Managerial Ability

Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.
com
Jurnal Internasional Pasar Berkembang

Pengaruh Kemampuan Manajerial terhadap Penghindaran Pajak dengan Ekonometrika Klasik dan Bayesian dalam Model
Multilevel: Bukti Iran
Farzana Akbari, Mahdi Salehi, Mohammad Ali Bagherpour Vlashani,
Informasi artikel:
Untuk mengutip dokumen ini:
Farzana Akbari, Mahdi Salehi, Mohammad Ali Bagherpour Vlashani, "Pengaruh kemampuan Manajerial terhadap penghindaran pajak
oleh Ekonometrika Klasik dan Bayesian dalam Model Multilevel: bukti Iran", International Journal of Emerging Markets, https://doi.org/
10.1108/IJoEM-09-2017-0367 Tautan permanen ke dokumen ini: https://doi.org/10.1108/IJoEM-09-2017-0367
Diunduh pada: 23 Oktober 2018, Pukul: 22:31 (PT)

Referensi: dokumen ini berisi referensi ke 0 dokumen lain. Untuk
menyalin dokumen ini: permissions@emeraldinsight.com
Akses ke dokumen ini diberikan melalui langganan Emerald yang disediakan oleh emerald-srm:178665 []
Untuk Penulis
Jika Anda ingin menulis untuk ini, atau publikasi Emerald lainnya, silakan gunakan informasi layanan Emerald for Authors kami
tentang cara memilih publikasi mana yang akan ditulis dan pedoman pengiriman tersedia untuk semua. Silakan kunjungi
www.emeraldinsight.com/authors untuk informasi lebih lanjut.
Downloaded by INSEAD At 22:31 23 October 2018 (PT)
Tentang Zamrud www.emeraldinsight.com

Emerald adalah penerbit global yang menghubungkan penelitian dan praktik untuk kepentingan masyarakat. Perusahaan mengelola
portofolio lebih dari 290 jurnal dan lebih dari 2.350 buku dan volume seri buku, serta menyediakan berbagai macam produk online dan
sumber daya dan layanan pelanggan tambahan.
Emerald sesuai dengan COUNTER 4 dan TRANSFER. Organisasi ini adalah mitra Komite Etika Publikasi (COPE) dan juga
bekerja dengan Portico dan inisiatif LOCKSS untuk pelestarian arsip digital.
* Konten terkait dan informasi unduhan yang benar pada saat mengunduh.
Pengaruh Kemampuan Manajerial terhadap Penghindaran Pajak Menurut Ekonometrika Klasik dan Bayesian
dalam Model Multilevel: bukti Iran
Abstrak
Tujuan -Tujuan dari penelitian ini adalah untuk mengetahui pengaruh kemampuan manajerial terhadap
penghindaran pajak di Tehran Stock Exchange (TSE) dan OTC dengan mengklasifikasikan perusahaan income
smooth dan non-income smooth berdasarkan pendekatan teoritis.
Desain/Metodologi/Pendekatan–Untuk mengukur kemampuan manajerial digunakan analisis
data envelopment berdasarkan data akuntansi, karakteristik perusahaan, dan industri. Dalam
penelitian ini, hipotesis diuji untuk pertama kalinya dengan tiga metode statistik, yaitu model
regresi klasik, model multilevel efek campuran, dan model multilevel Bayesian, yang belum pernah
dibahas dalam studi penelitian akuntansi Persia. Hipotesis diperkirakan selama periode 12 tahun
dari 2004 hingga 2015 di TSE dan OTC. Dalam penelitian ini, menurut kritik Lucas, Structural Change
Test digunakan untuk mengontrol variabel makroekonomi dan politik yang mempengaruhi hasil
penelitian.
Temuan –Hasil pengujian hipotesis dengan menggunakan tiga metode statistik menunjukkan bahwa
hanya satu hipotesis penelitian ini yang signifikan, yang menunjukkan hubungan yang signifikan antara
jenis dampak pasar (pertukaran OTC) terhadap hubungan antara kemampuan manajerial dan
penghindaran pajak.
Orisinalitas/nilai –Studi saat ini hampir merupakan studi pertama yang menggunakan metode baru
pada subjek penelitian.
Kata kunci:Kemampuan Manajerial, Perubahan Struktur, Model Efek Campuran Bertingkat,
Ekonometrika Bayesian.
Klasifikasi JEL:C6, G10, M10, M14
1. Perkenalan
Tujuan utama dari pelaporan keuangan adalah untuk memberikan informasi yang berguna tentang kondisi
keuangan dan operasional perusahaan untuk membuat keputusan yang tepat oleh investor dan kreditur. Satu dari
elemen laporan keuangan yang paling mengesankan adalah laporan laba rugi. Laba akuntansi,
sebagai angka terakhir dari pernyataan ini, merupakan dasar pengambilan keputusan bagi
investor, kreditur, dan pengguna lainnya (Aboody dan Hughes, 2005). Dalam hal ini,
kemampuan manajerial, sebagai faktor kunci dan fundamental selain fitur industri dan
perusahaan, sangat dipertimbangkan untuk mengintegrasikan semua sumber daya untuk
mencapai tujuan menghasilkan pendapatan akuntansi, dengan cara yang lebih terampil
manajer yang memiliki pengetahuan dan kognisi yang diperlukan tentang perusahaan dan
industrinya dan juga mempertimbangkan beberapa insentif seperti bonus yang lebih tinggi,
keamanan kerja, dll., untuk tujuan memantau kondisi keuangan dan operasi perusahaan lebih
menguntungkan bagi upaya pemegang saham untuk memperlancar pendapatan.
Salah satu kebijakan manajerial yang terkenal untuk mencapai tujuan profitabilitas yang lebih besar yang telah
menarik banyak perhatian adalah penghindaran pajak dan penghindaran pembayaran pajak yang tepat waktu dan
memadai. Berdasarkan teori keagenan biaya penghindaran pajak seperti ketidakpastian pemegang saham
perusahaan setelah laporannya, skandal hukum, denda, dan biaya terkait lainnya lebih dari keuntungannya. Di sisi
lain, pemegang saham mempertimbangkan karakteristik manajer yang terampil seperti penggunaan sumber daya
terbatas yang tersedia di perusahaan untuk mencapai lebih banyak keuntungan melalui aktivitas esensial dan legal,
investasi yang bertujuan, dan aktivitas sejenis lainnya dan mereka percaya bahwa aktivitas tersebut mengarah pada
nilai tambah dan profitabilitas dan dalam jangka panjang meningkatkan kinerja keuangan dan pada akhirnya
memaksimalkan nilai perusahaan. Manajer terus-menerus dihadapkan pada keputusan penting dan perencanaan
operasional. Strategi mereka memiliki dampak besar pada perusahaan dan masa depannya. Salah satu keputusan
tersebut adalah penghindaran pajak yang dapat meningkatkan laba perusahaan. Dalam penghindaran pajak, tidak
seperti kegiatan manajerial lainnya, manfaat diperoleh melalui biaya pajak yang lebih rendah (Luo et al., 2015).
Di era persaingan saat ini dan dalam kondisi yang dihadapi organisasi dan masyarakat terhadap
perubahan teknologi sehari-hari dan akibatnya proses globalisasi, sangat sulit untuk mencapai operasi
yang diinginkan dan bebas risiko. Dalam hal ini, yang dapat menyebabkan kinerja yang baik bagi
organisasi dan penjamin kelangsungan perusahaan di tahun-tahun mendatang adalah manajemen yang
berkualitas (Luo et al., 2015).

Sisa dari makalah ini adalah sebagai berikut, bagian kedua menyajikan literatur terkait dan
kerangka teoritis penelitian dan mengembangkan hipotesis penelitian. Bagian ketiga menyajikan
dasar-dasar Bayesian dan analisis bertingkat yang digunakan dalam penelitian ini. Selain itu,
diketahui bahwa variabel kemampuan manajerial dihitung dengan menggunakan data ekonomi
dan akuntansi perusahaan dengan metode analisis DEA. Pada bagian keempat, hipotesis diuji untuk
pertama kalinya dengan tiga metode statistik, model regresi klasik, model multilevel efek
campuran, dan model multilevel Bayesian dan perlu dicatat bahwa pada metode pengujian
hipotesis pertama, sesuai dengan statistik dan basis ekonomi, titik perubahan struktural
diperkirakan setelah hipotesis diuji dalam dua sub-periode, yaitu sebelum dan sesudah titik
perubahan struktural dan pada keseluruhan periode dan hasilnya dibandingkan secara bersama-
sama. Pada Bagian lima, hasil keseluruhan yang diperoleh dari tiga metode statistik pengujian
hipotesis dibandingkan. Pada bagian keenam, kesimpulan penelitian disajikan, Terakhir, Bagian
tujuh mengacu pada temuan penelitian lainnya.
2. Kerangka teori dan pengembangan hipotesis

Kemampuan manajer dianggap sebagai kemampuan untuk memaksimalkan nilai perusahaan
melalui efisiensi penggunaan sumber daya yang terbatas selama aktivitas perdagangan
(Demerjian et al., 2012). Manajer dengan tingkat pengetahuan terkait yang lebih tinggi
memiliki pemahaman yang lebih tinggi tentang lingkungan industri. Menurut perspektif teori
klasik tentang hubungan antara penghindaran pajak dan nilai perusahaan, dengan
mengurangi sumber daya keluar perusahaan ke otoritas pajak nilai perusahaan akan
meningkat, oleh karena itu, penghindaran pajak akan meningkatkan kas dan laba bersih
periode berjalan. Di sisi lain, teori keagenan, selain mempertimbangkan manfaat
penghindaran pajak, termasuk biaya langsung terkait seperti waktu, sumber daya manusia,
dan sumber daya lain yang dihabiskan untuk strategi ini, pajak,
Bui dkk.(2018) menunjukkan bahwa bank dapat membedakan kemampuan dari keberuntungan saat menentukan harga pinjaman.
Perusahaan dengan manajer berkemampuan tinggi lebih mungkin untuk melanjutkan penyebaran pinjaman yang lebih rendah
sebelumnya. Guan dkk. (2018) menguji pengaruh kemampuan manajerial terhadap sensitivitas pajak pemegang saham atas dividen
dan menemukan bahwa kemampuan manajerial berpengaruh terhadap pembentukan kebijakan dividen yang efisien pajak.
Berdasarkan penjelasan di atas hipotesis pertama penelitian ini adalah sebagai berikut:
H1: Kemampuan manajerial berhubungan negatif dengan penghindaran pajak.
Penghindaran pajak memiliki banyak konsekuensi potensial langsung dan tidak langsung. Pemotongan pajak
dan arus kas dan peningkatan ekuitas pemegang saham adalah konsekuensi langsung seperti, pengurangan
surga pajak dan kemungkinan menurunkan tarif pajak, dan mempertimbangkan hukuman dan tekanan
pemerintah pada perusahaan, pengurangan tanggung jawab sosial perusahaan dan, akibatnya, penurunan
pajak perusahaan dan nilai perusahaan adalah salah satu konsekuensi tidak langsung dari kegiatan pajak
(Hanlon dan Hitzman, 2010). Cen dkk. (2017) meneliti hubungan antara pengungkapan tanggung jawab sosial
perusahaan (CSR) wajib dan kontribusi ekonomi dan menemukan bahwa di daerah dengan kualitas
kelembagaan yang lebih rendah. Dalam hal ini, untuk menyelidiki hubungan antara kinerja keuangan dan
penghindaran pajak, kami menyusun hipotesis kedua kami sebagai berikut:

