Ks Centro de Pesquisa em Contabilidade, Booth School of Business, Universidade de Chicago

20/06/2021 Centro de Pesquisa em Contabilidade, Booth School of Business, Universidade de Chicago
Página 1
Centro de Pesquisa em Contabilidade, Booth School of Business, Universidade de Chicago
Problemas no gerenciamento de resultados de teste e uma abordagem de variável instrumental

Autor (es): Sok-Hyon Kang e K. Sivaramakrishnan
Fonte: Journal of Accounting Research, vol. 33, No. 2 (outono, 1995), pp. 353-367
Publicado por: Wiley em nome de Centro de Pesquisa em Contabilidade, Booth School of Business,
Universidade de Chicago
URL estável: http://www.jstor.org/stable/2491492
Acesso: 06-05-2015 10:37 UTC
O uso do arquivo JSTOR indica sua aceitação dos Termos e Condições de Uso, disponíveis em http://www.jstor.org/page/
info / about / policies / terms.jsp
JSTOR é um serviço sem fins lucrativos que ajuda acadêmicos, pesquisadores e estudantes a descobrir, usar e desenvolver uma ampla gama de conteúdo
em um arquivo digital confiável. Usamos tecnologia da informação e ferramentas para aumentar a produtividade e facilitar novas formas de bolsa de estudos.
Para obter mais informações sobre o JSTOR, entre em contato com support@jstor.org.
https://translate.googleusercontent.com/translate_f 1/14
Wiley and Accounting Research Center, Booth School of Business, University of Chicago estão colaborando com
JSTOR para digitalizar, preservar e estender o acesso ao Journal of Accounting Research.
http://www.jstor.org
Este conteúdo foi baixado de 194.27.18.18 em Quarta, 06 de maio de 2015 10:37:34 UTC
Todos os usos estão sujeitos aos Termos e Condições JSTOR
Página 2
Journal of Accounting Research

Vol. 33 No. 2 Outono de 1995
Impresso nos EUA.
Problemas no teste de ganhos

Gestão e Instrumental
Abordagem Variável
SOK-HYON KANG E K. SIVARAMAKRISHNAN *
1. Introdução
Em estudos empíricos de gerenciamento de resultados (EMI), uma questão central é
a estimativa do componente gerenciado (acréscimos discricionários) quando
estranhos observam apenas a soma do gerenciado e não gerenciado (não
números contábeis discricionários). Metodológico importante questões
surgem em parte porque as variáveis mais úteis na previsão do não homem
componentes antigos são eles próprios números contábeis que provavelmente
ser afetado pelo EM. Neste artigo, propomos um método simples de endereçamento
alguns desses problemas no teste de EM em casos específicos de contexto.
Nosso método se baseia na abordagem usada por McNichols e Wilson
[1988]. Ao modelar um tipo específico de provisões (despesas com dívidas inadimplentes), eles
aumentam a precisão, mas não capturam manipulações de acumulação em muitos
outras contas. Outros estudos tentam capturar uma porção maior do homem
acumulações envelhecidas por meio da modelagem de acumulações totais. No entanto, sugerimos que mod-
els que seguem esta abordagem estão sujeitos a simultaneidade, erros nas variáveis,
*Universidade Carnegie Mellon. Agradecemos a Bill Baber, Stan Baiman, Bill Cready, Paul
Healy, Yuji Ijiri, John O'Brien, Shyam Sunder, dois árbitros anônimos e workshop
participantes da Northwestern University e da American Accounting Association de 1990
Conferência para comentários úteis sobre versões anteriores deste documento. Agradecemos especialmente
ao revisor por sua orientação e sugestões valiosas. K. Sivaramakrishnan com gratidão
reconhece o KPMG Peat Marwick Faculty Fellowship.
'Estudos relevantes incluem Liberty e Zimmerman [1986], DeAngelo [1986; 1988],
Beatty e Verrecchia [1989], Healy e Palepu [1990], DeAngelo e DeAngelo [1991],
Jones [1991], Boynton, Dobbins e Plesko [1992], Cahan [1992], Pourciau [1993] e
DeFond e Jiambalvo [1994].
353
Copyright (?, Institute of Professional Accounting, 1995
Página 3354 REVISTA DE PESQUISA CONTÁBIL, OUTONO 1995
ou problemas de variáveis omitidos, qualquer um dos quais poderia levar a estatísticas reduzidas
poder tico e inferncias erradas em relao EM.
Propomos um modelo baseado em um método de variável instrumental (IV)
e avaliar sua eficácia por meio de simulações. Em particular, nós chamamos
culpar a incidência de erros Tipo I e Tipo II de nosso modelo usando
o método IV padrão e o método generalizado de procedimentos de momentos
dure (Hansen [1982]), e compare-o com o de Jones [1991]
modelo. Os resultados da simulação indicam que nosso modelo baseado em NV não é
apenas mais poderoso do que o modelo Jones, também é mais robusto contra
Erros do tipo I.2 O modelo usando o método generalizado de momento
(GMMI) procedimento de estimativa tem o melhor desempenho, embora seja computa-
mais intensivo. Como seria de esperar, as diferenças nas estatísticas
poder entre essas abordagens na detecção de di-
diminuem à medida que aumenta a extensão do gerenciamento de resultados.
A seção 2 fornece uma discussão das questões e problemas a serem ad-
vestido. A seção 3 descreve nossa metodologia. A seção 4 apresenta o sim-
resultados da ulação. Finalmente, a seção 5 fornece uma conclusão e sugestões
para pesquisas futuras.
2. Questões metodológicas no gerenciamento de resultados

Seguindo McNichols e Wilson [1988], expressamos um teste de EM como:
DAit = a PARTit + dint ' (1)
onde DAi t é o verdadeiro acúmulo gerenciado (discricionário) para a empresa i e

ano t, PARTit é uma "variável de particionamento" que captura fatores que al-
motivar legalmente o gerenciamento de resultados, e ci t é o acúmulo aleatório incomum
relacionado à hipótese EM específica.3
Também expressamos o verdadeiro não gerenciado (não discricionário) acumulações, NA, como
(ignorando a firma e os subscritos de tempo):
NA = NAEST + a, (2)
onde NAEST é uma estimativa de NA er é o erro de medição.

