T1 232009045 Full Text - Institutional...

1

1. PENDAHULUAN

Perkembangan pasar obligasi di Indonesia mengakibatkan semakin pentingnya

ketersediaan informasi bagi investor atau kreditor untuk mengukur risiko investasi obligasi

(Christina et al, 2010).Tujuan utama dari investor atau kreditor mengetahui resiko investasi

obligasi yaitu untuk melihat para emiten obligasi atau debitur dapat membayar pinjaman

pokok beserta bunganya atau tidak. Jika emiten obligasi atau debitur tidak dapat membayar

pinjaman pokok beserta bunga mereka dapat dikatakan bahwa resiko investasi yang

dipegang oleh para investor atau kreditor sangat besar. Adanya risiko emiten

obligasi/debitor tidak mampu membayar pinjaman pokok beserta bunganya (risiko default)

menyebabkan keberadaan lembaga pemeringkat obligasi seperti Moody’s dan Standard &

Poor’s (di Amerika Serikat), atau PT Pemeringkat Efek Indonesia (PEFINDO) dan PT

Moody’s Indonesia (di Indonesia) semakin dibutuhkan untuk membantu investor dalam

melakukan estimasi atas risiko tidak terbayarnya pokok pinjaman dan bunga obligasi

(Christina et al, 2010). Hal tersebut menyebabkan semakin bertambah pentingnya

peringkat kredit yang diberikan untuk setiap penerbitan obligasi oleh suatu perusahaan

(Frost, 2007).

Dalam melakukan penilaian terhadap risiko kredit suatu perusahaan dan proses

pemberian peringkat baik terhadap obligasi maupun surat hutang lainnya yang diterbitkan

oleh perusahaan, PEFINDO mensyaratkan beberapa hal, salah satunya adalah laporan

keuangan perusahaan yang telah diaudit selama 5 tahun terakhir dan sekurang-kurangnya

selama 2 tahun terakhir oleh KAP yang teregistrasi di Bapepam. Pemberian Peringkat

dilakukan setiap sebulan sekali berdasarkan pada frekuensi perdagangan di bursa dan harga

saham.

2

Manajemen laba adalah salah satu faktor yang menentukan kualitas laporan

keuangan perusahaan. Penelitian yang dilakukan oleh Mills dan Newberry (2001), Manzon

dan Plesko (2002), serta Ayers et al (2008) menemukan bahwa taxable income dapat

menjadi indikator atas kualitas laba yang lebih informatif dibandingkan dengan book

income untuk perusahaan-perusahaan yang melakukan manajemen laba.

Menurut Crabtree dan Maher (2009), book-tax differences dalam jumlah besar

dapat menjadi pertanda kualitas laba perusahaan yang rendah. Apabila laba yang

dilaporkan perusahaan telah menjadi objek manipulasi dan manajemen laba, laba

perusahaan akan menunjukkan persistensi yang rendah di masa depan, maka hal ini akan

semakin meningkatkan risiko perusahaan tidak mampu membayar pokok obligasi dan

bunganya di masa depan (risiko default). Untuk itu Crabtree dan Maher (2009) dalam

Christina et al (2010) melakukan penelitian mengenai pengaruh book-tax differences

terhadap penentuan peringkat obligasi oleh analis kredit atau lembaga pemeringkat.

Penelitian Crabtree dan Maher (2009) menemukan bahwa perusahaan yang

memiliki book-tax differences yang besar akan menghasilkan penurunan pada peringkat

obligasi perusahaan tersebut dan large(small) tax-to-book ratios akan menghasilkan

penurunan pada peringkat obligasi perusahaan tersebut. Hasil Penelitian tersebut berbeda

dengan hasil dari penelitian serupa yang juga dilakukan oleh Christina et al (2010) pada

perusahaan manufaktur di Indonesia dan hasilnya menyatakan bahwa perusahaan-

perusahaan yang memiliki book-tax differences yang semakin besar akan menghasilkan

peningkatan pada peringkat obligasi perusahaan tersebut demikian juga large(small) tax-

to-book ratios.