H2: Kinerja keuangan dan penghindaran pajak berhubungan negatif.
Sudut pandang kontroversial disajikan pada insentif manajer untuk perataan laba. Beberapa
menyarankan agar manajer melakukan aktivitas perataan laba untuk mendapatkan lebih banyak bonus
atau mempertahankan posisi pekerjaan mereka; akibatnya, ini adalah distorsi keuntungan dan informasi
yang menyesatkan disediakan untuk pengguna laporan keuangan dan pasar modal oleh manajer. Ini
akan mengurangi faktor respons untuk keuntungan masa depan. Sebaliknya, menurut pandangan
kedua, perataan laba merupakan instrumen bagi manajer untuk mentransfer efektivitas informasi
rahasia dan meningkatkan arus kas masa depan dan koefisien respon laba masa depan (Tucker &
Zawrowin, 2006).
Chen dkk. (2015) mengeksplorasi pengaruh perataan laba pada koefisien respon laba saat ini dan masa depan
sehubungan dengan berbagai lingkungan informasi. Hasil penelitian mereka menunjukkan bahwa dalam
lingkungan informasi yang lemah, perataan laba perusahaan menyebabkan peningkatan respon koefisien laba
saat ini dan tidak meningkatkan koefisien laba masa depan. Mereka juga menemukan bahwa di perusahaan
dengan lingkungan informasi yang kuat dengan meningkatkan perataan laba, koefisien respons laba masa
depan juga akan meningkat. Huang dan Sun (2017) meneliti bagaimana kemampuan manajerial berhubungan
dengan penggunaan manajemen laba riil dan kinerja perusahaan di masa depan. Mereka menunjukkan
manajer dengan kemampuan lebih tinggi terlibat dalam manajemen laba yang kurang nyata dan manajer
dengan kemampuan superior mengurangi dampak negatif dari manajemen laba riil pada kinerja perusahaan
di masa depan. Khurana dkk. (2018) menemukan perataan laba riil berhubungan positif dengan risiko jatuhnya
harga saham spesifik perusahaan. Selanjutnya, mereka

menemukan hubungan yang lebih kuat antara risiko kecelakaan dan perataan laba riil ketika ketidakpastian
perusahaan lebih tinggi, persaingan pasar produk lebih rendah, dan kendala neraca lebih tinggi. H3: Perataan
laba berpengaruh signifikan terhadap hubungan antara kemampuan manajerial dengan penghindaran pajak.
Analis saham, manajer perusahaan, investor, dan orang-orang yang terlibat dalam pasar modal
menarik perhatian mereka ke laba bersih sebagai informasi terakhir dalam laporan laba rugi.
Penekanan yang dikonsumsi pada pendapatan berarti bahwa pasar mengabaikan indikator kinerja
lainnya. Laba dihitung sebagai hasil dari proses akuntansi yang panjang, yang begitu terlihat dan
ditekankan oleh pengguna informasi akuntansi, dan dipengaruhi oleh prosedur akuntansi yang
dipilih oleh manajer. Kemungkinan memilih prosedur akuntansi memberi manajer kesempatan
untuk memutuskan bagaimana mengukur biaya dan pendapatan dari waktu ke waktu.
Demerjian dkk. (2012) meneliti hubungan antara kemampuan manajerial dan kualitas laba dan menemukan
hubungan positif antara kemampuan manajerial dan kualitas laba. Dengan cara ini, kemampuan manajerial
berkorelasi dengan lebih sedikit penyajian kembali keuangan dan kualitas akrual yang tinggi dan manajer yang lebih
cakap dapat membuat perkiraan akrual yang lebih baik dan melakukan penilaian pendapatan dengan sangat jelas
dan hati-hati. Amidu dan Yorke (2017) mengevaluasi bagaimana kebijakan keuangan perusahaan mempengaruhi
hubungan antara penghindaran pajak perusahaan dan manajemen laba dan menemukan bahwa struktur
pembiayaan perusahaan memainkan peran yang tidak tepat pada insentif perusahaan untuk terlibat dalam aktivitas
penghindaran dan/atau mengelola pendapatan mereka. , sehingga hipotesis penelitian keempat adalah sebagai
berikut.
H4: Kualitas laba berpengaruh signifikan terhadap hubungan antara kemampuan manajerial dengan
penghindaran pajak.
Soltani (2016) menyelidiki kesepakatan besar di Bursa Efek Teheran dan OTC Iran dan dia juga meneliti
perbedaan dan persamaan antara kedua pasar ini. Ia memaparkan bahwa mirip dengan negara-negara
lain yang memiliki pasar sekuritas yang beragam dengan berbagai syarat penerimaan dan perdagangan,
pasar OTC Iran yang serupa dengan Pasar Saham Teheran adalah pasar perdagangan sekuritas, kecuali
bahwa syarat penerimaan sekuritas di OTC Iran lebih mudah daripada yang lain. . OTC Iran adalah pasar
bursa saham dan sifatnya berbeda dari "pasar kehabisan stok". Aturan perdagangan, termasuk transaksi
besar, hampir sama di kedua pasar ini; dimungkinkan untuk meringankan peraturan yang tidak perlu
dengan menggabungkan aturan perdagangan di kedua pasar. Hendershott dkk.

(2017) meneliti jaringan hubungan perdagangan antara perusahaan asuransi dan dealer di pasar obligasi korporasi over-thecounter.
Hasilnya menunjukkan bahwa banyak perusahaan asuransi hanya menggunakan satu dealer sedangkan perusahaan asuransi
terbesar memiliki jaringan hingga empat puluh dealer.
H5: Jenis pasar saham (bursa saham dan OTC) berpengaruh signifikan terhadap hubungan antara
kemampuan manajerial dengan penghindaran pajak.
Dianti Deylami dkk. (2011) dengan menerapkan teknik hirarki mencoba untuk memprediksi masa depan
perusahaan di panel pasar saham. Mereka menunjukkan bahwa modal dan arus kas suatu perusahaan
merupakan salah satu faktor terpenting dalam memprediksi kondisi masa depan perusahaan. Selanjutnya,
kemampuan untuk memprediksi posisi perusahaan di masa depan dalam tabel pasar saham dengan teknik di
atas adalah 73,3%. Fezarudin dkk. (2017) menganalisis pertumbuhan modal manusia di industri Halal dan
hubungan antara modal manusia dan pelatihan Halal di Malaysia. Analisis grafik yang ditampilkan dalam
penelitian ini akan memungkinkan orang-orang seperti penyedia pelatihan halal dan pencari kerja untuk
membuat keputusan yang bijaksana.
Mempertimbangkan literatur dan latar belakang tersebut di atas, untuk mengendalikan dan
mengevaluasi dampak dari beberapa faktor yang terkait dengan karakteristik perusahaan dan industri,
termasuk jenis pasar perusahaan, serta industri tempat perusahaan beroperasi, keenam dan ketujuh
hipotesis penelitian adalah sebagai berikut.
H6: Panel pasar korporasi berpengaruh signifikan terhadap hubungan antara kemampuan manajerial
dengan penghindaran pajak.
H7: Jenis industri berpengaruh signifikan terhadap hubungan antara kemampuan manajerial dengan
penghindaran pajak.
3. Metodologi penelitian
3.1. Model bertingkat Bayesian dan model bertingkat Klasik

Untuk menguji pengaruh variabel satu sama lain, peramalan variabel berdasarkan beberapa variabel lain
sering dimungkinkan dengan menghadirkan model dalam topik statistik seperti model regresi statistik. Itu
selalu diperlukan untuk menerapkan asumsi untuk menggunakan model ini yang mungkin tidak berlaku untuk
semua pengamatan (seperti ketergantungan pengamatan satu sama lain dan memiliki struktur bersarang)
dalam keadaan seperti itu, menggunakan metode yang tepat selain metode konvensional diperlukan.
Dalam analisis bertingkat, peneliti dapat menerapkan pengambilan sampel yang lebih kompleks karena
struktur data populasi statistik bersifat hierarkis dan pengambilan sampel populasi ini bersifat multi-level.
panggung. Jika ada kesamaan di antara unit, model multi-level akan mempertimbangkan
faktor serupa dan dapat menyajikan perkiraan yang lebih akurat dibandingkan dengan analisis
satu tingkat. Karena memperkirakan kesalahan standar lebih akurat ini terkait dengan estimasi
parameter. Mengabaikan struktur bagian dalam (satu unit dalam kelompok) dapat
menyebabkan estimasi kurang dari kesalahan standar koefisien regresi. Akibatnya, interval
kepercayaan dan nilai p akan terlalu kecil menyebabkan signifikansi yang tidak akurat dan
akibatnya mengarah pada peningkatan kesalahan tipe I. Hal ini menciptakan inferensi palsu
tentang parameter model. Faktanya, memberikan kesalahan standar yang benar adalah salah
satu alasan untuk menerapkan model multi-level. Selain itu, dengan menggunakan model
multi-level,
Dalam semua model satu tingkat seperti regresi (linear sederhana atau multivariat atau ganda) yang
memprediksi perubahan variabel terikat (variabel) berdasarkan variabel atau variabel bebas, koefisien
konstan (intersep) dan koefisien variabel bebas lainnya dianggap konstan, tetapi dalam model multi-
level, koefisien ini dapat menjadi variabel dan dianggap sebagai fungsi dari level yang lebih tinggi yang
merupakan sampel sempurna dari tiga level. Dalam model ini, kesalahan diasumsikan normal,
sementara itu mungkin memiliki distribusi tertentu atau distribusi lain yang tidak diketahui. Ahli statistik
dan peneliti substantif sering menggunakan metode Bayesian dan berbasis kemungkinan (Goldstein &
Woof 2007). Dalam metode berbasis kemungkinan c, mempelajari parameter diasumsikan parameter
tetap dan tidak diketahui yang diperkirakan berdasarkan sampel acak. Sedangkan metode Bayesian
adalah parameter variabel acak dan kuantitatif dan distribusi probabilitas sebelumnya menggambarkan
perubahannya. Distribusi probabilitas sebelumnya ditentukan berdasarkan pengalaman dan pendapat
peneliti sebelumnya dan akan diedit berdasarkan random sampling. Distribusi yang telah diedit
berdasarkan pengamatan disebut distribusi posterior dan merupakan dasar pengambilan keputusan
tentang parameter model.
Analisis Bayesian hanyalah sebuah metode yang mencoba untuk memecahkan semua masalah statistik berdasarkan
teori Bayesian (Bolstad, 2004). Analisis berbasis kemungkinan didasarkan pada fitur asimtotik yang hanya dapat
diterapkan dengan ukuran sampel yang lebih besar. Di sisi lain, ukuran sampel yang lebih besar menyebabkan
peningkatan koefisien signifikansi dan kesalahan tipe I. Namun, dalam metode Bayesian, faktor Bayes stabil terkait
dengan ukuran sampel dan ukuran sampel yang lebih besar atau lebih kecil tidak akan berpengaruh pada inferensi
dan kesimpulan (Kass dan Raftery, 1995).