Usando as equações (1) e (2), os acréscimos totais observados (A) são:
A = DA + NA = P PART + NAEST + ? + a. (3)
O principal metodológico questões relacionadas ao NAEST e sua medição

erro r, com NAEST obtido pela regressão dos acréscimos observados em um ano
número de variáveis (X) que se supõe que influenciam NA.
Primeiro, há um problema de erros nas variáveis (EIV) com (3) porque
algumas das variáveis X podem não ser observáveis pelos pesquisadores, e alguns
2 Dechow, Sloan e Sweeney [1995] também realizam simulações para comparar o desempenho
mance de modelos EM existentes e concluem que esses modelos não têm poder para detectar
gerenciamento de resultados.
3 Suprimimos o termo de interceptação por conveniência de notação.
Página 4 TESTE DE GESTÃO DE RESULTADOS 355
das variáveis contábeis usadas como proxy para X provavelmente serão afetadas
por EM. Este problema ElV faz com que os erros de medição (ri) sejam corretos
relacionados com os regressores, levando a estimativas de parâmetros inconsistentes
e enviesar o proxy de acumulação gerenciado. Embora uma solução para isso
problema é limitar os regressores a variáveis não contaminadas, tais
ables são difíceis de encontrar. Além disso, esta solução pode levar a uma omissão
problema de variáveis.
As variáveis omitidas também induzem um viés no teste de EM se estiverem relacionadas a
os fatores que motivam o EM (conforme observado por McNichols e Wilson). Em termos
da equação (3), alguma parte das acumulações não gerenciadas será capturada por
a, que, se correlacionado com a PARTE, enviesará o teste. Por exemplo, sup-
suponha que T é o ano de interesse (ou seja, PARTE é igual a um se t = T e zero
caso contrário) e todas as empresas da amostra enfrentam condições econômicas excepcionalmente boas
dições no ano T Na medida em que as acumulações não gerenciadas capturadas por r são
relacionadas à condição econômica da empresa (McNichols e Wilson [1988]
e Kaplan [1985]), r será correlacionado com PARTE porque PARTE também
reflete a condição econômica excepcionalmente boa da empresa. Assim, o ob-
serviu de relação positiva entre o proxy de acumulação gerenciado e PART
pode ser espúrio. Portanto, é importante incluir como variáveis de regressores que
refletir as condições econômicas atuais para mitigar tais problemas.4 Mais
geralmente, o proxy de acumulação gerenciado deve ser "expurgado" de todos os
acumulações envelhecidas correlacionadas com PART para evitar fazer inferências errôneas
sobre gerenciamento de resultados.
Finalmente, surge um problema de simultaneidade porque tanto os regressores quanto
o regressando é determinado conjuntamente pelas restrições impostas por
GAAP e contabilidade por partidas dobradas. Notamos que essas restrições são
independente de ambos os problemas EM ou ElV. Por exemplo, suponha
que a relação entre a receita não gerenciada e os acréscimos não gerenciados
é dado por NA = 7o + Yi Renda + G. Esta relação é restringida pelo
identidade: Receita = NA + Fluxos de caixa, de modo que E [ol4Income] ? 0. Como resultado,
A estimativa de OLS aplicada a este exemplo resultaria em co-
estimativas eficientes com erros padrão incorretos.
Os problemas que acabamos de discutir não surgem se o total bruto observado ac-
cruals são usados como um proxy para o componente gerenciado (Healy [1985])
ou se variáveis predeterminadas, como ganhos defasados ou acréscimos defasados
são usados como referência para accruals não gerenciados (DeAngelo [1986;
1988] e Liberty e Zimmerman [1986]). Essas abordagens, no entanto,
não controlar adequadamente os acréscimos não gerenciados refletindo
condições.
A abordagem avançada por McNichols e Wilson é focar em um
tipo específico de accruals (provisões para devedores duvidosos) que permite mais precisão
modelagem, mas não captura uma grande parte das acumulações gerenciadas
4 O controle das condições econômicas atuais também seria importante se os gestores

tomar decisões de EM, levando em consideração a condição econômica atual da empresa ou
ganhos "verdadeiros".
Página 5356 SOK-HYON KANG E K. SIVARAMAKRISHNAN
relacionadas a receitas e despesas. Estudos recentes como Jones [1991]

e outros tentam fazer isso modelando acumulações totais em função de
variáveis que refletem as condições econômicas atuais e que são pré-
somados a não serem contaminados pelo gerenciamento de resultados (por exemplo, receitas) .5
Embora esses estudos controlem os acréscimos não gerenciados até certo ponto, vários
eral questões permanecem. Primeiro, as variáveis usadas para prever o acúmulo não gerenciado
als podem não estar livres do gerenciamento de resultados. Segundo, o
problema de simultaneidade pode afetar os coeficientes estimados e o padrão
erros. Finalmente, esses estudos não controlam os acréscimos não gerenciados.
relacionado ao custo dos produtos vendidos e outras despesas.
Em resposta a essas problemas, propomos um ap-
proach que melhora significativamente a nossa capacidade de inferir a presença ou ab-
sence of EMin casos específicos de contexto. Nossa abordagem atenua o omitido
problema de variáveis e os vieses relacionados usando como regressores não apenas
vendas, mas também o custo das mercadorias vendidas e outras despesas operacionais. Para mitigar
a consequente simultaneidade e problemas de erros na variável, nós empregamos
tanto o método IV padrão quanto o método generalizado de Hansen [1982]
procedimento de momento (GMMI) que inclui o método IV padrão.
Além de abordar os problemas de simultaneidade e EiV, o GMM es-
timator requer suposições menos rigorosas do que o método IV padrão,
e, portanto, espera-se que seja mais robusto.
3. Metodologia
3.1 UM MODELO DO PROCESSO ACCRUAL
Vários recursos do sistema de contabilidade de exercício motivam nossa estimativa

procedimento de instalação. Por exemplo, uma venda a crédito afeta uma conta de receita
(receitas) e uma conta de balanço (contas a receber). O subsequente
a coleta de dinheiro afeta duas contas de balanço. Dado o foco em
gerenciamento de resultados, o lançamento de acréscimo relevante é o de registro
a venda. A receita de vendas t do período relatado pode ser expressa como:
REVt = REV * + DAs (4a)
onde REVt se refere às receitas relatadas (observadas), REVtS representa

envia as receitas de vendas não gerenciadas no período t, e DAs é o man-
acumulação envelhecida somada às vendas (zero se as receitas não forem manipuladas). Como
como resultado, o saldo final de contas a receber relatado (ARt) está exagerado
por DA s.
AR = AR + DAs. (4b)
5Pourciau [1993], Boynton, Dobbins e Plesko [1992] e DeFond e Jiambalvo