Oleh karena hasil penelitian sebelumnya belum konsisten maka penelitian ini

dilakukan sebagai replikasi dari penelitian yang dilakukan oleh Christina et al (2010) yang

telah menguji pengaruh perbedaan Taxable Income dan Book Income (Book-Tax

3

Differences) terhadap peringkat obligasi pada Pasar Kredit Obligasi selama tahun 2003-

2008 dengan sampel perusahaan manufaktur dan non-manufaktur. Akan tetapi, yang akan

membedakan penelitian sebelumnya dengan penelitian ini yaitu menggunakan data sampel

perusahaan jasa keuangan dengan memperpanjang periode tahun 2003-2010 untuk

menambah jumlah observasi penelitian sehingga dengan data yang semakin banyak dapat

memperoleh sampel yang konsisten setiap periode dalam jumlah banyak. Penelitian ini

menggunakan dua komponen book-tax differences yang diduga mempengaruhi peringkat

obligasi di Indonesia yaitu, pajak tangguhan (deffered tax) dan rasio pajak (tax-to-book

ratios).

Penelitian ini diharapkan dapat memberikan manfaat bagi pihak investor untuk

meminimalkan risiko investasinya yakni dengan mempertimbangakan nilai book-tax

differences dan tax-to-book ratios. Juga diharapkan menjadi referensi bagi penelitian

terkait.

2. TINJAUAN PUSTAKA DAN PENYUSUNAN HIPOTESIS

Terdapat bukti empiris bahwa jika ada kenaikan peringkat obligasi, sering diikuti

dengan kenaikan harga saham. Sebaliknya penurunan peringkat obligasi pada umumnya

menyebabkan harga saham turun. Fenomena ini dapat dianggap sebagai bukti bahwa para

investor lebih menyukai obligasi dari pada capital gains. Tapi kenaikan peringkat obligasi

yang diatas biasanya merupakan suatu sinyal kepada para investor bahwa manajemen

perusahaan meramalkan suatu penghasilan yang baik di masa mendatang. Teori Signaling

Hypotesis ini menyatakan adanya sinyal good news atau sinyal bad news bagi perusahaan

jika ada efek dari peningkatan atau penurunan peringkat obligasi dari sebuah perusahaan.

4

Prinsip Akuntansi yang Berlaku Umum (PABU) dianggap memberikan diskresi

yang lebih besar kepada pihak manajemen perusahaan dibandingkan dengan Undang-

Undang perpajakan sehingga manajemen menggunakan diskresi tersebut untuk melakukan

manajemen laba. Akibatnya dapat terjadi perbedaan yang besar antara book income dan

taxable income (book-tax differences) yang kemudian berdampak pada jumlah beban pajak

tangguhan (deffered tax expense) yang meningkat. Phillips et al. (2003) mengemukakan

bahwa book-tax differences yang bersifat temporer yang tercermin dalam deferred tax

expense akan membantu memisahkan tindakan diskresi manajer dari pilihan-pilihan non-

diskresi. Deferred tax expense lebih akurat dibandingkan dengan ukuran-ukuran akrual

lainnya dalam mengklasifikasikan perusahaan yang melakukan manajemen laba untuk

menghindari kerugian dan penurunan laba. Oleh karena itu Phillips et al. (2003)

berpendapat bahwa informasi yang terkandung dalam deferred tax expense lebih berguna

untuk mendeteksi manajemen laba daripada model akrual yang dikembangkan oleh Healy

(1985), Jones (1991), dan Dechow et al. (1995).

