisis ini menunjukkan validitas konvergen yang cukup untuk
memuaskan. Kami juga menguji korelasi dengan ukuran faktual (Bedford dan Spekle´ 2018). Korelasi positif dengan jumlah
FTE berkomitmen untuk peramalan (0,24; p = 0,01), jumlah fungsi bisnis yang terlibat dalam peramalan (misalnya, penjualan,
operasi, keuangan, logistik) (0,28; p , 0,01), penggunaan perencanaan skenario (0,39; p , 0,01), dan penggunaan prakiraan
bergulir (0,18; p = 0,05) semuanya menunjukkan validitas konvergen yang memuaskan (tidak ditabulasi). Akhirnya, validitas
diskriminan dari ukuran perkiraan kami didukung karena analisis non-tabulasi menunjukkan bahwa akar kuadrat dari varians
rata-rata yang diekstraksi melebihi korelasi bivariat antara ukuran perkiraan kami dan konstruksi laten lainnya yang digunakan
dalam model empiris kami (Fornell dan Larcker 1981).

Kami menggunakan instrumen survei enam item yang disesuaikan yang mencerminkan akuntansi dan tindakan ekonomi riil untuk
mempengaruhi kinerja (Abernethy, Bouwens, dan Kroos 2017; Graham et al. 2005; Maas dan Mateˇjka 2009). Responden
menunjukkan seberapa sering mereka mengambil tindakan berikut untuk mempengaruhi kinerja: (1) mengubah estimasi akuntansi
(mis., estimasi beban piutang tak tertagih, penghapusan, penurunan nilai), (2) memberi label ulang item baris (mis., memberi label
ulang beban sebagai non-operasional item pengeluaran), (3) mencatat transaksi lebih awal atau terlambat (bila dibenarkan), (4)
memberikan atau menolak diskon harga atau persyaratan kredit yang lebih/kurang lunak untuk mempengaruhi tingkat penjualan, (5)
menunda atau mempercepat pengeluaran diskresioner (investasi dalam R&D, periklanan, pemeliharaan, dll.), dan (6)
meningkatkan/menurunkan produksi untuk mempengaruhi harga pokok penjualan. Analisis faktor dengan rotasi miring
mengungkapkan dua faktor dengan
15
We assume a reflective measurement model as each item represents a manifestation of the underlying latent construct such that increased IFS is
expected to manifest itself in changes in the observable items. Removing one item does not fundamentally change the theoretical meaning of our
construct and items share the same antecedents (e.g., size or environmental volatility) (Bedford and Spekle´ 2018).

Journal of Management Accounting Research

Volume 34, Number 1, 2022
The Relation between Internal Forecasting Sophistication and Accounting Misreporting 59

TABLE 2

Description and Statistical Properties of Latent Constructs

Panel A: Accounting Misreporting (ACC_MISREP)
Factor
Loadings Mean Std. Dev. Range

How frequently did your entity take the following actions to influence performance?
Change accounting estimates to shift profits between periods (e.g., estimation of uncollectible 0.51 2.32 1.06 1–5
accounts expense, write-offs, impairments)?
Relabel line items (e.g., relabeling expense as non-operating expense item)? 0.47 1.78 0.80 1–5
Record transactions early or late (if justified)? 0.77 1.90 0.88 1–5
1 = Completely disagree, 3 = Neither disagree nor agree, 5 = Completely agree.
Cronbach’s alpha: 0.66; CR: 0.67; AVE: 0.36.

Panel B: Internal Forecasting Sophistication (IFS)

Factor
Loadings Mean Std. Dev. Range
On top of the P&L statement, we forecast many cash flow and balance sheet items. 0.51 3.77 1.24 1–5
We take different environmental situations into account when we forecast. 0.74 3.96 1.05 1–5
We update our forecasts regularly during the course of the year. 0.69 3.28 1.50 1–5
People from different business functions are involved in our forecasting process. 0.76 3.94 1.12 1–5
We use external support like market research and/or involve firms along the supply chain to 0.47 2.52 1.38 1–5
forecast demand.
1 = Completely disagree, 3 = Neither disagree nor agree, 5 = Completely agree.
Cronbach’s alpha: 0.67; CR: 0.63; AVE: 0.42.