[1994] adotam abordagens semelhantes.
6 Isso é observado na literatura (Jones [1991] e DeFond e Jiambalvo [1994]). Al-
A baixa renda para devoluções de vendas é um exemplo das contas que podem ser manipuladas.
7 Na medida em que o custo dos produtos vendidos e outras despesas não estão perfeitamente correlacionados
com receitas, há um problema de variáveis omitidas.
Da mesma forma, acumulações gerenciadas relacionadas ao custo dos produtos vendidos ou outros
despesas do período serão refletidas nos saldos finais de vários saldos
contas de folha de dados. Esses acréscimos podem ser acumulados somando
os saldos relacionados:
ABt = ARt + INVt + OCA t - CL t - DEPt

= (AR * + INVI * + OCA - CL - DEP1 ) (4c)
+ (DA '+ DAe + DAd)
= AB * + DAt,
onde AB * são os "saldos de acumulação" não gerenciados; 8 INVT, OCA * e

CL * denota estoque não gerenciado, despesas pré-pagas e saldo a pagar
antepassados, respectivamente; DAt é o período total t acumulações gerenciadas; DAe é
a provisão gerida relativa às despesas; e, finalmente, DEP * e DAd
são, respectivamente, a despesa de depreciação e o associado gerenciado
acumulação.
3.2 O MODELO ECONOMÉTRICO
Uma vez que a discussão anterior indica que as acumulações gerenciadas são
parte dos saldos das contas do balanço patrimonial, desenvolvemos um modelo
prever saldos de acumulação não gerenciados.9 Supomos que, na ausência
de EM, o índice de rotatividade de contas a receber é dado por (suprimindo o
subscrito firme):
R + Vt.
ARL ~
REVt REV +
Multiplicando esta equação por REVt * em ambos os lados, obtemos:
AR
AR
Em = *01 ~~ A
* =REV l-IR RVV * M t + (Pt,+ (55aa)
onde t = vtREV *.
Da mesma forma, os acréscimos relacionados às despesas podem ser expressos como:
APB *
APB =
2 I EXP * + (chiqueiro (5b)
EXP-I1
onde APBt * denota a soma dos saldos das contas relacionadas a
penas (ou seja, APB * = INV * + OCA * - CL *). Finalmente, assumimos que
despesa de depreciação não gerenciada, DEP *, é dada por:
8 O termo saldo acumulado é um termo impróprio porque inclui depreciação,

qual é
não uma conta de balanço. Usamos este termo por falta de um melhor.
9 Notamos que as mudanças nas contas do balanço ("accruals") também podem ser utilizadas
para estimar os accruals administrados. Embora esta seja uma escolha de design, usamos a conta
abordagem baseada no equilíbrio, porque na estrutura IV, os instrumentos que são correlacionados
com os saldos das contas são relativamente mais fáceis de encontrar do que aqueles correlacionados com as mudanças
nessas contas.
Página 7
358 SOK-HYON KANG E K. SIVARAMAKRISHNAN
DEP *
DEP P 03 (5 c)
t* GPPEt + ~,
GPPE -
onde GPPEt * denota imobilizado bruto.
Somando (5a) a (5c) e incorporando a equação (1), ob-
tain a seguinte equação de regressão para um teste de EM:
ABt = AB * + DAt = AR + ABP * + DEP + DAt
= -0 + 01 [61 REV *] +? 2 [a2EXP "] (6)
+ 03J63 GPPE] + 1 PARTEt + t,

onde ut = (t + & t + et + Et, e:
ARTh APB a3- DEPt-

REV71 ' EXP1t- GPPEt-1
A equação (6) é semelhante em espírito a Jones [1991] e outros (Pourciau
[1993] e Boynton, Dobbins e Plesko [1992]), mas difere criticamente
em que o nosso modelo (i) inclui o custo dos produtos vendidos, bem como outros
pensões, (ii) usa os saldos das contas em oposição às mudanças nesses saldos
ances, e (iii) não exige que os regressores sejam descontaminados
porque usamos uma abordagem IV. Em particular, porque a equação (6) irá
usar números contábeis relatados, os erros OLS na equação (6) serão
correlacionados com os regressores se os lucros forem gerenciados, levando a bi
estimativas de parâmetros variáveis e inconsistentes. Mesmo que os ganhos não sejam
gerenciado, o problema de simultaneidade fará com que as estimativas OLS sejam
tendencioso e inconsistente. Assim, estimamos (6) usando métodos IV por se-
instrumentos de leitura que se presume não estarem correlacionados com o erro
termos em (6) .10 Valores defasados dos regressores, bem como outros
partes da renda que datam de vários anos são potencialmente úteis
instrumentos. "1 Implementar o modelo tanto no ambiente IV quanto no GMM
mentos, nós deflacionamos todas as variáveis pelos ativos totais brutos de t - 1 para fazer o
variáveis estacionárias.
4. Análise de dados
Embora a abordagem da variável instrumental seja, em teoria, uma plausível
solução para os problemas de simultaneidade ElVand, se constitui um
melhoria significativa em relação aos métodos existentes é uma questão em aberto. Dentro
10 Notamos que um benefício do GMM é que as suposições do modelo podem ser testadas
(Hansen [1982]).
1 O estimador IV padrão é obtido por = (Z Z-'ZY, onde Z = M (MM) -lMMX
e M é uma matriz N xr de instrumentos, X é uma matriz N xk de dados e N é o número
de pontos de dados. Este estimador é descrito em muitos livros econométricos (por exemplo, Judge et
al. [1980]). O estimador GMM é obtido minimizando uma função objetivo quadrática
h (O) 'Wh (0), onde 0 é um vetor kx 1 de parâmetros
UMA
desconhecidos, h (0) é um vetor rx 1 de
amostra de condições de ortogonalidade, e W é uma matriz de ponderação rxr. Veja Hansen [1982]
para detalhes.
Página 8
TESTE DE GESTÃO DE RESULTADOS 359
nesta seção, fornecemos algumas evidências sobre isso, realizando

simulações. Uma vez que as simulações podem ser realizadas em uma série de
formas diferentes, fornecemos uma base de comparação, realizando o mesmo
ulações usando o seguinte modelo de Jones [1991]: 12
LNTAiti
1 0o LNVTA 1 +0 [R CI]
+2
LNTA I] + C PARTit + Wj't (7)
onde NTAt 1 é o total de ativos líquidos do período t - 1. Estimamos o IV

modelo e o modelo de Jones como um conjunto de séries temporais cross-sectional re
gression, como em McNichols e Wilson [1988] e Boynton, Dobbins, e
Plesko [1992]. Conforme mostrado por Zellner [1969], os parâmetros estimados
do modelo agrupado fornecerá estimativas imparciais da média
coeficientes se os coeficientes individuais não estiverem relacionados aos regressores. Para
ambos IV e GMM, o conjunto de instrumentos inclui uma constante e duas
valores defasados e três vezes defasados dos regressores e do dependente
variável. Ao usar valores defasados uma vez das mesmas variáveis, os rendimentos
resultados um pouco melhores, a priori preferimos usar instrumentos
mentos defasados por dois períodos ou mais, a fim de mitigar os efeitos de
possível correlação de primeira ordem nos acréscimos.13 Finalmente, estimamos tanto IV
e modelos Jones em uma base antes dos impostos.14 Apêndice A contém
definições das variáveis.
4.1 AMOSTRA
Construímos uma amostra combinada de empresas sobreviventes e não sobreviventes