Hanlon (2005) juga meneliti peranan book-tax differences dalam mengindikasikan

persistensi laba, akrual, dan arus kas untuk laba satu tahun ke depan. Dalam melakukan

penelitian tersebut, Hanlon (2005) menggunakan deferred taxes sebagai proksi book-tax

differences. Hasil penelitian tersebut menunjukkan bahwa perusahaan dengan book-tax

differences dalam jumlah besar serta bernilai positif dan negatif (large positive book-tax

differences dan large negative book-tax differences) mempunyai laba yang kurang

persisten dibandingkan perusahaan yang mempunyai book-tax differences dalam jumlah

kecil (small book-tax differences). Large positive deferred taxes merupakan pajak

tangguhan besar yang dimiliki perusahaan dan merupakan kelebihan pembayaran sehingga

bernilai positif, sedangkan large negative deferred taxes adalah pajak tangguhan besar

yang dimiliki perusahaan dan merupakan kurang bayar sehingga bernilai negatif.

5

Penelitian Crabtree dan Maher (2009) menggunakan kerangka pemikiran Phillips

et al. (2003) dan hasil penelitian Hanlon (2005) tersebut untuk melanjutkan penelitian

mengenai pengaruh book-tax differences terhadap penentuan peringkat obligasi oleh analis

kredit atau lembaga pemeringkat. Penelitian yang dilakukan oleh Crabtree dan Maher

(2009) menemukan bahwa large positive deferred taxes dan large negative deferred taxes

berpengaruh negatif dan signifikan terhadap RATING, artinya perusahaan-perusahaan

yang memiliki large positive deferred taxes dan large negative deferred taxes akan

mengalami penurunan peringkat obligasi. Large positive deferred taxes (pajak tangguhan

yang harus dibayar perusahaan) adalah pajak tangguhan bernilai positif dan besar yang harus

dibayar perusahaan.

Hal ini berlawanan dengan penelitian Christina et al(2010) pada perusahaan

manufaktur yang terdaftar di BEI yang menemukan bahwa large positive deferred taxes

berpengaruh positif namun tidak signifikan dan large negative deferred taxes berpengaruh

positif dan siginifikan terhadap RATING. Artinya perusahaan-perusahaan yang memiliki

book-tax differences yang besar akan menghasilkan peningkatan pada peringkat obligasi

perusahaan tersebut.

Crabtree dan Maher (2009) menyimpulkan bahwa book-tax differences dalam

jumlah besar dapat menjadi pertanda kualitas laba perusahaan yang rendah. Selain itu,

book-tax differences yang sangat besar juga menunjukkan adanya kemungkinan

perusahaan melakukan off-balance sheet financing, misalnya dengan tidak mengakui

hutang atau kewajiban perusahaan dalam laporan keuangan. Hal tersebut dapat menjadi

peringatan dini bagi analis kredit atau lembaga pemeringkat bahwa mereka tidak dapat lagi

bergantung pada laba yang dilaporkan untuk menilai kinerja perusahaan di masa depan.

Maka kesimpulannya semakin besar deferred taxes bernilai positif yang dimiliki

perusahaan mengindikasikan bahwa kinerja perusahaan baik karena memiliki kelebihan

6

pembayaran pajak tangguhan dan bernilai positif sehingga akan semakin besar

kemungkinan manajemen melakukan manajemen laba. Hal ini menyebabkan laba

akuntansi (book income) yang dilaporkan menjadi terdistorsi dan meningkatkan

ketidakpastian bagi analis kredit dan lembaga pemeringkat dalam menilai kinerja

perusahaan di masa depan. Hal ini meningkatkan risiko kredit dan sehingga menurunkan

peringkat obligasi perusahaan tersebut. Jadi perusahaan yang memiliki pajak tangguhan

besar bernilai positif tentunya akan memperoleh peringkat obligasi lebih rendah. Oleh

karena itu, maka dirumuskan hipotesis penelitian sebagai berikut :

H1a: Perusahaan-perusahaan yang memiliki pajak tangguhan besar yang bernilai

positif (large positive deferred taxes) akan memperoleh peringkat (rating)

obligasi yang lebih rendah pada saat penentuan peringkat (rating) obligasi.