Manfaat ini mengarah pada eksplorasi yang akurat tentang fakta atau fenomena dan mungkin analisis akan
mengarah pada hasil baru.
3.2. Pemilihan sampel
Sampel penelitian penelitian ini meliputi perusahaan yang terdaftarpadaPertukaran Teheran dan pasar OTC. Sampel
penelitian dipilih dengan menggunakan metode eliminasi yang mencakup 130 perusahaan dari tahun 2004 hingga 2015
dengan mempertimbangkan kondisi di bawah ini:
- Tidak termasuk perusahaan di industri perbankan, Intermediasi dan holding.
- Perdagangan saham perusahaan tidak boleh dihentikan selama masa studi. Diakui
- dari tahun 2004 di bursa Teheran atau pasar OTC.
- Data perusahaan harus tersedia selama periode investigasi.

Data dikumpulkan dari situs resmi Pasar Pertukaran Teheran dan dianalisis dengan statistik R dan
perangkat lunak pemrograman.
3.3. Definisi operasional variabel

penghindaran pajak
Di sebagian besar negara, terutama di negara maju, pajak merupakan sumber utama
pendanaan pemerintah. Namun, di negara berkembang, karena struktur inflasi dan sistem
pajak yang tidak efisien, pendapatan pajak hanya merupakan persentase kecil dari PDB
mereka. Sementara beberapa negara menyediakan sebagian besar pengeluaran publik
mereka dengan pendapatan pajak, tetapi di Iran karena kurangnya transparansi keuangan dan
ketidakmampuan sistem pajak untuk mengidentifikasi pendapatan perusahaan dan individu
dengan benar, jumlah pajak diagnostik umumnya dapat diabaikan. Namun, sebagian besar
diagnostik pajak rendah ini tidak tercapai dan jika jumlah ini dikumpulkan, biaya pemungutan
pajak lebih tinggi daripada manfaatnya. Setelah pendapatan minyak, pajak merupakan
pendapatan utama pemerintah Iran untuk pembiayaan anggaran.
Penerimaan pajak badan yang ditentukan atas dasar penghasilan badan, mengatur sebagian besar penerimaan
pajak pemerintah. Faktanya, pajak adalah pembayaran untuk kehidupan sosial dan sejarah menunjukkan bahwa
ketergantungan anggaran pemerintah pada pendapatan minyak mengurangi peran perpajakan di antara
pendapatan pemerintah dan menunjukkan bahwa sistem yang efisien tidak dipertimbangkan untuk penyerapan. Di
sisi lain, di depan umum, penghindaran pajak telah menjadi fenomena turun temurun yang melibatkan berbagai cara
yang kompleks. Perilaku wajib pajak dalam rentang yang luas dari kepatuhan pajak sampai dengan kurangnya
kepatuhan pajak. Kurangnya kepatuhan pajak melibatkan berbagai penghindaran pajak,

Tax Shielding dan tax evasion (Etemadi et al., 2016). Perusahaan dapat menggunakannya, tergantung pada keadaan.
Penghindaran pajak merupakan upaya untuk mengurangi pajak yang terutang. Padahal, penghindaran pajak adalah
semacam penggunaan kekosongan hukum dalam undang-undang perpajakan untuk mengurangi pajak (Hanlon dan
Heitzman, 2010). Penelitian ini menggunakan data taksiran penghasilan kena pajak yang dihitung dengan mengikuti metode
(Persamaan 1) Park et al. (2015) dan Kang dan Ko (2014). Taksiran penghasilan kena pajak dihitung melalui perhitungan
terbalik dengan menggunakan beban pajak riil dan jumlah pajak yang dihitung. Dalam persamaan berikut, residual (ε)
adalah proksi untuk penghindaran pajak.
(1)
BTD / ASETt-1=0+1TA / ASETt-1+ɛ
Dimana BTD = penghasilan sebelum pajak – taksiran penghasilan kena pajak; taksiran penghasilan kena pajak =
beban pajak / tarif pajak perusahaan1; TA = total akrual (arus kas operasi laba bersih); ASET = total aset, ɛ adalah
residual model yang diperhitungkan sebagai penghindaran pajak.
Kemampuan manajerial
Dalam penelitian ini, untuk menghitung kemampuan manajerial, metode dua langkah Demerjian et al.
(2012) digunakan, yang didasarkan pada komputasi efisiensi perusahaan menggunakan data
envelopment analysis (DEA). DEA pertama kali diperkenalkan oleh Charles dan Cooper (1987) untuk
membandingkan efisiensi beberapa perusahaan kompetitif dalam suatu industri. Secara umum, DEA
mengukur efisiensi unit yang memiliki input dan output yang sama. Unit-unit ini disebut DMU. Bahkan,
pendekatan ini mengukur efisiensi pembuat keputusan dibandingkan dengan unit pengambil keputusan
lainnya dalam organisasi atau industri serupa. Untuk alasan ini, skor efisiensi akan menjadi hak istimewa
relatif. Efisiensi pengambil keputusan tergantung pada fungsi unit tersebut dalam pergantian input ke
output dibandingkan dengan unit lain dalam domain tertentu (Mansourfar et al., 2014). Menurut model
ini, pertama, batas efisien, yang mempertimbangkan jumlah setiap perusahaan dan kombinasi sumber
daya, dihitung dalam industri yang sama. Tingkat efisiensi suatu perusahaan dalam batas efisien adalah
satu. Semakin jauh jarak dari batas efisien berarti semakin rendah tingkat efisiensinya. Efisiensi relatif
perusahaan dalam industri dan tahun yang sama diukur dengan menggunakan model DEA berikut:
(2)
1
Menurut undang-undang pajak Iran, tarif pajak yang diterapkan adalah 22,5 persen
+++
Dimana: PENJUALAN = pendapatan usaha; HPP = harga pokok penjualan; SGNA = beban penjualan
dan administrasi umum; APD = aset berwujud; INTAN = aset tidak berwujud.
Karena risiko spesifik perusahaan seperti RET dan ROA berdampak pada pengukuran DEA, efisiensi yang diukur dengan
DEA memiliki batasan. Misalnya, seorang manajer perusahaan besar dengan kemampuan rendah dapat meyakinkan
kontraktor pada posisi yang lebih baik dibandingkan dengan manajer berkemampuan tinggi di perusahaan kecil. Dengan
demikian, faktor spesifik perusahaan yang terkait dengan kemampuan manajer harus dihilangkan dari ukuran efisiensi
total perusahaan menggunakan regresi tobit. Akhirnya, setelah menghilangkan faktor-faktor spesifik perusahaan, yang
bisa positif atau negatif, dari efisiensi total perusahaan, kemampuan manajer didefinisikan sebagai bagian yang tidak
dapat dijelaskan dari efisiensi total perusahaan, termasuk efek tetap tahun untuk mendapatkan residu.
(3)
FIRMEFFICIENCYt = 0 + 1 Ukurant+ 2MSt+ 3 FCFt+ 4 USIAt+ tYEARt+
Dimana: FIRMEFFICIENCY = efisiensi perusahaan yang diukur dengan DEA; SIZE = log alami dari total
aset; MS = pendapatan perusahaan/total pendapatan industri; FCF = 1 jika arus kas bebas (laba bersih
sebelum penyusutan – perubahan modal operasional – belanja modal) > 0, jika tidak 0 ;). Arus kas bebas
merupakan hasil dari total arus kas dari aktivitas operasi dan investasi (Francis, et al 2011). Menerapkan
Standar Akuntansi No. 2 Iran dengan definisi ini; arus kas dari empat kategori termasuk, aktivitas
operasi, hasil investasi, hutang bunga untuk pembiayaan dan penghasilan kena pajak dan investasi
(berasal dari laporan arus kas) telah lebih ketat. Kemudian, dividen yang dibayarkan kepada pemegang
saham ditambahkan karena menurut Pernyataan Standar Akuntansi Keuangan No. 95 Iran, dividen yang
dibayarkan kepada pemegang saham termasuk dalam kelas aktivitas pendanaan. AGE = natural log of
(jumlah tahun perusahaan telah terdaftar + 1); adalah residual dari model yang dihitung sebagai
kemampuan manajerial.
Perataan pendapatan
Manajer untuk menunjukkan citra perusahaan yang menguntungkan dan mengurangi risiko investasi memiliki
insentif yang kuat untuk melakukan perataan laba (Norwas et al., 2005). Investor percaya bahwa pendapatan yang
stabil, berbeda dengan pendapatan yang berfluktuasi, menjamin pembayaran dividen yang lebih tinggi. Fluktuasi
pendapatan juga dianggap sebagai ukuran penting dari risiko perusahaan secara keseluruhan, dan perusahaan
dengan pendapatan yang lebih lancar memiliki risiko yang lebih rendah. Oleh karena itu, investor tertarik pada
perusahaan yang memiliki keuntungan lebih lancar, menurut mereka, perusahaan semacam ini lebih cocok untuk
tempat investasi.
Untuk menghitung pendapatan perusahaan yang lebih smooth atau non-smoother, digunakan metode
koefisien variasi Eckel yang dikembangkan oleh Imhoff (1981). Dalam metode ini, koefisien variasi digunakan
untuk mengukur variabilitas penjualan dan pendapatan. Jika hasil persamaan lebih besar dari satu berarti
perusahaan tidak mulus dan jika lebih kecil dari satu berarti perusahaan lebih mulus.
(4)
CY = CV∆I CV∆S
Dimana: CY = Indeks Eckel.CV∆I=tingkat pertumbuhan keuntungan; standar deviasi laba bersih periode
berjalan dan periode sebelumnya dibagi rata-rata laba bersih periode berjalan dan periode sebelumnya.CV
∆S=tingkat pertumbuhan penjualan; deviasi standar penjualan periode sekarang dan sebelumnya dibagi
dengan rata-rata penjualan periode sekarang dan sebelumnya.
Kualitas penghasilan
Laba akuntansi dapat dimanipulasi oleh manajemen dan berbeda dengan laba riil, oleh karena itu,
tidak selalu dapat menjadi ukuran yang baik untuk keputusan investor. Oleh karena itu, konsep kualitas
laba dimunculkan untuk meningkatkan pengambilan keputusan, peneliti dan analis keuangan dalam
penilaiannya terhadap kinerja perusahaan tidak hanya berfokus pada kuantitas laba tetapi juga
berfokus pada kualitas laba (Mansourfar et al., 2014).
Dari sudut pandang investor, kualitas laba yang buruk tidak menyenangkan dan tidak efisien karena
mengurangi pertumbuhan ekonomi melalui alokasi modal yang tidak optimal. Jika publik tidak yakin
tentang proses pelaporan keuangan atau informasi keuangan yang dipublikasikan, kami menghentikan
investasi, yang mencegah perluasan pasar modal dan pertumbuhan ekonomi. Oleh karena itu, kualitas laba
membuat investor lebih antusias untuk berinvestasi (Bertrand dan Schoar, 2003).
Untuk mengetahui kualitas laba yang merupakan variabel bebas lainnya dalam penelitian ini, digunakan indeks
Beaver (2002). Ini menunjukkan bahwa jika perusahaan memiliki laba per saham positif dan arus kas operasinya
positif dan juga rasio laba per saham terhadap arus kas operasi per saham lebih dari nilai rata-rata rasio ini
dibandingkan dengan total sampel, ini berarti perusahaan dengan penghasilan berkualitas tinggi, jika tidak, itu
akan menjadi perusahaan berpenghasilan rendah. Karena itu,