do arquivo de 1992 Primário-Suplementar-Terciário (PST) e da Pesquisa
Arquivo (mesclado). Excluímos empresas dos setores bancário e financeiro
(Código SIC 6021-6799) porque seus ambientes de relatórios financeiros
diferem daqueles das firmas industriais. Também exigimos que as empresas da amostra
tem oito ou mais observações de séries temporais porque restrições semelhantes
foram colocados em pesquisas anteriores.15 Removemos ainda 200 empresas falidas
12 Agradecemos ao árbitro por sugerir esta comparação.

13 Também usamos como instrumentos certas variáveis contemporâneas, como mudanças no mercado
valor de mercado de ações, investimento de capital ou dívida de longo prazo; isso resultou em uma ligeira melhora -
mento. Obtivemos a matriz de ponderação definida positiva ótima usando o Newey e
Método de West [1987] com defasagens zero. Permitimos até duas defasagens, com uma ligeira melhora -
ment nos resultados.
14 Os acréscimos não gerenciados podem ser estimados em uma base antes dos impostos ou após os impostos. Enquanto um pré-
abordagem fiscal ignora acréscimos não gerenciados na determinação da despesa fiscal relatada, um
a abordagem após os impostos induz ruído adicional relacionado aos créditos fiscais e aos efeitos do homem
acumulações envelhecidas sobre despesas tributárias.
15 O modelo de Jones [1991], por exemplo, teria exigido pelo menos sete
observações em série para estimar os parâmetros de regressão (seis observações utilizáveis são
necessário devido à diferenciação), e mais um para o ano do evento (ver também DeFond e
Jiambalvo [1994]).
Página 9360 SOK-HYON KANG E K. SIVARAMAKRISHNAN
porque a literatura levanta a hipótese de que essas empresas podem gerenciar a receita
(DeAngelo, DeAngelo e Skinner [1994]). Essas restrições geram um

amostra de 2.829 empresas, 1.181 empresas do arquivo PST e 1.648 do
Arquivo de pesquisa.
4.2 DESCRIÇÃO DOS PROCEDIMENTOS DE SIMULAÇÃO
Estamos interessados não apenas na capacidade do modelo de detectar EM quando

realmente ocorre, mas também em sua tendência de rejeitar falsamente a hipótese nula.
irmã Consideramos uma configuração simples em que se suspeita que EM ocorre durante o ano
T apenas. Assim, PART é igual a um se t = 7T e zero caso contrário. Para testar
Erros do tipo II, adicionamos uma certa quantidade de acréscimos positivos para (aleatoriamente
escolhidos) cronometrar os dados contábeis e examinar se o modelo de Jones
e nosso modelo baseado em IV detecta EM. Para testar os erros do Tipo I, executamos-
selecionar internamente as empresas da amostra e um ano do evento para a empresa e testar
se os dados contábeis relatados levam a uma falsa rejeição do
hipótese nula de nenhum EM.16
Usamos os seguintes procedimentos para testar os erros do Tipo II: (i) selecione 100
empresas ao acaso, (ii) selecionar aleatoriamente um ano de evento T para cada empresa, (iii)
adicionar uma quantidade específica de acréscimos à receita e ao balanço patrimonial
contagens do ano T (descrito abaixo), e (iv) testar se o coeficiente
de PART é significativamente diferente de zero. Repetimos este procedimento 100
vezes. Uma vez que a amostra é composta por mais empresas do arquivo de pesquisa
do que do arquivo PST (1.648 a 1.181), uma seleção aleatória faria
a amostra super-representativa do arquivo de pesquisa. Por este motivo, vemos
Lecione 50 empresas de cada arquivo na etapa (i).
Somos guiados por pesquisas anteriores para definir a magnitude do ma-
nipulação a ser adicionada. Embora os valores variem, estudos anteriores geralmente re-
acumulação média administrada do porto variando de 1,5% a mais de 5% do total
ativos.17 Usamos a extremidade inferior desses números, mas desde nosso modelo pré-
dita os acréscimos não gerenciados em uma base antes dos impostos, nós experimentamos manip-
em média 2% do total de ativos líquidos. Quando adicionamos provisões para
saldos de contas, também fazemos as alterações correspondentes na receita e
contas de despesas.
16 Uma suposição implícita é que as acumulações gerenciadas para anos selecionados aleatoriamente para um
grupo de empresas selecionadas aleatoriamente será zero, em média.
17 DeAngelo [1986; 1988] relata acréscimos discricionários estatisticamente significativos que variam
de 1,5% para 3,6% do ativo total líquido. Os relatórios de Jones [1991] significam acréscimos discricionários de
-5,85% do ativo total líquido. Em um estudo recente, DeFond e Jiambalvo [1994] são incapazes de
rejeitar a hipótese nula com acréscimos discricionários de 1,6% dos ativos totais líquidos com base em
uma amostra de 94 empresas.
18 O procedimento detalhado é descrito em nossa versão em papel de trabalho. Observe que executamos
domine a quantia a ser adicionada a cada conta. Por exemplo, a quantidade de manipula-
ção para o custo dos produtos vendidos é distribuída uniformemente em qualquer lugar de 0% a 6% do
saldo de estoque para cada empresa selecionada. Como resultado, não apenas o valor total, mas também
os componentes individuais variam entre as empresas. Acumulações gerenciadas devem ser revertidas posteriormente
períodos. Nesta simulação, assumimos que todos os accruals gerenciados se revertem na seguinte
período e fazer os ajustes correspondentes. Experimentamos reversões em T + 2
e T + 3 com alterações imateriais nos resultados.
Usamos procedimentos idênticos para testar erros Tipo I, exceto