Semakin besar deferred taxes bernilai negatif mengindikasikan kinerja perusahaan

dalam kondisi buruk karena kurang bayar sehingga akan semakin menurunkan

kemungkinan perusahaan untuk melakukan manajemen laba sehingga semakin besar risiko

default perusahaan sehingga berpotensi tidak mampu membayar kewajiban jangka

panjangnya di masa depan. Lembaga pemeringkat memberikan peringkat rendah karena

adanya penghasilan sebelum pajak yang diperoleh lebih kecil daripada penghasilan setelah

pajak yang dibayarkan sehingga menunjukkan kinerja perusahaan yang kurang baik. Jadi

karena menunjukkan kinerja yang kurang baik maka perusahaan dengan pajak tangguhan

besar negatif tentunya akan memperoleh peringkat obligasi lebih rendah. Oleh karena itu,

hipotesis yang diajukan selanjutnya adalah:

H1b: Perusahaan-perusahaan yang memiliki pajak tangguhan besar yang bernilai

negatif (large negative deferred taxes) akan memperoleh peringkat (rating)

obligasi yang lebih rendah pada saat penentuan peringkat (rating) obligasi.

7

Large tax-to-book ratios merupakan rasio perbandingan penghasilan kena pajak

dengan laba sebelum pajak menurut pembukuan perusahaan yang lebih besar sedangkan

small tax-to-book ratios merupakan perbandingan antara laba pajak dengan laba buku

perusahaan yang kecil. Penelitian yang dilakukan oleh Crabtree dan Maher (2009)

menyimpulkan bahwa perusahaan yang memiliki large tax-to-book ratios mengindikasikan

perusahaan tidak memiliki kemampuan untuk melakukan perencanaan pajak (tax planning)

untuk meminimalkan beban pajaknya dibandingkan dengan industri yang sejenis.

Ketidakmampuan melakukan manajemen pajak menyebabkan penilaian yang negatif dari

analis kredit bahwa perusahaan tersebut tidak mampu menggunakan sumber daya yang

tersedia untuk meminimalkan pembayaran pajak dan meningkatkan jumlah arus kas

perusahaan untuk membayar kewajiban jangka panjangnya. Oleh karena itu, analis kredit

atau lembaga pemeringkat diduga akan memberikan peringkat obligasi yang lebih rendah

kepada perusahaan yang memiliki large tax-to-book ratios.

Penelitian yang dilakukan oleh Crabtree dan Maher (2009) menemukan bahwa

large tax-to-book ratios dan small tax-to-book ratios berpengaruh negatif dan signifikan

terhadap RATING. Artinya perusahaan-perusahaan yang memiliki large tax-to-book

ratios dan small tax-to-book ratios akan memperoleh penurunan peringkat obligasi. Hal

ini disebabkan karena perusahaan dengan pajak tangguhan besar menunjukkan kinerja

kurang baik sehingga memiliki peringkat obligasi lebih rendah. Maka hipotesis pada

penelitian ini adalah sebagai berikut:

H2a: Perusahaan-perusahaan yang memiliki rasio penghasilan kena pajak (taxable

income) terhadap laba akuntansi (book income) yang besar (large tax-to-book

ratios) akan memperoleh peringkat (rating) obligasi yang lebih rendah pada

saat penentuan peringkat (rating) obligasi.