perusahaan yang memiliki ketiga karakteristik di atas dianggap sebagai perusahaan dengan pendapatan berkualitas tinggi
dan 1 adalah proksinya. Selain itu perusahaan yang tidak memiliki setidaknya salah satu dari ketiga karakteristik tersebut
dianggap sebagai perusahaan berpenghasilan rendah dan 0 adalah proksinya..
Pemodelan
Setelah menghitung variabel bebas dari persamaan di atas, kami menyusun model berikut untuk
menguji hipotesis kami:
(5)
penghindaran pajakt=0+1MAt+2ROAt+3LEVt+4TIDAKt+5APDt+6INTANt+7Ukurant
+8MTBt+9USIAt+β10harga hariant+11MAt× Menghaluskant+12MAt× Kualitast
+13MAt× Bazart+14MAt× Gambart+15MAt× Industrit+tTAHUNt+
Penghindaran pajak = penghindaran pajak1. MA = kemampuan manajerial2. ROA= operasi keuangan
(pendapatan operasional dibagi total aset). LEV= leverage keuangan (rasio utang terhadap aset). NOL:
variabel indikator (1 jika rugi ditahan perusahaan kurang dari nol dan 0 sebaliknya). PPE= aset tetap
dibagi total aset. INTAN= aset tak berwujud dibagi total aset. Ukuran= Logaritma natural dari total
pendapatan Penjualan. AGE= Logaritma natural dari jumlah tahun perusahaan diterima di pasar bursa
ditambah satu. MTB: Nilai pasar dibagi dengan total ekuitas. Gambar: Jenis logo perusahaan di pasar
modal (menetapkan satu untuk papan utama, nomor dua untuk meja informal, nomor tiga untuk sub-
tabel, nomor empat untuk daftar awal dan nomor lima untuk kondisional list) Smoothing= income
smoothing firm index3. Kualitas = kualitas penghasilan4. Bazar= jenis pasar perusahaan (1 jika
perusahaan berada di pasar pertukaran dan 0 jika perusahaan berada di pasar OTC). Dayprice = nilai
harian perusahaan. Indus = indeks industri. tYEARt= indeks tahun.
3.4. Statistik deskriptif
Statistik deskriptif disajikan pada Tabel (1)

Tabel 1.Statistik deskriptif
Variabel StdDev Q1 median berarti 3Q Maks
1
Dihitung dengan persamaan (2)
2
Dihitung dengan persamaan (3) dan (4)
3
Dihitung dengan persamaan (5)
4
Dihitung dengan indeks Beaver (2002)
Ukuran 5.27811 12.17900 13.18580 13.07223 13.98900 19.80892
ROA - 0.32112 0,07255 0,15594 0.13521 0.22154 0,67148
INTAN 0,00000 0,00000 0,00436 0,00069 0,00470 0.10233
LEV 0,05391 0,51192 0.63912 0,64335 0.77002 2.18444
APD 0,00000 0.11730 0.26446 0.22472 0.37310 0,88885
OCF - 1.02766 0,03477 0.12734 0.10692 0.19859 1.57674
MTB - 33.02412 0,98610 2.54220 1.95914 3.61070 56.16845
pertumbuhan - 1.000.000 0,02335 0.22340 0.17686 0,36183 4.74857
USIA 0,00000 2.07900 2.42193 2.48491 2.89000 3.87120
penghindaran pajak - 0,43828 - 0,04467 0,00000 - 0,00380 0,03567 0,70966
harga harian 0,00459 0.16913 3.96173 0.45230 1.33616 87.64000

MA - 0.32309 - 0,03450 0,00000 - 0,00157 0,03100 0,49864
Menurut landasan teoritis statistik, salah satu asumsi klasik model regresi adalah normalitas
distribusi statistik variabel, oleh karena itu, ketika ukuran sampel cukup besar dan asumsi klasik
lainnya benar-benar ditetapkan, penyimpangan dari normalitas biasanya sepele. dan
konsekuensinya dapat diabaikan. Dalam hal ini, menurut teorema limit pusat, bahkan jika residual
tidak normal, statistik asimtotik mengikuti distribusi yang sesuai, oleh karena itu, mereka tidak bias
dan sangat efisien. Akibatnya, dalam kasus sejumlah besar data, dimungkinkan untuk
mengabaikan beberapa faktor ketidaknormalan di antaranya termasuk kemiringan ke kiri atau ke
kanan dan menganggap bahwa data tersebut normal.

3.5. Korelasi Spearman dan Pearson
Koefisien di bawah (di atas) diagonal adalah korelasi Pearson (spearman). Koefisien dalam huruf tebal sebuah tingkat.
Koefisien lainnya tidak signifikan pada tingkat 0,05. Sampel didasarkan pada tahun 2004 melalui pengamatan 2 tahun
perusahaan dari industri non-keuangan dan non-utilitas.
Ukuran penghindaran pajak berkorelasi positif dengan penghindaran pajak dalam korelasi Pearson dan Spearman tetapi
mereka. Selain itu, penghindaran pajak berkorelasi positif dengan kemampuan manajerial dan dalam Pearson dan
Spearman c menunjukkan bahwa perusahaan dengan penghindaran pajak yang tinggi mengalami tingkat kinerja keuangan
yang lebih tinggi. Korelasi perataan laba positif pada korelasi Pearson dan Spearman signifikan, juga penghindaran pajak
berkorelasi negatif dengan signifikan pada korelasi Spearman tetapi pada korelasi Pearson
4.hasil empiris
4.1. Metode pertama yang digunakan untuk menguji hipotesis (Model regresi klasik)
Hasil pemilihan model regresi untuk penelitian ini disajikan pada Tabel 2. Untuk itu
dilakukan uji Chow untuk menguji dan memilih antara model fixed effect dan model
kuadrat terkecil biasa. Karena nilai p lebih kecil dari tingkat 0,05, maka hipotesis nol
ditolak dan model efek tetap dipilih. Juga menurut uji Chow nilai p dari model fixed effect
dan model kuadrat terkecil biasa dengan memperhitungkan pengaruh faktor waktu lebih
besar dari tingkat 0,05, sehingga hipotesis nol tidak ditolak dan model efek tetap
termasuk efek waktu dipilih . Selanjutnya, dengan menggunakan uji ALC, kami memilih
antara efek tetap dan tetap termasuk model efek waktu. Hasil penelitian menunjukkan
bahwa p-value lebih besar dari tingkat 0,05 dan hipotesis nol tidak ditolak pada
penerimaan tetap termasuk efek waktu, oleh karena itu,
Tabel 3.Seleksi tes regresi

Tes Jumlah statistik Kemungkinan H0Hipotesa hasil
F (Limer) 0.88545 0,79890 Prioritas Ols Prioritas Ols
F (Limer) 0,74471 0,97440 Prioritas Ols (IET1) Prioritas Ols (IET2)
ALC - 1789.85100 1795.514 Prioritas Ols Prioritas Ols
Tidak adanya serial Kehadiran serial

Durbin-Watson 1.75120 0,00010
korelasi korelasi (GRF)3
Dickey - Fuller - 9.20380 0,01000 Tidak tahan lama tahan lama
After selecting the appropriate model to test the model of this study, the Dickey-Fuller test is applied
to test the durability of residuals. According to the result, the p-value is less than 0.05, therefore the
null hypothesis is rejected and suggests that the residuals are durable. Durbin-Watson test is used to
examine the correlation between the errors of the model. The result
1Termasuk Efek Waktu

2Termasuk Efek Waktu
3Efek acak umum
menunjukkan bahwa ada korelasi serial antara kesalahan, sehingga model efek tetap umum diterapkan
untuk memperbaiki masalah ini. Terlihat bahwa hasil asumsi klasik lainnya menunjukkan bahwa model
yang dipilih layak untuk menguji hipotesis kami. Berdasarkan hasil di atas, model Generalized Ordinary
Least Squares digunakan untuk menguji persamaan model utama (5).
Hasil persamaan (5) dirangkum dalam Tabel 4
Tabel 4.Hasil regresi

Variabel koefisien simpangan baku t-statistik nilai-p
(Mencegat) 0,01243 0,03160 0,39333 0,69420
MA 2.65407 0.72081 3.68206 0,00020*
ROA 0.13552 0,02489 5.44548 0,00000*
LEV 0,00919 0,01679 0,54749 0,58420
TIDAK 0,00732 0,00958 0,76475 0.44470

APD - 0,01228 0,01571 - 0,78178 0,43460
INTAN - 0,06801 0.27026 - 0,25164 0.80140
Ukuran - 0,00225 0,00220 - 1.02073 0.30770
MTB 0,00013 0,00031 0,41549 0.67790
USIA - 0,00482 0,00436 - 1.10588 0.26910
harga harian 0,00032 0,00019 1.66231 0,09690
MA:faktor(menghaluskan)1 0,12856 0,07595 1.69259 0,09100
MA:faktor(kualitas)1 0,06885 0,07997 0.86094 0,38950
MA:faktor(bazar)1 - 2.84566 0,71372 - 3.98710 0,00010*
MA:faktor(gambar)3 0.19911 0.13739 1.44925 0.14770
MA:faktor(gambar)4 0.12035 0.10955 1.09862 0,27230
MA:faktor(gambar)5 - 2.44940 0,67500 - 3.62874 0,00030*
MA:faktor(indus)2 0.33227 0.20797 1.59769 0.11050
MA:faktor(indus)3 - 0,18237 0.13626 - 1.33844 0.18120
MA:faktor(indus)4 0.16156 0.10787 1.49775 0.13460
MA:faktor(indus)5 0,01634 0,12590 0,12975 0.89680
* menunjukkan signifikansi pada tingkat 1%
Hasil regresi Model (5) disajikan pada Tabel 4. Kolom (1) menyajikan hasil regresi untuk model yang
mencakup semua variabel. Koefisien dan P-value MA adalah 265407 dan 0,0002, yang menyiratkan
bahwa ada hubungan yang signifikan antara penghindaran pajak dan kemampuan manajerial, oleh
karena itu, harapan kami yang menyiratkan hubungan negatif antara variabel-variabel ini tidak
terpenuhi. Selanjutnya berdasarkan koefisien dan p-value uji hipotesis kedua yang bernilai positif dan
kurang dari 0,05 menunjukkan hubungan yang positif, maka ketujuh hipotesis yang menunjukkan
hubungan negatif antara operasi keuangan dan penghindaran pajak adalah