ção de que nenhum acréscimo é adicionado aos dados contábeis da empresa. Nós per-
formar três rodadas de simulações para testar a tendência do modelo de render
falsas rejeições. Na primeira rodada, não impomos restrições ao
características financeiras das empresas da amostra. Na segunda e terceira rodadas,
exigimos que a receita operacional antes dos impostos (deflacionada pelo total líquido inicial
ativos) aumentou no ano escolhido ou diminuiu no ano escolhido.
Existem duas razões para realizar essas rodadas adicionais de simulação
lações. Em primeiro lugar, as empresas suspeitas de gerenciamento de resultados tendem a ter
características lar (Jones [1991] e DeFond e Jiambalvo [1994]). 19
Em segundo lugar, na medida em que o modelo IV e o modelo de Jones são lineares
aproximações de uma relação possivelmente não linear, eles podem não realizar
bem em certas regiões de desempenho econômico. Tal possibilidade irá
ser mascarado se a amostra for uniformemente distribuída entre as empresas que realizam
bem e aqueles que apresentam desempenho insatisfatório.
4.3 RESULTADOS
A Tabela 1 resume os resultados da simulação, mostrando a frequência de rejeição

quências avaliadas no nível 0,05 (bicaudal). A primeira coluna (de-
caso observado 1) corresponde ao teste de simulação para erros do Tipo II, para
ao qual adicionamos uma manipulação positiva de cerca de 2% dos ativos totais líquidos. O
as próximas três colunas (denotados casos 2, 3 e 4) correspondem aos testes
para erros Tipo I, para os quais não adicionamos manipulações. O painel mais baixo
apresenta estatísticas detalhadas sobre a quantidade de manipulação para o caso 1.
Enquanto a manipulação positiva média é de + 2,093% dos ativos totais líquidos, o
os valores medianos são + 1,879% dos ativos totais líquidos e 13,038% da op-
renda gerando.
O primeiro painel da tabela 1 corresponde ao modelo Jones, enquanto o
os próximos dois painéis correspondem ao modelo IV padrão e ao GMM
modelo. Para o modelo de Jones, o coeficiente em PART é positivo e
significativo para 23% das 100 simulações quando a manipulação é + 2%
(do ativo total líquido). Esta frequência de rejeição é significativamente diferente
(p < 0,001) da frequência esperada de 5% (ou seja, a frequência a ser
observado quando o modelo é incapaz de detectar EM). Quanto aos erros do Tipo I,
o modelo de Jones não parece rejeitar em excesso quando as empresas são administradas
selecionado internamente (caso 2), mas tem uma tendência a super-rejeitar o nulo quando
todas as empresas enfrentam altas ou baixas econômicas. Para o caso 3, quando o
empresas selecionadas têm uma mudança positiva no ROA antes dos impostos, o re- observado
taxa de seleção de 10% é cerca de duas vezes a frequência esperada de 5%
(p < 0,001) e 9 em cada 10 rejeições ocorrem no lado positivo. Pelagem-
então, essa frequência de rejeição quase duplica para 22% quando as empresas têm um
mudança negativa no ROA antes dos impostos (caso 4) e 20 de 22 rejeições ocorrem
cur no lado negativo.
Os resultados melhoram com a abordagem IV padrão (segundo painel).
O coeficiente para PARTE é positivo e significativo em 33% dos casos,
19 Agradecemos ao árbitro por levantar esta questão.

Página 11
TABELA 1
Testes de Simulação de Erros Tipo I e Tipo II na Detecção de Gerenciamento de Lucros a
5% de frequência de rejeição
Positivo
Manipulação Manipulação Zero
Tamanho = 2% de Firmas com Firmas com
Total de ativos Todas as firmas ROA Aumentar ROA Diminuir
(Caso 1) (Caso 2) (Caso 3) (Caso 4)
Jones [1991] Modelb
O coeficiente em parte é:
Positivo e significativo 23% 2% 9% 2%
Negativo e significativo 0% 6% 1% 20%
estatística z 8,25 1,37 2,29 7,80
Nível de significância* p <0,001 p = 0,168 p <0,021 p <0,001
IVModelb padrão

estatística z 12,84 0,91 0,91 2,29
Nível de significância* p <0,001 p = 0,358 p = 0,358 p <0,021
GMM Modelb
estatística z 19,26 0,00 -0,45 0,91
Nível de significância* p <0,001 p> 0,500 p> 0,500 p = 0,358
Quantidade de manipulaçãoc
Escalonado por ativos totais líquidos iniciais
Mau 2,093% N/D N/D N/D
Mediana 1.879% N/D N/D N/D
Mínimo 0,064% N/D N/D N/D
Máximo 30,469% N/D N/D N/D
Dimensionado pelo valor absoluto da receita operacional pré-impostos

Mau 38,752% N/D N/D N/D
Mediana 13,038% N/D N/D N/D
Mínimo 0,405% N/D N N/D
Máximo 111,266% N/D N/D N/D
aA amostra de simulação é retirada de 2.829 empresas, 1.181 do arquivo Colmpustat Priimary-Supplementary-7ertiary

(PST) e 1.648 do arquivo de pesquisa (mesclado). Cem simulações são realizadas. Cada simulação seleciona
100 empresas, 50 do arquivo PST e 50 do arquivo de pesquisa, e um ano de evento (7) para cada empresa. Para o caso 1, posi-
Acumulações aleatórias consecutivas são adicionadas no ano T, caso 2 seleciona aleatoriamente 100 empresas sem adicionar qualquer manipulação.
Casos 3 e 4 são iguais ao caso 2, exceto que as empresas têm um aumento no ROA antes dos impostos (receita operacional antes dos impostos
deflacionado pelos ativos totais líquidos iniciais) no caso 3, e uma diminuição no ROA antes dos impostos no caso 4. Para toda a amostra
população, um aumento no ROA antes dos impostos ocorre em 48% das observações e uma diminuição ocorre em cerca de 52% de
observações.
bAs equações para o modelo de Jones, o modelo de variável instrumental e o modelo GMM são fornecidas inl
Apêndice A. O conjunto de instrumentos inclui valores constantes, duas vezes defasados e três vezes defasados dos regressores e
a variável dependente e uma dummy de tempo igual a um se t = T e zero caso contrário. No método GMM, o
matriz de ponderação positiva-definida ótima é calculada usando o procedimento de Newey e West [1987].
cEstas estatísticas são baseadas em 10.000 observações empresa-ano (100 empresas x 100 simulações).
kO nível de significância é baseado em um teste binomial (com aproximação normal) da hipótese nula de que
a frequência de rejeição esperada (positiva ou negativa) é de 5%. Os valores p são baseados em um teste bicaudal.
Consulte o Apêndice A para obter as definições das variáveis.
uma melhoria de cerca de 40% em relação ao modelo Jones. O fre-

