4.

Results

4.1 The predictive ability of earnings and various cash flow measures

Panel A dari Tabel II menyajikan ringkasan statistik model regresi OLS univariat
selama periode sampel 1992-2001. Hasil pengujian Vuong untuk pemilihan model
menunjukkan bahwa keunggulan CFO tahun sebelumnya terhadap EARNS, WCFO dan
EDPR tahun tersebut dalam menjelaskan variasi dari tahun berjalan, bahwa CFO signifikan
0,01 diikuti oleh EDPR, yang memiliki kekuatan penjelas yang secara signifikan lebih tinggi
daripada EARNS dan WCFO pada tingkat 0,01, sedangkan kekuatan penjelas EARNS secara
signifikan lebih tinggi daripada WCFO pada tingkat 0,05.

Hasil peramalan out-of-sample selama periode 2002-2004 dilaporkan dalam Panel B

dari Tabel II. Dekomposisi koefisien ketimpangan Theil menunjukkan bahwa variabilitas
CFO antara tahun 2002 dan 2004 jauh lebih besar daripada CFO yang diprediksi untuk Model
3. Sejalan dengan hasil ini, nilai koefisien ketidaksetaraan Theil menunjukkan prediktabilitas
Model 3 untuk arus kas masa depan itu terendah di antara model-model tersebut. Selanjutnya,
ukuran kesalahan peramalan ini terendah untuk Model 4 dan Model 2 memiliki koefisien
ketimpangan Theil yang lebih rendah dibandingkan Model 1.

Hasil peramalan dalam sampel dan di luar sampel penelitian secara konsisten
menunjukkan bahwa CFO memiliki kemampuan yang lebih tinggi untuk memperkirakan arus
kas masa depan daripada EARNS, EDPR, dan WCFO. Selain itu, prediktabilitas EARNS
lebih rendah dari EDPR, namun lebih tinggi dari WCFO.

4.2 Effect of firm size

 Panel A pada Tabel III melaporkan ringkasan hasil regresi Model 1 dan 4 setelah
mengelompokkan perusahaan berdasarkan ukuran menjadi perusahaan kecil, menengah dan
besar. Hasil di table III mengungkapkan bahwa bahwa CFO memiliki kekuatan lebih dalam
menjelaskan arus kas masa depan daripada EARNS setelah mengelompokkan perusahaan
menurut ukuran.

Pada Tabel III Panel B, hasil penelitian menunjukkan bahwa :

 Prediktabilitas EARNS dan CFO untuk meramalkan arus kas masa depan lebih
tinggi untuk perusahaan besar daripada untuk perusahaan menengah dan kecil.
 CFO adalah prediktor arus kas masa depan yang lebih baik daripada EARNS.
 Prediktabilitas EARNS dan CFO untuk meramalkan arus kas masa depan lebih
tinggi untuk perusahaan besar daripada untuk perusahaan menengah dan kecil.
 CFO adalah prediktor arus kas masa depan yang lebih baik daripada EARNS,
bahkan setelah memasukkan ukuran perusahaan sebagai faktor kontrol yang
penting.
 Prediktabilitas EARNS dan CFO untuk meramalkan arus kas masa depan lebih
tinggi untuk perusahaan besar daripada untuk perusahaan menengah dan kecil.
 CFO adalah prediktor arus kas masa depan yang lebih baik daripada EARNS,
bahkan setelah memasukkan ukuran perusahaan sebagai faktor kontrol yang
penting.

4.3 Further results

 Tabel IV dan V berisi hasil estimasi ulang model regresi berdasarkan metodologi efek
tetap. Hasil dari pengujian F (Panel A dari Tabel IV dan V) menunjukkan bahwa uji F
statistik signifikan secara statistik pada tingkat 0,01 untuk semua analisis. Oleh karena itu
menolak hipotesis nol bahwa penyadapan itu sama. Panel B pada Tabel IV mengungkapkan
bahwa proporsi kovarians jelas lebih tinggi daripada proporsi bias dan varians untuk semua
Model. Peneliti menyimpulkan bahwa bukti itu mendukung hasil OLS bahwa CFO adalah
prediktor arus kas masa depan yang lebih baik daripada EARNS dan ukuran CFO tradisional.

Hasil dari regresi efek tetap Model 1 dan 4 setelah mengelompokkan perusahaan
berdasarkan ukuran dilaporkan di Panel A dan B dari Tabel V. Hal ini menunjukkan bahwa
prediktabilitas CFO lebih tinggi daripada EARNS yang mengendalikan ukuran perusahaan
dan efek tetap. Selanjutnya, kekuatan prediksi CFO dan EARNS meningkat dengan ukuran
perusahaan. Implikasi umum dari peramalan arus kas masa depan dalam sampel dan di luar
sampel dalam pendekatan efek tetap adalah bahwa prediktabilitas model penelitian ini untuk
sampel total dan di seluruh perusahaan kecil, menengah dan besar dapat ditingkatkan.

5. Summary and Conclusions

 Penelitian ini menguji isi informasi relatif dari pendapatan dan data arus kas
dalam meramalkan arus kas masa depan, untuk menentukan apakah
pendapatan berbasis akrual atau arus kas yang dilaporkan dari operasi adalah
 prediktor yang lebih baik dari arus kas masa depan dalam pengaturan
pemasaran modal Australia.
 Untuk menganalisis data, peneliti menggunakan empat model regresi univariat
OLS yang dikembangkan dan menunjukkan bahwa metode itu dapat
meningkatkan hubungan antara ukuran akuntansi dan arus kas masa depan dan
harus dipertimbangkan dalam penelitian prediksi arus kas masa depan.
 Penelitian ini sejalan dengan penelitian Clinch et al. (2002) tentang the
Australian evidence, yang melaporkan kekuatan penjelasan tambahan dari
komponen arus kas operasi untuk pengembalian saham, menyoroti pentingnya
pelaporan arus kas dari operasi ke pelaku pasar modal Australia.
 Temuan penelitian ini gagal untuk mengkonfirmasi bukti empiris yang
diberikan oleh penelitian sebelumnya (misalnya Bowendkk., 1986; Percy dan
Stokes, 1992) dalam ukuran tradisional arus kas lebih relevan daripada arus
kas dari operasi.
 Temuan penelitian ini mendukung keputusan kebijakan AASB untuk
mengamanatkan pelaporan laporan arus kas alih-alih laporan dana.
 Hasil penelitian dalam hal ukuran perusahaan menyiratkan bahwa pengguna
informasi akuntansi harus berhati-hati dalam menilai utilitas laba dan ukuran
arus kas dalam meramalkan arus kas masa depan karena ukuran perusahaan
menurun.
 Keterbatasan penelitian ini yang pertama, peneliti hanya menggunakan one-
year lagged variables (variabel tertinggal satu tahun) untuk memprediksi arus
kas saat ini. Oleh karena itu, cakrawala perkiraan kami terbatas. Kedua, hasil
penelitian mungkin dipengaruhi oleh survivorship bias (bias kelangsungan
hidup).
 Penelitian masa depan yang berhubungan dengan masalah ini dapat
memperluas studi dalam hal data, sampel cakrawala dan termasuk variabel
kontrol tambahan seperti siklus hidup, keanggotaan industri, leverage
keuangan atau operasi (dan risiko).