ditolak. Berdasarkan hasil hipotesis ketiga dan keempat serta nilai P-nya yang lebih besar dari 0,05 maka
hipotesis tersebut ditolak dan disimpulkan bahwa perataan laba dan kualitas laba tidak berpengaruh terhadap
hubungan antara kemampuan manajerial dengan nilai perusahaan. Hasil hipotesis kelima menunjukkan nilai
P lebih kecil dari tingkat 0,05, oleh karena itu hipotesis ini tidak ditolak dan menunjukkan bahwa jenis pasar
berpengaruh terhadap hubungan antara kemampuan manajerial dan penghindaran pajak. Akhirnya, koefisien
pada jenis gambaran bazaar dan jenis industri tidak signifikan secara statistik pada tingkat 0,05 dan
menyiratkan tidak ada pengaruh pada hubungan antara kemampuan manajerial dan penghindaran pajak.
Oleh karena itu hipotesis ketujuh dan keenam ditolak. Tes perubahan struktural
Lucas (1976) menemukan bahwa setiap perubahan rezim politik dapat menyebabkan pemutusan
struktural dalam dinamika inflasi. Analisis politik pun tidak menganggap kerugian tersebut tidak akan
praktis. Pada bagian ini menurut kritik Lucas yang menunjukkan ketidakandalan estimasi parameter
dan umumnya hasil analisis regresi karena kurangnya pertimbangan faktor politik dan variabel
makroekonomi dalam persamaan regresi klasik, stabilisasi parameter model telah diuji, di sisi lain kata,
perubahan struktural (perubahan parameter model) diperiksa. Karena fakta bahwa tes ini terutama
untuk data deret waktu dan semua tes terkait direncanakan dan diprogram sesuai dengan struktur data
ini, untuk menjalankan tes ini dalam studi data panel kami, kami menggunakan data rata-rata dalam
sampel.
Dalam metode ini, pertama, grafik perubahan variabel dependen diplot dengan mempertimbangkan faktor
waktu. Seperti yang diamati pada Gambar 1, tahun 2013 diakui sebagai akhir dari tren naik dalam variabel
dependen studi dan tren turun di tahun berikutnya dianggap sebagai tahun di mana perubahan parameter
telah terjadi. Di antara faktor-faktor ekonomi dan sosial yang benar-benar terjadi pada tahun 2013, kita dapat
menyebutkan RUU termasuk beberapa modifikasi nilai mata uang negara dari referensi ke pertukaran atau
dengan kata lain, penghapusan mata uang referensi dan penggantian nilai tukar ganda di Iran , yang
menghasilkan keuntungan yang tidak biasa bagi perusahaan ekspor. Akibatnya, ini menyebabkan
meningkatnya jumlah pelanggan atau amatir atau spekulan yang terburu-buru ke pasar valuta. Hal ini
menyebabkan gelembung harga dan nilai yang melonjak secara tidak wajar. Tahun 2012, menurut beberapa
faktor politik dan psikologis lain yang berada di luar kebutuhan penelitian ini, kami mengamati tren
penurunan nilai di mana kami belum mencapai tingkat kenaikan harga tahun 2013 hingga saat kami
melakukan penelitian ini. Selain itu, kita dapat merujuk pada beberapa faktor politik lainnya seperti pemilihan
presiden tahun 2013.

Dengan mempertimbangkan fakta bahwa kepresidenan mengambil langkah baru setelah 9 tahun dan
perubahan makro-politik dan ekonomi hasil dari itu, cukup untuk memilih 2013 sebagai tahun "perubahan"
perubahan dan menetapkannya sebagai basis struktural tes ganti.
Gambar 1.Variabel terikat berubah dari waktu ke waktu (tahun)

Pada uji stabilitas parameter (Grafik 1) dipilih estimasi titik perubahan, setelah estimasi titik perubahan
untuk tahun "2013" dalam model. Secara umum, hasil menunjukkan bahwa parameter ketidakstabilan
selama 12 tahun penelitian, dalam periode tiga kali termasuk 12 tahun penuh, sub periode pertama
yang dimulai dari 2004 hingga 2012 dan sub periode kedua yang dimulai dari 2013 hingga 2015 diuji dan
nilai RSS, RSS2, dan RSS3 dihitung. Hasil uji Chaw dalam bentuk Tabel.4 untuk setiap model ganda
penelitian dihitung.
Tabel 5. Rangkuman Uji Stabilitas Parameter Dalam Model
Judul nilai F Nelayan Hipotesis H0 hasil
Stabilitas parameter selama Ketidakstabilan parameter dan efek signifikan

Model 29.75147 2.06987 studi periode dari perkiraan titik perubahan
Seperti yang diamati pada Tabel 5, uji stabilitas parameter untuk deteksi estimasi titik perubahan
signifikan untuk tahun "2013" dalam model. Secara umum, hasilnya menunjukkan ketidakstabilan
parameter selama 12 tahun dari 130 perusahaan bursa dan OTC studi “2004-2015”. Menurut hasil kami,
perubahan ekonomi, politik, dan pemerintahan dalam periode penyelidikan dan sampel kami
memengaruhi angka akuntansi. Hipotesis pada pra-perubahan dan pasca-perubahan serta seluruh
periode diuji dan disajikan pada Tabel 6.
Tabel 6. Kompresi hasil ringkasan model pertama dalam tiga periode (metode regresi klasik)
Periode pertama 2004-2012 Periode kedua 2013-2015 Total periode 2004-2015
Hipotesa
arah hasil arah hasil arah hasil
H1 Pos Ditolak Pos Ditolak Pos Ditolak
H2 Pos Ditolak Pos Ditolak Pos Ditolak
H3 Pos Ditolak Pos *Tidak ditolak Pos Ditolak

H4 Pos Ditolak Neg Ditolak Pos Ditolak
H5 Neg *Tidak ditolak Neg *Tidak ditolak Neg *Tidak ditolak

Seperti disajikan pada Tabel 6, hipotesis pertama dan kedua yang menyiratkan hubungan negatif antara
penghindaran pajak dan kemampuan manajerial serta penghindaran pajak dan operasi keuangan ditolak
dalam tiga periode. Hipotesis ketiga yang menunjukkan pengaruh perataan laba yang signifikan terhadap
hubungan penghindaran pajak dan nilai perusahaan ditolak pada periode pertama dan total tetapi tidak
ditolak pada periode kedua (pasca perubahan). Hipotesis keempat ditolak di ketiga periode dan menunjukkan
bahwa kualitas laba tidak berpengaruh pada hubungan antara penghindaran pajak dan kemampuan
manajerial. Hipotesis kelima tidak ditolak di ketiga periode yang menunjukkan bahwa jenis pasar (pasar bursa
atau OTC) memiliki pengaruh yang signifikan terhadap hubungan antara penghindaran pajak dan
kemampuan manajerial. Akhirnya, hipotesis keenam dan ketujuh yang menunjukkan pengaruh signifikan jenis
perusahaan panel dan industri di pasar terhadap hubungan antara penghindaran pajak dan kemampuan
manajerial ditolak dalam tiga periode. Secara umum didokumentasikan bahwa hasil pengujian pada periode
pertama sama dengan keseluruhan periode, sehingga hasil hipotesis kedelapan pada periode kedua (pasca
perubahan) berbeda dengan periode lainnya.
4.2. Metode kedua yang digunakan untuk menguji hipotesis (Model bertingkat efek campuran)
Dalam tes respon campuran tiga tingkat, dinyatakan bahwa tingkat pertama berisi variabel penduga
studi yang dikenal sebagai tingkat populasi dan tingkat kedua dan ketiga diakui sebagai tingkat
kelompok. Jadi, tingkat kedua adalah industri dan yang ketiga adalah tahun perusahaan. Hasil ringkasan
disajikan pada Tabel 7.
Tabel 7.Hasil multilevel respons campuran
variabel Koefisien simpangan baku t-statistik nilai-p

(Mencegat) 0,01243 0,03160 0,39333 0,69420
MA 2.65405 0,72080 3.68207 0,00030*
ROA 0.13553 0,02489 5.44567 0,00000*
LEV 0,00920 0,01679 0,54759 0,58420

TIDAK 0,00732 0,00958 0,76466 0,44480
APD - 0,01228 0,01571 - 0,78180 0,43460
INTAN - 0,06799 0.27027 - 0,25156 0,80150
Ukuran
- 0,00225 0,00220 - 1.02076 0.30780
MTB 0,00013 0,00031 0.41552 0.67790
USIA - 0,00482 0,00436 - 1.10588 0.26920
harga harian 0,00032 0,00019 1.66229 0,09700
MA:faktor(menghaluskan)1 0.12855 0,07595 1.69251 0,09100
MA:faktor(kualitas)1 0,06886 0,07997 0,86100 0.38960
MA:faktor(bazar)1 - 2.84565 0,71371 - 3.98712 0,00010*
MA:faktor(gambar)3 0.19911 0.13739 1.44924 0.14780
MA:faktor(gambar)4 0.12035 0.10955 1.09860 0.27240
MA:faktor(gambar)5 - 2.44939 0,67499 - 3.62877 0,00030*
MA:faktor(indus)2 0.33227 0.20797 1.59770 0.11060
MA:faktor(indus)3 - 0,18236 0.13626 - 1.33835 0.18130
MA:faktor(indus)4 0.16156 0.10787 1.49775 0.13470
MA:faktor(indus)5 0,01633 0,12590 0,12975 0.89680
Dalam penelitian ini, hipotesis kuintuple diuji dengan persamaan 5. Berdasarkan hasil multilevel mixed
response meskipun p-value kurang dari 0,05, kami memperoleh hipotesis pertama ditolak yang menyiratkan
adanya hubungan positif signifikan antara kemampuan manajerial dan pajak penghindaran. Hasilnya
menunjukkan hubungan positif antara variabel-variabel tersebut di bagian pertama

hipotesa. Selanjutnya, p-value kurang dari 0,05 tingkat hipotesis kedua dan koefisien
positif menunjukkan hubungan positif, sehingga hipotesis kedua yang menyiratkan
hubungan negatif antara operasi keuangan dan penghindaran pajak ditolak.
Berdasarkan hasil (p-value lebih dari 0,05) tentang hipotesis ketiga dan keempat, kita
dapat menyimpulkan bahwa perataan laba dan kualitas laba tidak berpengaruh
terhadap hubungan antara kemampuan manajerial dan nilai perusahaan, oleh karena
itu hipotesis ini ditolak. Berdasarkan hasil tersebut, hipotesis kelima tidak ditolak dan
menunjukkan bahwa jenis pasar berpengaruh terhadap hubungan antara
kemampuan manajerial dan penghindaran pajak. Akhirnya,
4.3. Metode ketiga yang digunakan untuk menguji hipotesis (model bertingkat Bayesian)
Dalam uji Bayesian tiga tingkat, dinyatakan bahwa tingkat pertama berisi variabel penduga studi yang
menunjukkan tingkat populasi dan tingkat kedua dan ketiga diakui sebagai tingkat kelompok. Jadi, tingkat
kedua adalah industri dan yang ketiga adalah tahun perusahaan. Pada bagian ini, model penelitian ditelaah
dengan menggunakan perhitungan numerik berulang empat kontinum yang masing-masing berisi 1000
transaksi penghitungan dan 1000 transaksi di setiap level; persiapan, promosi, pengembangan, dan koreksi
sampel estimator. Akhirnya, ini mengarah pada perhitungan 4000 pengulangan numerik untuk mencapai
konvergensi dan perkiraan sampel yang terakhir. Kemungkinan untuk menghitung volume transaksi dan
nomor berulang ini tampaknya tidak masuk akal untuk mencapai perkiraan yang masuk akal atau kovarians
yang benar untuk penyelidikan yang menggunakan metode pengambilan sampel Gypsum dan Metropolis-
Hastings, terutama untuk model bertingkat. Jadi, dalam penelitian ini, kami menguji hipotesis kami dengan
menggunakan algoritma pengambilan sampel NUTS yang berjalan dalam paket default STAN dan dengan
paket statistik BRMS dalam perangkat lunak R, yang dapat menghitung model kompleks dengan jumlah
pengulangan (transaksi) kurang dari seribu. Meskipun transaksi yang diterapkan dan ulangan angka dari
penelitian ini memiliki perhitungan yang berat dan memakan waktu, sampel (sampel volume efektif dalam
setiap transaksi) memiliki kualitas yang lebih tinggi daripada algoritma lain untuk mencapai konvergensi.
Setelah perhitungan distribusi terakhir, seluruh perhitungan model diterapkan oleh paket STAN dalam
perangkat lunak R. Hasilnya disajikan pada tabel 8 dengan menerapkan korelasi bertingkat Bayesian.
Tabel 8.Hasil bertingkat Bayesian