frequência de falsas rejeições também melhora: as taxas de rejeição para ambos
o caso 2 e o caso 3 agora estão dentro da faixa aceitável (7%, p = 0,35). Como
para o caso 4, a taxa de rejeição é de 3% no lado positivo e 7% no
lado negativo. Esta taxa de rejeição combinada (falsa) de 10% é menor que
metade do modelo Jones, mas ainda significativamente maior do que o ex-
taxa estimada de 5% (p < 0,021).
O terceiro painel relata os resultados usando o GMM. Sob esta abordagem, o
a frequência de rejeições corretas é de 47%, a mais alta de todos os três modelos.
Os resultados indicam ainda que o modelo GMM é o mais robusto
contra falsas rejeições: a taxa de rejeição é de 5% para o caso 2, 4% para o caso 3,
e 7% para o caso 4. Nenhuma das taxas de rejeição é significativamente diferente
do nível esperado.
Finalmente, também experimentamos diferentes magnitudes de acumulação
manipulações (os resultados não são relatados). Quando dobramos o tamanho de
manipulações de + 2% a + 4% para o caso 1, a frequência de rejeição im-
prova 75% para o modelo Jones e 77% e 89% para o padrão IV
modelo e o modelo GMM, respectivamente. Por outro lado, quando nós
corte as manipulações para + 1%, a frequência de rejeição cai para 3% para
o modelo Jones e 14% (18%) para o modelo IV padrão (GMM).
Dado que + 1% do total de ativos líquidos é cerca de 6,5% dos ativos operacionais antes dos impostos
vem, a baixa frequência de rejeição de todos os modelos destaca a dificuldade
de capturar EM quando a quantidade manipulada é pequena.
4.4 DISCUSSÃO
Os resultados da simulação devem ser interpretados com cuidado porque

o gerenciamento sistemático de resultados, se houver, pode ter afetado os resultados.2
Em particular, o fenômeno do "banho grande" pode comprometer a interpretação
ções do caso 4. Pode ser razoável esperar mais rejeições para
manipulações negativas se algumas empresas tomarem um "banho" quando operam em
vem declínios. Portanto, a tendência de sobre-rejeições no caso 4 pode
refletem este fenômeno. Sugerimos, no entanto, que a rejeição de 22%
taxa para o caso 4 observada no modelo de Jones não é inteiramente devido ao "grande
banho ", visto que essa frequência de rejeição é tão grande quanto
do caso 1, onde a manipulação é de 2% do ativo total líquido.
É mais fácil interpretar as rejeições em excesso para as empresas selecionadas aleatoriamente
(caso 2) ou para aqueles com aumento do ROA (caso 3). Isto é porque
poucas hipóteses de EM prevêem que as empresas administram a receita em uma direção em
todas as vezes ou que as empresas aumentam a receita relatada quando não gerenciada,
vem aumentos. Portanto, a evidência de rejeições excessivas para o Jones
modelo no caso 3 sugere que o modelo não controla adequadamente para
20 Notamos também que as simulações não são completamente independentes um do outro

já que a (s) mesma (s) empresa (s) podem ser selecionadas em mais de uma simulação. Isso, no entanto,
não deve comprometer as comparações dos modelos.
Página 13
os accruals não gerenciados relacionados ao desempenho econômico da empresa.

Tal sobre-rejeição não está presente nos modelos IVor GMM.
No balanço, os resultados da simulação indicam que os modelos IV superam
formar o modelo de Jones na proteção contra erros Tipo I e Tipo II. Dentro
particular, o modelo GMM é o mais bem sucedido em rejeitar corretamente
a hipótese nula, embora ofereça menos rejeições incorretas do que a
Modelo de Jones. Notamos, no entanto, que embora o modelo GMM seja o mais
robusto, pode não aliviar todas as questões estatísticas levantadas neste estudo.
Para entender a fonte da melhoria no GMM, nós estimamos
acasalou o modelo de Jones usando o estimador GMM. Enquanto a rejeição
a frequência melhora acentuadamente de 23% para 44% (caso 1) usando GMM,
as frequências de rejeição incorretas para os casos 3 e 4 não melhoram
dos resultados relatados na tabela 1. Este resultado sugere que, embora o
A estimativa do modelo de Jones pode ser melhorada usando o método GMM,
ainda está sujeito a um problema de variáveis omitidas. Em um estudo relacionado,
Dechow, Sloan e Sweeney [1995] sugerem uma versão modificada do
Modelo de Jones para melhorar sua detecção de EM baseado em receita. Contudo,
este modelo modificado não resolve o problema de variáveis omitidas ou
o problema da simultaneidade.2 '
4.5 EXTENSÕES
A abordagem IV também deve ser eficaz quando o particionamento varia

(PARTE) é afetado por EM. Por exemplo, pode-se supor que
a gestão manipula a receita para atender às previsões de EPS dos analistas de segurança
elencos. Neste caso, a variável de particionamento é EPS não gerenciado menos antes
elenco EPS, mas o EPS não gerenciado não pode ser observado no EM. Uma maneira de
especificar PART é usar o EPS não gerenciado estimado "retirando" o
proxy de acumulação gerenciado do EPS relatado. No entanto, pode ser mostrado
que OLS levará a uma correlação negativa espúria entre o homem
proxy de acumulação envelhecida e a variável de particionamento, independentemente de
EM ocorre.22 Além disso, uma segunda abordagem de usar a mudança no relatório
renda como a variável de partição induz uma correlação positiva se EM
21 Os resultados de Dechow, Sloan e Sweeney [1995] indicam que a falsa rejeição

as taxas do modelo modificado não são melhores do que as do modelo de Jones. Uma comunicação direta
comparação entre nossos resultados e os de Dechow, Sloan e Sweeney não é possível devido
às diferenças no design do teste. No entanto, as taxas de falsa rejeição do modelo de Jones
e o modelo modificado relatado em seu estudo (para empresas com desempenho financeiro "extremo"
desempenho) parecem comparáveis àqueles para o modelo de Jones em nossa tabela 1. Quanto à estatística
poder, o modelo GMM é capaz de rejeitar a hipótese nula em 47% dos casos quando o
o tamanho das acumulações administradas é de 2% dos ativos totais (cerca de 1% após os impostos), embora
nosso tamanho de amostra é apenas um décimo do deles.
22 Seja DAP a proxy de acumulação discricionária onde DAP = DA + 'R. A regressão nós-
o lucro não gerenciado estimado é DAP = f3 [(EPS-DAP) - FORC] + c, onde EPS
é a receita relatada e FORC é a previsão. Se os ganhos não forem gerenciados, EPS = EPS *
(EPS não gerenciado), e a regressão é DAP = 13 [(EPS * - DAP) - FORC] + E. Assim, o
o elemento comum DAP induz uma correlação negativa.
ocorre.23 Para examinar se o método IV alivia esse viés, nós ex-