8

Crabtree dan Maher (2009) juga mengeksplorasi kemungkinan perusahaan yang

memiliki small tax-to-book ratios untuk memperoleh peringkat yang lebih rendah pada saat

penentuan peringkat obligasi perusahaan tersebut. Argumen yang mendasari kerangka

berpikir tersebut adalah small tax-to-book ratios yang dimiliki perusahaan dapat

mengindikasikan bahwa manajemen berusaha melakukan manajemen laba dan off-balance

sheet financing untuk meningkatkan book income pada periode saat ini sehingga

mengakibatkan menurunnya book income di masa mendatang. Dengan adanya manajemen

laba yang dilakukan ini berarti kinerja kurang baik sehingga perusahaan akan memiliki

peringkat obligasi lebih rendah. Berdasarkan kerangka pemikiran ini, maka hipotesis

selanjutnya yang diajukan adalah:

H2b: Perusahaan-perusahaan yang memiliki rasio penghasilan kena pajak (taxable

income) terhadap laba akuntansi (book income) yang kecil (small tax-to-book

ratios) akan memperoleh peringkat (rating) obligasi yang lebih rendah pada

saat penentuan peringkat (rating) obligasi.

3. POPULASI DAN SAMPEL

Populasi pada penelitian ini adalah semua perusahaan keuangan yang terdaftar

di BEI pada tahun 2003-2011yakni sebanyak 15 perusahaan. Alasan digunakannya

perusahaan jasa keuangan karena perusahaan keuangan memiliki karakteristik yang

berbeda dan harus lebih memiliki reputasi yang baik dimata nasabahnya sehingga

peringkat obligasi mendapatkan perhatian serius.

9

Tabel 1. Kriteria Sampel

Keterangan Jumlah

Jumlah Perusahaan Jasa Keuangan yang terdaftar di BEI

23

Datanya tidak lengkap (8)

Sampel terpilih 15

4. MODEL PENELITIAN

Penelitian ini menggunakan metode pengujian ordinal logit regression. Ordered

logit model yang biasa disingkat dengan nama ologit juga dikenal dengan sebutan

proportional odds model adalah regresi model untuk ordinal variabel dependen yang

digunakan untuk prediksi probabilitas terjadinya suatu peristiwa oleh data yang cocok

untuk fungsi logit kurva logistik. Ini adalah model linier umum yang digunakan untuk

regresi binominal. Seperti banyak bentuk analisis regresi, model ini juga menggunakan

beberapa variabel prediktor yang mungkin, baik numeric atau kategoris (Hair et al, 1998).

LANGKAH ANALISIS:

Penelitian ini menggunakan alat analisis regresi logistik karena variabel

dependennya berbentuk ranking atau rating (Ghozali, 2005). Sebelum dilakukan analisis

regresi logistik, terlebih dahulu diuji pemenuhan asumsi kelayakan sebagai berikut:

1. Uji Kelayakan Model Regresi

Kelayakan pertama model regresi dinilai dengan menggunakan Hosmer and

Leweshow’s Goodness of Fit Test. Hosmer and Leweshow’s Goodness of Fit Test

menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model (tidak ada

perbedaaan antara model dengan data sehingga model dapat dikatakan fit). Jika nilai

statistik Hosmer and Leweshow’s Goodness of Fit lebih besar daripada 0,05 maka

hipotesis nol tidak dapat ditolak dan berarti model mampu memprediksi nilai

10

observasinya atau dapat dikatakan model diterima karena sesuai dengan data

observasinya (Ghozali, 2005, h. 219).

2. Uji Model Fit

Dalam menilai model fit, digunakan Likelihood L. Ghozali (2005, h. 218-

219) mendefinisikan Likelihood L dari model adalah probabilitas bahwa model yang

dihipotesiskan menggambarkan data input. Untuk menguji hipotesis nol dan

alternatif, L ditransformasikan menjadi -2LogL. Statistik -2LogL kadang-kadang

disebut likelihood rasio x2 statistics, dimana x2 distribusi dengan degree of freedom

n-q, q adalah jumlah parameter dalam model.

Statistik -2LogL dapat juga digunakan untuk menentukan jika variabel

bebas ditambahkan ke dalam model apakah secara signifikan memperbaiki model

fit. Selisih -2LogL untuk model dengan konstanta saja dan -2LogL untuk model

dengan konstanta dan variabel bebas didistribusikan sebagai x2 dengan df (selisih df

kedua model).