variabel Standar deviasi koefisien l-95% CI u-95% CI nilai p
Mencegat 0,01000 0,03000 - 0,05000 0,07000 0,73888
MA 2.44000 0,71000 1.03000 3.83000 0,00059*
ROA 0.14000 0,03000 0,09.000 0,19000 0,00000*
LEV 0,01000 0,02000 - 0,03000 0,04000 0.61708
TIDAK 0,01000 0,01000 - 0,01000 0,03000 0.31731
APD - 0,01000 0,02000 - 0,04000 0,02000 0.61708
INTAN - 0,07000 0.28000 - 0,62000 0,49000 0.80259
Ukuran - 0,00200 0,00220 - 0,00630 0,00220 0.36330
MTB 0,00020 0,00030 - 0,00050 0,00080 0,50499
USIA - 0,00540 0,00500 - 0,01530 0,00420 0.28014
harga harian 0,00030 0,00020 - 0,00010 0,00070 0.13361
MA:factorsmothing1 0.15000 0,08000 - 0,01000 0.30000 0,06079
MA:kualitas faktor1 0,06000 0,08000 - 0.10000 0.23000 0,45325
MA:factorbazar1 - 2,64000 0,70000 - 4.03000 - 1.28000 0,00016*
MA:gambar faktor3 0.22000 0.14000 - 0,06000 0,50000 0.11608
MA:gambar faktor4 0.11000 0.11000 - 0,11000 0,34000 0.31731

MA:gambar faktor5 - 2.25000 0,66000 - 3.56000 - 0.98000 0,00065*
MA: factorindus2 0,36000 0.21000 - 0,05000 0,77000 0,08648
MA: factorindus3 - 0,16000 0,13000 - 0,42000 0.10000 0.21841
MA:factorindus4 0.18000 0.11000 - 0,03000 0.39000 0.10176
MA: factorindus5 0,02000 0,13000 - 0.24000 0.27000 0.87773
Dalam model ini, tingkat pertama berisi variabel penduga penelitian yang dikenal sebagai tingkat populasi dan
tingkat kedua dan ketiga dikenal sebagai tingkat kelompok. Oleh karena itu, tingkat kedua adalah industri dan
yang ketiga adalah tahun perusahaan. Model kedua dihitung dengan 4000 angka berulang untuk
mendapatkan konvergensi dan Estimasi Sampler yang terlambat. Model ini diperiksa dengan menerapkan
algoritma estimator NUTS. Berdasarkan penjelasan di atas, hasil pengujian hipotesis dengan menggunakan
model Bayesian multilevel, sama seperti bagian sebelumnya, meskipun p-value kurang dari 0,05,
menunjukkan bahwa hipotesis pertama ditolak yang berarti ada hubungan signifikan positif antara
kemampuan manajerial dan penghindaran pajak. Hasil penelitian menunjukkan adanya hubungan yang positif
antara variabel-variabel tersebut pada hipotesis pertama. Lebih-lebih lagi, nilai p-nilai kurang dari 0,05 tingkat
hipotesis kedua dan koefisien positif menunjukkan hubungan positif, sehingga hipotesis kedua yang
menyiratkan hubungan negatif antara operasi keuangan dan penghindaran pajak ditolak. Berdasarkan hasil
(p-value lebih dari 0,05) tentang hipotesis ketiga dan keempat dapat disimpulkan bahwa perataan laba dan
kualitas laba tidak berpengaruh terhadap hubungan antara kemampuan manajerial dan nilai perusahaan,
oleh karena itu,

these hypotheses are rejected. According to the results, the fifth hypothesis is not rejected and suggest
that type of market has an effect on the association between managerial ability and tax avoidance.
Finally, the sixth and seventh hypothesis which suggest the significant effect of panel and industry types
of firms in the market on the association of tax avoidance and managerial ability are rejected.
5. The comparison of three statistical methods results
The results of three statistical methods including likelihood regression, mixed response
multilevel and Bayesian multilevel are stated in Table 9.

Table 9. the comparison of three methods
classical regression models mixed response multilevel Bayesian multilevel models

hypothesis
direction results direction results direction results
H1 Pos Rejected Pos Rejected Pos Rejected
H5 Neg * Not rejected Neg * Not rejected Neg * Not rejected
* denote significance at the 1% level
Table 9 reports the comparison of three statistical methods for five hypotheses, according to the results
of this study, the first hypothesis which suggests a negative association between managerial ability and
tax avoidance is rejected in all three methods. The second hypothesis which suggests a negative
association between financial operation and tax avoidance is rejected in all three methods, the results
of the third and fourth hypotheses which imply to the effect of income smoothing and earning quality
on the relationship between tax avoidance and firm value are rejected, too. Regarding the fifth
hypotheses results about the effect of market types (exchange and OTC markets) on the relationship
between managerial ability and tax avoidance, we obtain that they both are statistically associated in all
three methods. Finally, the sixth and seventh hypothesis which suggest the significant effect of panel
and industry types of firms in the market on the association of tax avoidance and managerial ability are
rejected in all three

methods. As a conclusion, it is recommended the empirical results of Bayesian multilevel models are
similar to classic regression and multilevel mixed response results. In addition, the results of the three-
level Bayesian and multilevel mixed response methods besides their benefits mentioned in the third
quarter, which indicate their more credibility than classic models, are similar to classical regression
methods.
6. Conclusion
The results of the first hypothesis of our research, by using all three statistical methods, suggest that
first hypothesis is rejected. In this regard, the results of testing this hypothesis by using all three
methods indicate that the negative relationship between managerial ability and tax avoidance which is
consistent with the agency theory that is not statistically significant. The result of this study is
inconsistent with prior studies, namely Francis et al. (2006), Leverty and Grace (2009), Bamber et al.
(2010), Damirjan et al. (2012), Hajiha and Ghilavi (2013), and Park et al (2015). In this regard, it must be
noted that the result of this research is consistent with the results of previous research on a similar
subject using the date of Tehran Stock Market; Mansourfar et al. (2014), Bozorg Asil and Saleh Zade
(2013).
The results of the second hypothesis are rejected according to the three statistical methods. The results
of this hypothesis test, using all three methods of statistical analysis, show a positive relationship
between financial performance and tax avoidance but this positive relationship is not confirmed. The
results of this study are inconsistent with the investigations by Francis et al. (2006), Leverty and Grace
(2009), Bamber et al. (2010), Damirian et al. (2012), Hajiha and Ghilavi (2013), and Park et al (2015). In this
regard, the results of this research are consistent with cross-border studies of previous research on
similar titles using the information of the Tehran Stock Exchange, Mansourfar et al. (2014), Bozorg Asil
and Saleh Zade (2003). Since in developing countries the relationships between individuals overcome
macro-governance rules, corporate managers are usually chosen by the state or large politicians based
on the relations they had or they are selected as directors or members of the board of directors through
the wealth and ownership rights derived from the number of their shares in companies, therefore, they
have no adequate financial and managerial experience or educational knowledge, in this regard, it has
been frequently observed in the board of directors' reports that members of director’s board have a
family and relative relationship with each other and the vast majority of them are educated in non-
relevant fields. Therefore, their performance is not desirable and similar to advanced
countries and this issue has been an objective case for Tehran Stock Exchange companies. Therefore, the
measurement of their ability by accounting variables and the company's operating status in cross-border
studies are not statistically significant. The result of the third hypothesis in this research also suggests
rejection of this hypothesis with all three methods. It should be noted that the results of the classical
regression analytic method and the mixed multilevel method state the negative effect of income
smoothing on the relationship between managerial ability and firm value, but this effect is positively
estimated by the Bayesian multilevel analysis method, according to the results of this research none of
these estimated effects is insignificant and confirmed. The results of this research are inconsistent with
the studies of Ansari et al. (2011) and Mehrani et al. (2014) and are consistent with Mashayekhi and
Panahi (2008). The results of the fourth hypothesis of the research also suggest a rejection of this
hypothesis with all three methods. In this regard, the positive effect of earning quality on the
relationship between the managerial ability and tax avoidance according to the three methods of
classical, Bayesian multilevel, and mixed-response multilevel regressions analysis are not significant and
confirmed. The result of this study is inconsistent with conducted research by Demerjian et al. (2013),
Park et al (2015), and Mehrani, et al. (2014), but is consistent with the research of Mansourfar et al. (2014)
and Khodayariganeh (2014). The results of the fifth hypothesis of the research according to all three
methods indicate that the hypothesis is not rejected. In this regard, we can state that the negative effect
of the type of firm's market on the relationship between management ability and tax evasion is
significant and confirmed according to all three methods of classical, multilevel, and multilevel Bayesian
regression. The result of this study is consistent with the research by Salehi et al. (2016), Behestani and
Khanluvi (2013). The sixth hypothesis suggests a significant effect of type of stock market panel on the
relationship between managerial ability and tax avoidance. The result of the sixth hypothesis of the
research, using all three methods is rejected. In this regard, it should be noted that the results of this
hypothesis test using all three methods of classical, multilevel, and multilevel Bayesian regression
analysis show the positive effect of stock market panel’s type on the relationship between managerial
ability and tax avoidance according to none of the three analytical methods is not significant and
confirmed. The result of the seventh hypothesis of the research also suggests the rejection of this
hypothesis using all three methods. Our result is inconsistent with the study of Lashgari and Sharif jadidi
(2010), Namazi and mohammadi (2006) and is consistent with the research of Asadi et al.
(2006).
7. Further conclusion
As the manner of template creation in order to examine the real world's behavior is important, the
model estimation method is also important to make comment for real-world and as a consequence for
the policy making. According to the discussed issues in this study, three statistical methods used to test
the hypotheses. According to the basic classical assumptions, classical regression models must preserve
the classical assumptions, in this regard, the Chaw and Hausman tests apply to select the best
regression model for fitting the research model. In this method, the structural change test (parameter
stability) is used to consider the effects of macroeconomic variables such as inflation, significant political
and economic changes, such as presidential changes (according to Lucas's critique).
In this research, consistent with the study of Jamali (2013), it is suggested that in multilevel models
instead of assuming coefficient fixed in one-level regression models, these coefficients considered in
changing condition. As a result, interactive effects between macro and micro level variables that are
widely found in economic and social studies are considered and the bias of estimating parameters
derived from cluster sampling is largely edited compared with to one-level models, in this way, the levels
of multilevel models are population, industry, and the
year. Assuming that the year is third level or group, and the industry is second level or group and the
variables are considered as the first level or population level.
for applying regression models, there are always necessary defaults that may not be available for all
observations, for example, the dependency of observations to each other or having nested structure will
require the use of multilevel models, it is also suggest that using multilevel models in the presence of
conditions and availability of sufficient information from studying variables will cause to accurate
investigation of studied phenomena and the estimation errors of parameters will be highly reduced and
testing the hypotheses of study will experience a higher degree of accuracy and even it establishes the
possibility of achieving newer and more precise results.