Panel C: Environmental Volatility (ENV_VOL)

Factor
Loadings Mean Std. Dev. Range
What is the rate of change in the buying patterns and requirements of customers? What is the 0.92 3.34 1.14 1–5
rate of change in distributors’ attitudes? 0.49 2.51 1.04 1–5
What is the rate of change in industry buying patterns? 0.98 3.08 1.11 1–5
What is the rate of change in competitor strategies? 0.58 2.95 1.13 1–5
What is the rate of change in technical developments relevant to your entity’s business? 0.51 3.19 1.15 1–5
1 = Highly stable, infrequent change, 3 = Some change, 5 = Highly volatile, very frequent change. Cronbach’s alpha: 0.76; CR: 0.77; AVE: 0.44.

Panel D: Interdependencies (INTERDEP)

Factor
Loadings Mean Std. Dev. Range
Our entity shares business from customers with other entities within the organization. Our entity 0.88 2.86 1.40 1–5
shares the sales force with other entities within the organization.
Our entity shares plant and equipment facilities with other entities within the organization. 0.83 2.62 1.51 1–5
0.89 2.93 1.41 1–5
Our entity shares advertising and promotional efforts with other entities within the organization.
0.88 2.95 1.36
Our entity shares research and development efforts with other entities within the organization. Our
entity has internal product transfers with other entities within the organization. 0.72 3.19 1.32 1–5
Our entity shares raw material purchases with other entities within the organization. 0.83 3.24 1.32 1–5
0.92 3.12 1.46 1–5
1 = Sharing of business in this area occurs very rarely, 3 = Sharing of business in this area occurs regularly,
5 = Sharing of business in this area occurs almost always.
Cronbach’s alpha: 0.82; CR: 0.80; AVE: 0.85.
Table 2 reports descriptives and statistical properties of our latent constructs from our main analysis. Factor loadings, composite reliability (CR), and
average variance extracted (AVE) originate from confirmatory factor analyses.

Journal of Management Accounting Research

Volume 34, Number 1, 2022
 nilai eigen (jelas) lebih besar dari kesatuan (Nunnally dan Bernstein 1994). Kami mengukur kesalahan
pelaporan akuntansi (ACC_MISREP) berdasarkan tiga item pertama.

Validitas konvergen didukung oleh Cronbach's alpha (0,66), reliabilitas komposit (0,67), dan varians rata-rata yang
diekstraksi (0,36) untuk ukuran pelaporan kesalahan akuntansi kami (lihat Tabel 2).17 Kami juga menetapkan validitas
konvergen dengan memeriksa korelasi dengan ukuran faktual . Kami menemukan bahwa responden dengan kualifikasi CPA
cenderung tidak salah melaporkan (-0,24; p = 0,01) (Bamber, Jiang, dan Wang 2010; Ge, Matsumoto, dan Zhang 2011).
Validitas diskriminan didukung karena akar kuadrat dari varians rata-rata yang diekstraksi lebih besar dibandingkan dengan
korelasi bivariat antara ACC_MISREP dan konstruksi laten lainnya yang digunakan dalam model empiris kami (Fornell dan
Larcker 1981).

Control Variables

Kami menyertakan vektor kontrol umum untuk mengatasi heterogenitas di seluruh perusahaan. SIZE menangkap
ukuran perusahaan dan mengukur pendapatan entitas. UKURAN berkisar antara 1 dan 8, tergantung pada apakah
pendapatan berkisar antara 10 hingga 50 juta, 50 hingga 100 juta, 100 hingga 250 juta, 250 hingga 500 juta, 500 juta hingga
1 miliar, 1 hingga 5 miliar, 5 hingga 15 miliar, atau lebih tinggi dari 15 miliar euro. PERTUMBUHAN mewakili pilihan
pertumbuhan. Kami mendefinisikan PERTUMBUHAN sebagai pertumbuhan penjualan relatif terhadap tahun sebelumnya,
diukur dalam kuintil. Volatilitas lingkungan (ENV_VOL) diukur dengan instrumen lima item yang menangkap tingkat
perubahan yang dirasakan responden di lingkungan pada kategori seperti pola pembelian dan persyaratan pelanggan,
strategi pesaing, perkembangan teknologi, dll. (Khandwalla 1972). Ukuran survei untuk volatilitas lingkungan telah
digunakan berulang kali dalam penelitian sebelumnya (misalnya, Abernethy et al. 2004; Abernethy et al. 2017) dan diukur
dalam kuartil. Kami mengukur saling ketergantungan (INTERDEP) dengan instrumen tujuh item yang mencerminkan
sejauh mana entitas berbagi bisnis dengan entitas lain di perusahaan yang sama di bidang berikut: pelanggan, tenaga
penjualan, periklanan, fasilitas pabrik, penelitian dan pengembangan, transfer internal, dan pembelian (Indjejikian dan
Mateˇjka 2012).18 Rasio utang terhadap aset menunjukkan leverage. LEVERAGE sama dengan 1 jika rasio utang terhadap
aset lebih kecil dari 20 persen, 2 jika rasio antara 20 persen dan 40 persen, 3 jika antara 40 persen dan 60 persen, 4 jika
antara 60 persen dan 80 persen, dan 5 jika rasionya lebih tinggi dari 80 persen. PUBLIC_FIRM adalah variabel indikator
sama dengan 1 jika perusahaan sampel responden adalah perusahaan publik, 0 sebaliknya. BLOCKHOLDER merupakan
variabel indikator sama dengan 1 jika kepemilikan institusional lebih besar dari 10 persen, 0 sebaliknya. Kami selanjutnya
mengontrol insentif eksplisit dari kontrak kompensasi. Untuk setiap responden, kami menentukan kompensasi insentif yang
terkait dengan ukuran finansial (INC_FIN) dengan mengalikan kompensasi berbasis kinerja maksimum sebagai persentase
gaji dengan bobot agregat pada ukuran finansial. Misalnya, nilai 12 berarti bahwa pencapaian semua target kinerja
keuangan berarti kompensasi insentif sebesar 12 persen dari gaji tahunan mereka.