3. Koefisien Determinasi

Nilai Nagelkerke’s R square dapat diintepretasikan seperti R2 pada multiple

regression (Ghozali, 2005, h.219). Nilai Nagelkerke’s R square menunjukkan

seberapa besar variabilitas variabel dependen yang dapat dijelaskan oleh variabel

independen.

4. Menilai Ketepatan Prediksi (Matriks Klasifikasi)

Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk

memprediksi faktor yang mempengaruhi variabel dependen. Tabel klasifikasi 2 x 2

(karena 4 kolom tabel klasifikasi sesuai teori yang ada) menghitung nilai estimasi

yang benar (correct) dan salah (incorrect) (Ghozali, 2005, h.220).Yang akan

diprediksi adalah seberapa tepat variabel independen dapat memprediksi atau

11

mempengaruhi variabel dependen. Variabel dependen yang digunakan dalam

penelitian ini adalah peringkat obligasi (bond ratings) yang dikeluarkan oleh PT

Pemeringkat Efek Indonesia (PEFINDO) untuk obligasi yang diterbitkan oleh

perusahaan-perusahaan yang terdaftar di Bursa Efek Indonesia (BEI). Variabel

dependen ini diproksikan dengan variabel RATING.

Variabel independen yang digunakan dalam penelitian ini berasal dari data

laporan keuangan perusahaan.Variabel independen ini terdiri dari variabel utama

dan variabel kontrol. Variabel utama merupakan dua buah proksi dari book-tax

differences yaitu large positive deferred taxes (LPOSDefTax) dan large negative

deferred taxes (LNEGDefTax) serta large tax-to-book ratios (LargeTB) dan small

tax-to-book-ratios (SmallTB). Model yang diteliti juga terdiri dari delapan variabel

independen yang secara garis besar merepresentasikan karakteristik perusahaan yang

berhubungan dengan peringkat (RATING) obligasi perusahaan yang

direpresentasikan oleh: (1) ASSETS, (2) DEBT, (3) INCOME, (4) BETA, (5)

CASHFLOWS, (6) TACC, dan (7) PPE. Model penelitian ini menggunakan variabel

dummy tahun (DUM_YEAR2004-2010) untuk membedakan sampel berdasarkan

tahun diumumkannya peringkat dengan tahun 2003 sebagai tahun dasar (base year).

Penelitian ini menggunakan data sekunder berupa data peringkat obligasi

dari PT. Pemeringkat Efek Indonesia (PEFINDO) yakni peringkat pada akhir tahun

yang dibservasi. Data sekunder lainnya adalah berupa laporan keuangan perusahaan

(laporan tahunan perusahaan) yang terdiri dari laporan laba rugi, neraca, laporan

arus kas, dan catatan atas laporan keuangan dari perusahaan yang menjadi emiten

obligasi dan sahamnya terdaftar di Bursa Efek Indonesia (BEI) untuk periode 2003

sampai dengan 2010.

12

Model I

RATINGj = β0 + β1 LPOSDefTax j + β2 LNEGDefTax j + β3 ASSETSj + β4 DEBT j + β5 BETA j + β6

INCOME j + β7 CASHFLOWS j + β8 TACC j + β9 PPE j + β10 DUM_YEAR2004-

2010 j + εj

Model II

RATINGj = β0 + β1 LargeTB j + β2 SmallTB j + β3 ASSETSj + β4 DEBT j + β5 BETA j + β6 INCOME

j + β7 CASHFLOWS j + β8 TACC j + β9 PPE j + β10 DUM_YEAR2004-2010 j + εj

Dimana :

LPOSDefTax : Pajak tangguhan yang besar dan bernilai positif (Large Positive Deferred Tax).

Menggunakan variabel dummy bernilai 1 jika nilai 25% teratas dan sebaliknya.

LNEGDefTax : Pajak tangguhan yang besar dan bernilai negatif (Large Negative Deferred Tax).