perimentado com este caso, especificando PARTE como operação antes de impostos relatada -
renda menos a previsão (considerada a receita operacional do ano passado
renda) e estimar o modelo usando IVIGMM e o modelo de Jones.
Os resultados sugerem que a abordagem 1VIGMM supera significativamente
o modelo de Jones.
5. Conclusões
Em contraste com McNichols e Wilson [1988], que modelou um único ac-
contar com grande precisão em detrimento de escopo reduzido, nossa abordagem
é capturar uma porção maior de acumulações gerenciadas enquanto mitiga
sos problemas em usar essa abordagem. Nós aliviamos a variável omitida
problema usando todos os componentes principais da renda como regressores. Nós miti-
problemas de simultaneidade de porta e erros em variáveis usando a tecnologia baseada em IV
abordagem. Nossos resultados de simulação sugerem que os modelos IV oferecem um sinal
melhoria significativa em relação ao modelo de Jones, e que o método GMM
oferece a maior potência e robustez. Os benefícios incrementais de nós-
a abordagem IV deve aumentar à medida que o número de anos contaminados
pelos aumentos de gerenciamento de resultados.
O modelo pode ser aprimorado de várias maneiras. Por exemplo, re-
os pesquisadores devem considerar o uso de componentes de renda mais finos do que aqueles
neste artigo como regressores ou reformulando os regressores. Pesquisadores
também pode considerar a inclusão de constantes específicas de tempo ou empresa para permitir
choques temporais em toda a economia ou efeitos específicos da empresa. Além disso,
não há razão para limitar os instrumentos aos usados neste artigo.
Valores defasados de componentes de renda decompostos, resíduos defasados e
certas variáveis contemporâneas (por exemplo, despesas de capital ou mudanças
em dívida de longo prazo) são todos candidatos potenciais. Nosso modelo também pode ser
aplicado a situações em que há suspeita de gerenciamento de resultados no pe-
períodos adjacentes ao ano do evento, digamos T - 1 e T + 1. Nesta situação, não
ajuste ao modelo atual seria necessário se a operação gerenciada
cruals em T não estão relacionados com os regressores e os accruals gerenciados de
os períodos adjacentes. Um aspecto útil do estimador GMM é que ele sempre
nos permite testar tais suposições. Se a suposição for rejeitada, pode-se
especifique novamente os 6 parâmetros usando os valores defasados duas vezes ao invés do
23 Se os lucros forem gerenciados, o LPA relatado é LPA * + DA, enquanto DAP = DA + a.
Assim, a equação de regressão DAP = 1 [EPS - FORC] + E se reduz a DA + q = P [EPS * + DA

-FORC] + E. Neste caso, o elemento comum DA induz uma correlação positiva.
24 Os detalhes do experimento estão disponíveis com os autores. Com quase o mesmo
nível de manipulação como o caso 1, as frequências de rejeições corretas (negativas) sob o
Os modelos GMM, IV e Jones são 39%, 23% e 25%, respectivamente. As frequências de in
rejeições corretas (positivas) nos modelos GMM, IV e Jones são 2%, 2% e 10%,
respectivamente.
Página 15
outrora defasados. Melhorias e extensões ao longo dessas linhas são

avenidas de pesquisas futuras.
APÊNDICE A
Definições de Variáveis
Modelo IV / GMM:
ABi t =? 0 +? 1 [6, j REVit] + 02 [62, EXPit]

+ 03 [63i GPPEint] + fPARTi, t + ijt_
Jones [1991] Modelo:
LNTAtiIt [NTAi t = 1 7N'jTi j
FGPPE__1
+02 NTAii] +
f3PARTit + iy1, t.
ABi t = saldo de acumulação.

= ARi t + INV> nt + OCAi t - CL t - DEPi t.
Ai t = accruals.
= AARit + AINVZnt + AOCAit- ACL 't -DEPi, t.
ARi t = contas a receber, excluindo restituições de impostos (2-161).
INVi, t = estoque (3).
OCAjt = outros ativos circulantes que não caixa, contas a receber e inven-
história (4-1-2-3).
CL, t = passivo circulante excluindo impostos e vencimentos atuais
da dívida de longo prazo (5-71-44).
DEPi, t = depreciação e amortização (14).

REVi t = receita líquida de vendas (12).
EXP, t = despesas operacionais (custo dos produtos vendidos, venda e anúncio
despesas administrativas antes da depreciação) (12-13).
GPPEi, t = imobilizado bruto (7).
NTAit = ativo total líquido (6).
6I ARi t
REVS -1 *
NV. + OCAit- CL
62 i
EXPj-ti-t
DEPit -1
63i
= -
GPPE t -1
Os números dos itens de dados Compustat são fornecidos entre parênteses. Todas as variáveis ex-
incluindo a interceptação no modelo TVIGMM são deflacionados pelo total bruto
ativos de t- 1 (6 + 7 - 8).
REFERÊNCIAS
BEATTY, R. e R. VERRECCHIA. "O efeito de uma mudança contábil obrigatória no Cap-

italization Process. "Contemporary Accounting Research 5 (1989): 472-93.
BOYNTON, C .; P DOBBINS; E G. PLESKO. "Earnings Management and the Corporate Alterna-

imposto mínimo ativo. "Journal of Accounting Research (Supplement 1992): 131-53.
CAHAN, S.F "The Effect of Antitrust Investigation on Discretionary Accruals: A Refined

Test of the Political Cost Hypothesis. "The Accounting Review (janeiro de 1992): 77-98.
DEANGELO, H. e L. DEANGELO. "Negociações
Sindicais e Política Corporativa: Um Estudo de La-
Bor Concessões na Indústria Siderúrgica Doméstica durante a década de 1980. "Journal of Financial
Economics 30 (1991): 3-43.
DEANGELO, H .; L. DEANGELO; E DJ SKINNER. "Escolha contábil em empresas problemáticas."
Journal of Accounting and Economics (janeiro de 1994): 113-43.
DEANGELO, L.
"Números contábeis como substitutos da avaliação de mercado: um estudo de administração
ment Buyouts of Public Stockholders ". The Accounting Review (julho de 1986): 400-420.
. "Concorrência gerencial, custos de informação e governança corporativa: o uso
de Medidas de Desempenho de Contabilidade em Concursos de Procuração. "Journal of Accounting and
Economics (janeiro de 1988): 3-36.
DECHOW, P. M .; RG SLOAN; E A. P SWEENEY. "Detecção de gerenciamento de ganhos ." O AC-
Contagem de revisão (abril de 1995): 193-225.
DEFOND, ML E J. JIAMBALVO. "Violações do Pacto de Dívida e Manipulação de Provisões."

HANSEN, LP"Propriedades de grandes amostras do método generalizado de estimadores de momentos."