Kami juga mengontrol karakteristik spesifik responden. Kami menggunakan masa jabatan khusus pekerjaan dan
kekuasaan CEO sebagai penentu ACC_MISREP. Penelitian sebelumnya menunjukkan bahwa kemungkinan manajemen laba
menurun selama masa kerja (Ali dan Zhang 2015; Dikolli, Mayew, dan Nanda 2014). Oleh karena itu kami mengukur tahun
responden berada di posisi mereka saat ini (JOB_TENURE). Selanjutnya, Maas dan Mateˇjka (2009) menunjukkan bahwa
pengontrol BU dengan hubungan yang lebih kuat dengan manajer BU mereka (relatif terhadap atasan fungsionalnya) lebih
mungkin untuk salah melaporkan. Jadi, POWER mengambil nilai 1 (2) {3} jika responden memiliki hubungan pelaporan yang
lebih pendek (sama panjang) {lebih lama} dengan manajer lini mereka (yaitu, CEO tingkat divisi atau perusahaan) dibandingkan
dengan penyelia fungsional (yaitu, CFO perusahaan, komite audit). Kami berharap JOB_TENURE menjadi negatif dan POWER
berhubungan positif dengan ACC_MISREP. Kami mendefinisikan CPA sebagai variabel indikator sama dengan 1 jika responden
sebelumnya bekerja sebagai auditor untuk sebuah perusahaan audit, 0 sebaliknya. GENDER merupakan variabel indikator sebesar
1 jika responden berjenis kelamin perempuan, 0 sebaliknya. AGE mewakili usia responden, diukur dalam kuintil. Mengingat
bahwa responden bekerja pada tingkat hierarki yang berbeda (perusahaan, divisi, unit bisnis), kami menyertakan variabel indikator
CORP_LEVEL sama dengan 1 jika responden bekerja di tingkat perusahaan, 0 jika tidak (Abernethy et al. 2017). Kami memiliki
beberapa kasus item nonresponse. Konsisten dengan penelitian sebelumnya, kami memperhitungkan nilai 0 untuk kasus-kasus item
nonresponse (Van der Stede et al. 2005). Selain itu, kami membangun variabel indikator untuk setiap kasus tersebut guna
mengatasi ketersediaan data untuk masing-masing variabel (deHaan, Hodge, dan Shevlin 2013; Kroos et al. 2018). Akhirnya, kami
mengontrol efek industri. Semua variabel dijelaskan dalam Lampiran A.
16
The second factor loads on our final three survey items. This factor captures real activities manipulation.
17
The Cronbach s alpha exceeds the lower bound for survey instruments that have not been extensively validated by prior studies. Hair et al. (2014, 123)
discuss that the generally agreed upon lower limit for Cronbach s alpha is 0.70, although it may decrease to 0.60 in exploratory research.
‘‘ ’’

Additionally, Cronbach s alpha generally increases with the number of items in the survey instrument.
18
Table 2 shows how the convergent validity of the latent constructs ENV_VOL and INTERDEP is supported. Additionally, discriminant validity is
supported as the square root of the average variance extracted outweighs the bivariate correlations between the volatility measure and other latent
constructs (Fornell and Larcker 1981).
19
In each of the cases, a response on one single item is missing from the survey. We have seven missing items on leverage, two missing items on jobspecific
tenure, and 11 missing items on interdependencies.

Journal of Management Accounting Research

Volume 34, Number 1, 2022