In this research, consistent with the results of Meshkani and Fakhari (2005) and also Karbasi et al.
(2009), classical modeling requires more assumptions about data capability for testing hypothesis,
for example, the inability of these models for confrontation with non-durable data, especially
mutated and deviated data, implies that some manipulations are required, for which more difficult
computation is still necessary, and deviated data must also be deleted or embedded. While as
stated in Bayesian modeling section, entering some concepts into data indexes and using the
Bayesian method to find out the subsequent distribution indexes at any time, in the condition of
having knowledge of previous periods information can deal with problems such as non-durability
and deviations, abnormal distribution, etc. In order to have better perceptions of three-level classic
models and Bayesian three-level models’ performance, they are compared in terms of accuracy of
the parameters estimations. It is observed that Bayesian models almost predict parameters with
double precision compared with classical models. Therefore, considering the ability of Bayesian
dynamic models to take into account all types of data disorders directly and its dynamic nature
which leads to much smaller standard deviation in parameters estimation, especially in shorter
periods and smaller samples its superiority to classic models is observed. In addition, given the
unique value in the classical method for each parameter of the sample, in the Bayesian method the
probability of subsequent distribution of parameters is extracted. In order to derive this
distribution, firstly the need to introduce a previous distribution for each parameter is met, and
secondly, the calculation of multiple integrals is required, which about 20 years ago was a major
problem in applying the Bayesian method to estimate the parameters of a regression model (Braun
and Rapsash, 2002). These days, the Marqueville Chain Monte Carlo (MCMC) simulation methods in
computer software solve the problem of computing multiple integrals in the Bayesian method. This
method involves several approaches, such as Ghips Sampler (GS) and Metropolis Hestingges
Sampler (MHS), which is presented by using sample data and previous distribution, it also presents
various estimations for parameters of investigation in sample space. By considering these
estimations, the subsequent distribution of parameters is obtained.
Altogether, the alpha error (type I) minimized and makes the results of testing research hypotheses
in the relatively small Tehran Stock Exchange more close to reality. The results of the three-level
Bayesian method, in addition to the advantages mentioned, indicate that it is more reliable than the
classical ones. Also, without diagnostic tests, the best model is employed for
fitting. Another advantage of Bayesian analysis is that given the fact that one of the basic
assumptions of classical analysis is the asymptotic proposition. In other words, only when the
sample size is very high, the estimated coefficients by these methods tend to the real values of the
society parameters, therefore, the accuracy of their estimates for low volume samples (like Tehran
stock exchange) is questionable. This problem has been largely solved by Bayesian estimates. In this
method, using the Monte Carlo method of Marco, complex relationships can be analyzed more
easily than the classical method. Since the research is carried out using the information of sample
companies from small Tehran Stock Exchange, which is only a small percentage of Iranian
companies, the reality of the Tehran Stock Exchange, according to previous researches has a poor
market efficiency.
According to the theoretical foundations of stock markets with poor Market efficiency, political,
psychological, and non-economic factors affect the accounting variables and firms value, which
leads to some insignificant relationships that observed in the world's advanced exchanges based on
theoretical foundations. It can also be noted that in this research, since the results of the three
methods of classical regressions model, mixed effects multilevel model, and Bayesian multilevel
model are similar and consistent, therefore, significant relationships between the variables of the
research are highly valuable and do not imply fake relationships.
8. Research limitations
In this section, by presenting the research limitations, we attempt to provide extra detail for readers
in order for the generalization of the research results which leads to a fairer trial of the research
process. In this case, the limitations of the present investigation are as follows:
1. According to the contents of this research and the lack of research background on similar topics
that are examined with mixed effects multilevel model and Bayesian multilevel model all the
comparisons made between the results of this research are carried out with similar research
applying just classical regression methods.
2- Due to the lack of observations in each industry, the industries that are close to each other in
terms of activity are merged and eventually summarized in six industries.

References
Aboody, D., Hughes, J., & Liu, J. (2005).Earnings quality, insider trading, and cost of capital.
Journal of Accounting Research, 43(5), 651-673.
Akbari, Farzana (2017). A study at the effect of managerial ability on tax avoidance and firm’s
value with smoothing and non-smoothing earnings firms. Master's thesis of Accounting.
Ferdowsi University of Mashhad.
Albrecht, W. D., & Richardson, F. M. (1990). Income smoothing by economy sector. Journal of
Business Finance & Accounting, 17(5), 713-730.
Amidu, M., & Yorke, S. M. (2017). Tax avoidance and earnings management of firms in Ghana: does
the funding strategy matter?. International Journal of Critical Accounting, 9(3), 238-264. Ansari,
Rahmani Yushanlooyi, Daniali Deh-Houz, & Mardani. (2011). Investigating the Effect of Financial
and Non-financial Measurement of Performance Assessment on Job Satisfaction from the View of
Employees of Companies Accepted in Securities Bonds. Quarterly journal of accounting and
auditing, 18 (63), 1-20.
Baik, B., Chae, J., Choi, S., & Farber, D. B. (2013). Changes in operational efficiency and firm
performance: a frontier analysis approach. Contemporary Accounting Research, 30(3), 996- 1026.
Bhattacharya, N., Desai, H., & Venkataraman, K. Does Earnings Quality Affect Information
Bolstad, W. M. (2004). Introduction to Bayesian statistics. John Wiley & Sons.
Bui, D. G., Chen, Y. S., Hasan, I., & Lin, C. Y. (2018). Can lenders discern managerial ability from
luck? Evidence from bank loan contracts. Journal of Banking & Finance, 87, 187-201.
Cen, L., Maydew, E. L., Zhang, L., & Zuo, L. (2017). Customer–supplier relationships and
corporate tax avoidance. Journal of Financial Economics, 123(2), 377-394.
Chen, Y., Podolski, E. J., & Veeraraghavan, M. (2015). Does managerial ability facilitate
corporate innovative success?. Journal of Empirical Finance.
Demerjian, P. R., Lev, B., Lewis, M. F., & McVay, S. E. (2012). Managerial ability and earnings
quality. The Accounting Review, 88(2), 463-498.
Demerjian, P., Lev, B., & McVay, S. (2013). Quantifying managerial ability: A new measure and
validity tests. Management Science, 58(7), 1229-1248.
Dianti Deylami, Z., Tayybi, and., & Vahid. (2011). The Effect of Organizational Culture on the
Profitability of Companies Accepted in Tehran Stock Exchange. Management Accounting, 4, 1- 12.

Fezarudin, F. Z., Tan, M. I. I., & Saeed, F. A. Q. (2017, August). Data Visualization for Human Capital
and Halal Training in Halal Industry Using Tableau Desktop. In Asian Simulation Conference (pp.
593-604). Springer, Singapore.
Francis, B. B., X. Sun, & Q. Wu. (2011). Managerial Ability and Tax Avoidance. Working
Paper.
Francis, J., Huang, A. H., Rajgopal, S., & Zang, A. Y. (2006). CEO reputation and earnings quality.
Contemporary Accounting Research, 25(1), 109-147.
Gholami fesharaki, M (2014). Bayesian multilevel analysis using the t distribution data skew and its
application in medicine, biostatistics doctoral dissertation. Tarbiat Modares University.
Guan, J. X., Li, O. Z., & Ma, J. (2018). Managerial Ability and the Shareholder Tax Sensitivity of
Dividends. Journal of Financial and Quantitative Analysis, 53(1), 1-30.
Hanlon, M., & Heitzman, S. (2010). A review of tax research. Journal of Accounting and
Economics, 50(2), 127-178.
Heck, H. R., Thomas, S. L., and Tabata, L. N. (2010). Multilevel and Longitudinal Modeling
with IBM SPSS, 1-20. Taylor and Francis Group, New York.
Hendershott, T., Li, D., Livdan, D., & Schürhoff, N. (2017). Relationship trading in OTC
markets.
Huang, X. S., & Sun, L. (2017). Managerial ability and real earnings management. Advances in
Accounting, 39, 91-104.

Imhoff, E. A. (1981). INCOME SMOOTHING-AN ANALYSIS OF CRITICAL ISSUES.
Quarterly Review of Economics and Business, 21(3), 23-42.
Jabarzadeh Kengrolui, S., & Khodayaryeganeh, S. (2009). Conservative Effect on Financial
Reporting on Profit Management. Management Accounting, 2, 25-36.
Jamali, ehsan (2013).Multilevel models in the humanities: Examined National Trial Candidates.
Quarterly Journal of Measuring and Educational Evaluation, 3(4), 9-35.
Kang, Jeongyeon, and Jong Kong Ko. (2014). Tax avoidance, firm value and corporate
governance. Korean accounting review, 39(1), 147-189.
Kass, R. E. and Raftery, A. E. (1995). Bayes factors. Journal of the American Statistical
Association, 773-795.
Khurana, I. K., Pereira, R., & Zhang, E. (2018). Is Real Earnings Smoothing Harmful? Evidence from
Firm‐Specific Stock Price Crash Risk. Contemporary Accounting Research, 35(1), 558- 587.
Leverty, J., & Grace, M. (2009). Dupes or incompetents? An examination of management’s
impact on property-liability insurer distress. Unpublished Working Paper. Georgia State
University.
Lucas, R. E. Jr. (1976) .Econometric Policy Evaluation: A Critique, in K.Brunner and A. H. Meltzer
(eds), The Phillips Curve and Labor Markets», Supplement to the Journal of Monetary Economics
Luo, X., Wang, H., Raithel, S., & Zheng, Q. (2015). Corporate social performance, analyst stock
recommendations, and firm future returns. Strategic Management Journal, 36(1), 123-136.
Malekzadeh & Soltani, Fereshteh (2015). Business intelligence systems and evolution of managers
in small and medium enterprises. Technology Growth, 11.
Mansourfar, G; Didar, H and Hosseinpoor, V (2014). The effect of managerial ability on earnings
quality. Eleventh National Conference of accounting in Iran, Ferdowsi University of Mashhad.
Meshkani, M., & Fakhari, AS. (2006). Comparison of the Effectiveness of Classic and Bayesian
Models in the Application of Models and Dynamics of the Bayesian Time Series. Journal of
Economic Research, 40 (4).

Michelson, S. E., Jordan-Wagner, J., & Wootton, C. W. (2000). The relationship between the
smoothing of reported income and risk-adjusted returns. Journal of Economics and Finance,
24(2), 141-159.
Park, J., KO, C. Y., Jung, H., & Lee, Y. S. (2015). Managerial ability and tax avoidance: evidence from
Korea. Asia-Pacific Journal of Accounting & Economics, (ahead-of-print), 1-29 Park, Seung Sik, Jee In
Jang, Gil Chea Jeung, and Sung Tae Bae. (2006). An Empirical Study on the Relationship between
Corporate Governance and Earnings Management. Accounting Information Review 24 (1), 213–241.
Pergola, L. (2016). Valuing culture: a mixed-methods approach to the comparative investigation of
the roles and importance of cultural resources in Edinburgh and Dundee (Doctoral dissertation,
University of St Andrews).
Phillips, J. D., Pincus, M., Rego, S. O., & Wan, H. (2004). Decomposing changes in deferred tax assets
and liabilities to isolate earnings management activities. Journal of the American Taxation
Association, 26(s-1), 43-66.
Rezaie, Reza. (2016). analysis of Bayesian Multilevel Models and its application in the social
sciences. Master's thesis of economic and social statistics. Ferdowsi University of Mashhad. San,
O., Theen, Y., & Heng, T. (2012). The reward strategy and performance measurement (evidence
from Malaysian insurance companies). International Journal of Business, Humanities and
Technology, 2(1), 211-223.
Tucker, J. W., & Zarowin, P. A. (2006). Does income smoothing improve earnings
informativeness? The Accounting Review, 81(1), 251-270.