Econornetrica (julho de 1982): 1021-53.
HEALY, P. "Effect
of Bonus Schemes on Accounting Decisions." Jornal de Contabilidade e
Economics (abril de 1985): 85-107.
HEALY, P. E K. PALEPU. "A eficácia das restrições de dividendos com base na contabilidade."
JONES, J.
"O efeito da regulamentação do comércio exterior nas escolhas contábeis e na produção
and Investment Decisions. "Journal of Accounting Research (Spring 1991): 193-228.
KAPLAN, R. "The Comments on Paul Healy: Evidence of the Effect of Bonus Schemes on
Accounting Decisions. "Journal of Accounting and Economics (abril de 1985): 109-14.
JUIZ, GG;W. GRIFFITHS; RC HILL; AND T. LEE. Teoria e prática da econometria. Novo
York: Wiley, 1980.
LIBERTY, S. e J. ZIMMERMAN. "Negociações
de Contratos Sindicais e Contabilidade
Choices. "The Accounting Review (outubro de 1986): 697-712.
NEWEY, WK E KD WEST. "Um Simples, Semi-Definido Positivo, Heteroscedasticidade e Au-
tocorrelation Consistent Covariance Matrix. "Econometrica (maio de 1987): 703-8.
McNICHOLS, M. e P. WILSON. "Evidência de Gerenciamento de Resultados da Provisão para
Bad Debts. "Journal of Accounting Research (Supplement 1988): 1-31.
POURCIAU, S. "Gerenciamento de resultados e mudanças executivas não rotineiras." Journal of Ac-

count and Economics (julho de 1993): 317-36.
ZELLNER, A. "Sobre o problema de agregação: uma nova abordagem para um problema problemático."
Em Modelos Econômicos, Estimativa e Programação de Risco: Ensaios em Honra a Gerhard Tintner,
editado por KA Fox et al., pp. 365-74. Nova York: Springer-Verlag, 1969.

Ks Centro de Pesquisa em Contabilidade, Booth School of Business, Universidade de Chicago

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Ks Centro de Pesquisa em Contabilidade, Booth School of Business, Universidade de Chicago

Enviado por

Direitos autorais:

Formatos disponíveis

20/06/2021 Centro de Pesquisa em Contabilidade, Booth School of Business, Universidade de Chicago

Centro de Pesquisa em Contabilidade, Booth School of Business, Universidade de Chicago

Problemas no gerenciamento de resultados de teste e uma abordagem de variável instrumental

Journal of Accounting Research

Problemas no teste de ganhos

Página 3354 REVISTA DE PESQUISA CONTÁBIL, OUTONO 1995

2. Questões metodológicas no gerenciamento de resultados

DAit = a PARTit + dint ' (1)

onde DAi t é o verdadeiro acúmulo gerenciado (discricionário) para a empresa i e

onde NAEST é uma estimativa de NA er é o erro de medição.

A = DA + NA = P PART + NAEST + ? + a. (3)

O principal metodológico questões relacionadas ao NAEST e sua medição

Página 4 TESTE DE GESTÃO DE RESULTADOS 355

4 O controle das condições econômicas atuais também seria importante se os gestores

Página 5356 SOK-HYON KANG E K. SIVARAMAKRISHNAN

relacionadas a receitas e despesas. Estudos recentes como Jones [1991]

Vários recursos do sistema de contabilidade de exercício motivam nossa estimativa

REVt = REV * + DAs (4a)

onde REVt se refere às receitas relatadas (observadas), REVtS representa

5Pourciau [1993], Boynton, Dobbins e Plesko [1992] e DeFond e Jiambalvo

Página 6 TESTE DE GESTÃO DE RESULTADOS 357

ABt = ARt + INVt + OCA t - CL t - DEPt

+ (DA '+ DAe + DAd)

onde AB * são os "saldos de acumulação" não gerenciados; 8 INVT, OCA * e

3.2 O MODELO ECONOMÉTRICO

8 O termo saldo acumulado é um termo impróprio porque inclui depreciação,

ABt = AB * + DAt = AR + ABP * + DEP + DAt

= -0 + 01 [61 REV *] +? 2 [a2EXP "] (6)

+ 03J63 GPPE] + 1 PARTEt + t,

ARTh APB a3- DEPt-

nesta seção, fornecemos algumas evidências sobre isso, realizando

onde NTAt 1 é o total de ativos líquidos do período t - 1. Estimamos o IV

Construímos uma amostra combinada de empresas sobreviventes e não sobreviventes

12 Agradecemos ao árbitro por sugerir esta comparação.

Página 9360 SOK-HYON KANG E K. SIVARAMAKRISHNAN

(DeAngelo, DeAngelo e Skinner [1994]). Essas restrições geram um

4.2 DESCRIÇÃO DOS PROCEDIMENTOS DE SIMULAÇÃO

Estamos interessados ​não apenas na capacidade do modelo de detectar EM quando

Página 10 TESTE DE GESTÃO DE RESULTADOS 361

Usamos procedimentos idênticos para testar erros Tipo I, exceto

A Tabela 1 resume os resultados da simulação, mostrando a frequência de rejeição

19 Agradecemos ao árbitro por levantar esta questão.

362 SOK-HYON KANG E K. SIVARAMAKRISHNAN

Positivo e significativo 33% 4% 4% 3%

Mediana 1.879% N/D N/D N/D

Mínimo 0,064% N/D N/D N/D

Máximo 30,469% N/D N/D N/D

Dimensionado pelo valor absoluto da receita operacional pré-impostos

Mediana 13,038% N/D N/D N/D

Mínimo 0,405% N/D N N/D

Máximo 111,266% N/D N/D N/D

aA amostra de simulação é retirada de 2.829 empresas, 1.181 do arquivo Colmpustat Priimary-Supplementary-7ertiary

Página 12 TESTE DE GESTÃO DE RESULTADOS 363

uma melhoria de cerca de 40% em relação ao modelo Jones. O fre-

Os resultados da simulação devem ser interpretados com cuidado porque

20 Notamos também que as simulações não são completamente independentes um do outro

os accruals não gerenciados relacionados ao desempenho econômico da empresa.

A abordagem IV também deve ser eficaz quando o particionamento varia

21 Os resultados de Dechow, Sloan e Sweeney [1995] indicam que a falsa rejeição

Página 14 TESTE DE GESTÃO DE RESULTADOS 365

ocorre.23 Para examinar se o método IV alivia esse viés, nós ex-

23 Se os lucros forem gerenciados, o LPA relatado é LPA * + DA, enquanto DAP = DA + a.

Assim, a equação de regressão DAP = 1 [EPS - FORC] + E se reduz a DA + q = P [EPS * + DA

Estamos interessados não apenas na capacidade do modelo de detectar EM quando