Menggunakan variabel dummy bernilai 1 jika nilai 25% terbawah dan sebaliknya.

LargeTB : Rasio pajak yang besar (Large Tax to Book Ratio).

Ukuran besar adalah jika diatas nilai rata-rata adalah besar, menggunakan dummy

1 dan sebaliknya.

SmallTB : Rasio pajak yang kecil (Small Tax to Book Ratio).

Ukuran kecil adalah jika dibawah nilai rata-rata adalah kecil, menggunakan

dummy 1 dan sebaliknya.

ASSET : Log dari total aset.

DEBT : Jumlah hutang jangka panjang yang dibagi oleh total aset.

BETA : Jumlah obligasi yang beredar pada perusahaan.

INCOME : Jumlah laba operasional yang dibagi oleh total aset.

CASHFLOWS : Jumlah total arus kas dari kegiatan operasi.

TACC : Total Accruals.

PPE : Jumlah aset tetap (Plant, Property, and Equipment).

DUM_YEAR : Variabel dummy pada tahun laporan keuangan dimana laporan

keuangan perusahaan yang berada pada tahun kedelapanakan bernilai

1 dan akan bernilai 0 untuk yang berada pada tahun kesatu sampai

dengan tahun ketujuh.

RATINGj : peringkat obligasi untuk masing-masing perusahaan, diukur dengan:

13

Klasifikasi Peringkat Obligasi

Peringkat obligasi Klasifikasi peringkat Kategori peringkat AAA 7 Investment AA+ 6 Investment

AA 6 Investment

AA- 6 Investment

A+ 5 Investment

A 5 Investment

A- 5 Investment

BBB+ 4 Investment

BBB 4 Investment

BBB- 4 Investment

BB+ 3 Speculative BB 3 Speculative

BB- 3 Speculative

B+ 2 Speculative

B 2 Speculative

B- 2 Speculative

CCC+ 1 Speculative

CCC 1 Speculative

D 1 Speculative

Sumber: Setyaningrum (2005) dalam Ashbaugh (2004)

Kriteria penerimaan hipotesis:

1. Jika nilai signifikansi < 0,05 maka hipotesis diterima.

2. Jika nilai signifikansi > 0,05 maka hipotesis ditolak.

14

5. HASIL DAN PEMBAHASAN

5.1. Statistik Deskriptif

Sampel penelitian ini adalah 15 perusahaan keuangan yang terdaftar di BEI pada

tahun 2003-2011 sehingga total data observasi adalah 15 x 9 tahun = 135 data.

Berikut ini adalah tabel statistik deskriptif data penelitian ini yang mencakup

nilai minimum, maksimum, mean dan standar deviasinya:

Tabel 5.1. Statistik Deskriptif

Sumber: Data Sekunder yang Diolah

Berdasarkan pada tabel diatas diketahui rata-rata nilai LPOSDefTax adalah

0.6667 dan rata-rata nilai LNEGDefTax sebesar -0.3185 artinya lebih banyak

perusahaan yang memiliki pajak tangguhan bernilai positif. Nilai standar deviasi

LPOSDefTax sebesar 0.47316 dengan varians sebesar 0.02774% dan nilai standar

deviasi LNEGDefTax sebesar 0.46764 dengan varians 0.01647% yang

menunjukkan nilai yang lebih kecil daripada mean artinya sebaran kedua data tidak

terlalu bervariasi.