Appendix: Algorithm in R language
In the following we transcribe the R code implemented to obtain the mutual information. Inputs can be
obtained by e-mail to the authors.
# # # # # Algorithm for information calculation
# # # # # The inputs are in the csv file “YAALI”
data8=read.csv("C:\\Users\\Admin\\Desktop\\YAALI.csv",header=T)
attach(data8)
summary(data8)
# # # # # Spearman and Pearson correlation test
farzana=cor(data5,use="complete.obs",method="pearson")
farzana1=cor(data5,use="complete.obs",method="spearman")
library(Hmisc)
rcorr(as.matrix(data1))
farzana3=rcorr(as.matrix(data8),type="pearson")
farzana4=rcorr(as.matrix(data8),type="spearman")
# # # # # First employed method to test hypothesis (Classical regression models)

ordinaryols=lm(Taxavoid~MA+ROA+LEV+NOL+PPE+INTAN+Size+MTB+AGE+dayprice+MA:factor(smothin g)
+MA:factor(quality)+MA:factor(bazar)+MA:factor(picture)+MA:factor(indus),data=data8)
summary(ordinaryols)
ordinaryols1=lm(Taxavoid~MA+ROA+LEV+NOL+PPE+INTAN+Size+MTB+AGE+dayprice+MA:factor(smothi ng)
+MA:factor(quality)+MA:factor(bazar)+MA:factor(picture)+MA:factor(indus)+factor(year),data=data8 )
summary(ordinaryols1)
library(plm)
fixed=plm(Taxavoid~MA+ROA+LEV+NOL+PPE+INTAN+Size+MTB+AGE+dayprice+MA:factor(smothing)+M
A:factor(quality)+MA:factor(bazar)+MA:factor(picture)+MA:factor(indus),data=data8,index=c
("code","year"),model="within")
summary(fixed)
random=plm(Taxavoid~MA+ROA+LEV+NOL+PPE+INTAN+Size+MTB+AGE+dayprice+MA:factor(smothing)
+ MA:factor(quality)+MA:factor(bazar)+MA:factor(picture)+MA:factor(indus),data=data8,index=c
("code","year"),model="random")
summary(random)
pool=plm(Taxavoid~MA+ROA+LEV+NOL+PPE+INTAN+Size+MTB+AGE+dayprice+MA:factor(smothing)+M
A:factor(quality)+MA:factor(bazar)+MA:factor(picture)+MA:factor(indus),data=data8,index=c
("code","year"),model="pooling")
summary(pool)
fixedglm=pglm(Taxavoid~MA+ROA+LEV+NOL+PPE+INTAN+Size+MTB+AGE+dayprice+MA:factor(smothin g)
+MA:factor(quality)+MA:factor(bazar)+MA:factor(picture)+MA:factor(indus),data=data8,index=c
("code","year"),model="within",family="gaussian")
summary(fixedglm)
pFtest(fixed,ordinaryols)
pFtest(fixed,ordinaryols1)
phtest(fixed,random)
pFtest(fixed,pool)
pbgtest(fixed)
plmtest(pool,type="bp",effect="time")
plmtest(pool,type="bp",effect="individual")
plmtest(pool,type="bp",effect="twoways")
residuals(ordinaryols,type="pearson")
ks.test(farzana, "pnorm", mean=1, sd=2)
library(lmtest)
dwtest(ordinaryols)
library(tseries)
adf.test(farzana)
library(nlme)
glmmm=gls(Taxavoid~MA+ROA+LEV+NOL+PPE+INTAN+Size+MTB+AGE+dayprice+MA:factor(smothing)+
MA:factor(quality)+MA:factor(bazar)+MA:factor(picture)+MA:factor(indus),data=data9)
summary(glmmm)
# # # # # Structural change test
library(gplots)
plotmeans(Taxavoid ~ year, main="Heterogeineity across years", data=data8)
RSS=sum(lm1$residuals^2)
RSS1=sum(lm1$residuals 2̂)
RSS2=sum(lm1$residuals 2̂)
RSS3=sum(glmmm3$residuals^2)
F=((rss-(rss1+rss3))/(rss1+rss3))/((688-2*17)/17)
qf(0.95,( 688-2*17), 17)
# # # # # Second employed method to test hypothesis (Mixed effects multilevel models)
library(nlme)
treelevel3=lme(Taxavoid~MA+ROA+LEV+NOL+PPE+INTAN+Size+MTB+AGE+dayprice+MA:factor(smothin g)
+MA:factor(quality)+MA:factor(bazar)+MA:factor(picture)+MA:factor(indus), random = ~ year |indus|code ,
data=data9, control = lmeControl(opt = "optim"))
farzana1=residuals(treelevel3,type="pearson")
library(tseries)
adf.test(farzana1)
farzana1=residuals(treelevel3,type="pearson")
plot(farzana1,xlab='firm',ylab='residuals',type='o')
fit=fitted(treelevel3)
resi=residuals(treelevel3)
plot(residuals(treelevel3),fitted(treelevel3))
hist(residuals(treelevel3))
qqnorm(resi)
qqline(resi)
# # # # # Third employed method to test hypothesis (Bayesian multilevel models)
library(brms)
beysiantreelevel3=brm(Taxavoid~MA+ROA+LEV+NOL+PPE+INTAN+Size+MTB+AGE+dayprice+MA:factor( smothing)
+MA:factor(quality)+MA:factor(bazar)+MA:factor(picture)+MA:factor(indus)+(year |indus:code),prior =
set_prior("normal(0,5)", class = "b"), data=data8)
fit3=summary(beysiantreelevel3)
fit3
p_value=cbind((1-pnorm(abs(data1$Estimate)/data1$Est.Error))*2)
p_value
The effect of Managerial ability on tax avoidance by Classical and Bayesian
Econometrics in Multilevel Models: evidence of Iran
Farzana Akbari
M.A holder in Accounting, Ferdowsi University of Mashhad, Mashhad, Iran, E-mail:

farzana.akbari@mail.um.ac.ir
Mahdi Salehi
Associate Professor of Accounting, Ferdowsi University of Mashhad, Mashhad, Iran

Mohammad Ali Bagherpour Vlashani
Associate Professor of Accounting, Ferdowsi University of Mashhad, Mashhad, Iran,

E-mail: bagherpour@um.ac.ir

Managerial Ability

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Managerial Ability

Diunggah oleh

Hak Cipta:

Format Tersedia

Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

Jurnal Internasional Pasar Berkembang

Diunduh pada: 23 Oktober 2018, Pukul: 22:31 (PT)

Tentang Zamrud www.emeraldinsight.com

dalam Model Multilevel: bukti Iran

smooth dan non-income smooth berdasarkan pendekatan teoritis.

Desain/Metodologi/Pendekatan–Untuk mengukur kemampuan manajerial digunakan analisis

pada subjek penelitian.

Kata kunci:Kemampuan Manajerial, Perubahan Struktur, Model Efek Campuran Bertingkat,

Klasifikasi JEL:C6, G10, M10, M14

berkualitas (Luo et al., 2015).

tujuh mengacu pada temuan penelitian lainnya.

2. Kerangka teori dan pengembangan hipotesis

penghindaran pajak, kami menyusun hipotesis kedua kami sebagai berikut:

H2: Kinerja keuangan dan penghindaran pajak berhubungan negatif.

harga saham spesifik perusahaan. Selanjutnya, mereka

dengan menggabungkan aturan perdagangan di kedua pasar. Hendershott dkk.

terbesar memiliki jaringan hingga empat puluh dealer.

kemampuan manajerial dengan penghindaran pajak.

membuat keputusan yang bijaksana.

hipotesis penelitian adalah sebagai berikut.

dengan penghindaran pajak.

3.1. Model bertingkat Bayesian dan model bertingkat Klasik

perubahannya. Distribusi probabilitas sebelumnya ditentukan berdasarkan pengalaman dan pendapat

tentang parameter model.

dan kesimpulan (Kass dan Raftery, 1995).

mengarah pada hasil baru.

3.2. Pemilihan sampel

dengan mempertimbangkan kondisi di bawah ini:

- Tidak termasuk perusahaan di industri perbankan, Intermediasi dan holding.

- dari tahun 2004 di bursa Teheran atau pasar OTC.

- Data perusahaan harus tersedia selama periode investigasi.

perangkat lunak pemrograman.

3.3. Definisi operasional variabel

kepatuhan pajak. Kurangnya kepatuhan pajak melibatkan berbagai penghindaran pajak,

adalah proksi untuk penghindaran pajak.

BTD / ASETt-1=0+1TA / ASETt-1+ɛ

residual model yang diperhitungkan sebagai penghindaran pajak.

dengan rata-rata penjualan periode sekarang dan sebelumnya.

berfokus pada kualitas laba (Mansourfar et al., 2014).

akan menjadi perusahaan berpenghasilan rendah. Karena itu,

dianggap sebagai perusahaan berpenghasilan rendah dan 0 adalah proksinya..

menguji hipotesis kami:

Penghindaran pajak = penghindaran pajak1. MA = kemampuan manajerial2. ROA= operasi keuangan

harian perusahaan. Indus = indeks industri. tYEARt= indeks tahun.

3.4. Statistik deskriptif

Statistik deskriptif disajikan pada Tabel (1)

Variabel StdDev Q1 median berarti 3Q Maks

ROA - 0.32112 0,07255 0,15594 0.13521 0.22154 0,67148

INTAN 0,00000 0,00000 0,00436 0,00069 0,00470 0.10233

LEV 0,05391 0,51192 0.63912 0,64335 0.77002 2.18444

APD 0,00000 0.11730 0.26446 0.22472 0.37310 0,88885

OCF - 1.02766 0,03477 0.12734 0.10692 0.19859 1.57674

MTB - 33.02412 0,98610 2.54220 1.95914 3.61070 56.16845

pertumbuhan - 1.000.000 0,02335 0.22340 0.17686 0,36183 4.74857

USIA 0,00000 2.07900 2.42193 2.48491 2.89000 3.87120

penghindaran pajak - 0,43828 - 0,04467 0,00000 - 0,00380 0,03567 0,70966

harga harian 0,00459 0.16913 3.96173 0.45230 1.33616 87.64000

lainnya benar-benar ditetapkan, penyimpangan dari normalitas biasanya sepele. dan

mengabaikan beberapa faktor ketidaknormalan di antaranya termasuk kemiringan ke kiri atau ke

kanan dan menganggap bahwa data tersebut normal.

perusahaan dari industri non-keuangan dan non-utilitas.

Tabel 3.Seleksi tes regresi