Descriptive Statistics

135 ,00 1,00 ,6667 ,47316

135 ,00 1,00 -,3185 ,46764

135 858,00 1234568794 44502835.489 124409890.3

135 153,00 411725990,00 33899168.822 65536004.32

135 99,00 265727954,00 23508471.304 46923260.42

135 21,00 18337123,00 333411,1615 1700622.487

135 674,00 355447901,00 32626249.941 62094285.75

135 -337110778 25513,00 -31460416.74 59960338.96

135 3,00 44965282,00 1176005,0000 5702486.880

135 ,00 1,00 ,7407 ,43986

135 ,00 1,00 ,6370 ,48265

135 ,00 1,00 ,3630 ,48265

135

LPOSDefTax

LNEGDefTax

ASSETS

DEBT

BETA

INCOME

CASHFLOW

TACC

PPE

DUM_YEAR Large_TB

Small_TB

Valid N (listwise)

N Minimum Maximum Mean Std. Deviation

15

Nilai aset memperoleh rata-rata atau mean yang lebih besar daripada standar

deviasinya menunjukkan sebaran datanya tidak terlalu bervariasi. Untuk variabel

debt, beta, income, cash flow memperoleh nilai mean yang lebih besar daripada

standar deviasinya menunjukkan sebaran datanya kurang bervariasi.

Sedangkan untuk variabel TACC nilai mean lebih kecil daripada standar

deviasi menunjukkan sebaran datanya lebih bervariasi. Begitu pula untuk variabel

PPE. Nilai mean untuk dummy year sebesar 0.7407 dan lebih besar daripada

standar deviasi 0.43986 yang menunjukkan sebaran datanya kurang bervariasi.

Nilai mean Large TB sebesar 0.6370 sedangkan Small TB sebesar 0.3630

yang menunjukkan bahwa perusahaan dengan pajak tangguhan bernilai positif lebih

banyak. Nilai standar deviasinya Large TB sebesar 0.48265 berarti sebaran datanya

bervariasi. Sedangkan nilai standar deviasi Small TB sebesar 0.48265 berarti

sebaran datanya tidak terlalu bervariasi.

5.2.Pengujian Model Fit untuk Model 1

Model mampu memprediksi nilai observasinya dan dapat dikatakan model

dapat diterima jika nilai Hosmer dan Lemeshow’s Goodness of Fit Test > 0,05.

Tampilan output SPSS menunjukkan bahwa besarnya nilai statistik Hosmer dan

Lemeshow’s Goodness of Fit sebesar 4,761 l(ebih besar daripada 0,05) dengan

probabilitas signifikansi 0,054 dengan demikian dapat disimpulkan bahwa model fit

dan dapat diterima.

16

Tabel 5.2.Hosmer dan Lemeshow’s Goodness of Fit Test


Untuk memperjelas gambaran penjelasan ketepatan model regresi logistic

dapat dilihat pada tabel klasifikasi sebagai berikut:

Tabel 5.3.Tabel KlasifikasiModel 1

Tabel tersebut menunjukkan bahwa dari 135 observasi terdapat 83,1% yang

dapat diprediksikan dengan tepat oleh model logistik ini. Tingginya persentase

ketepatan tabel klasifikasi tersebut menunjukkan tidak adanya perbedaan yang

signifikan antara data hasil prediksi dan data observasinya sehingga model regresi

dikategorikan baik.

Kemudian langkah selanjutnya adalah menilai model fit dengan menggunakan

-2log likehood. Berikut ini adalah hasilnya:

4,761 8 ,054Step1

Chi-square df Sig.

Classification Tablea

76 9 90,4

15 35 70,2

83,1

Observed,00

1,00

RATING

Overall Percentage

Step 1,00 1,00

RATING PercentageCorrect

Predicted

The cut value is ,500a. Sumber: Data Sekunder yang Diolah

17

Tabel 5.4.Tabel Iteration History -2 Log Likehood Model 1

Iteration -2 Log Likehood

1 111.986

2 108.290

3 107.588

Dst Menurun

20 106.444


Menilai model fit dapat dilihat dari nilai statistik -2LogL yaitu tanpa variabel

hanya konstanta saja sebesar 111,986 setelah dimasukkannya 3 variabel baru maka

nilai -2LogL turun menjadi 107,588 dan setelah dilakukan 20 penyaringan menjadi

106,444 atau dengan kata lain terjadi penurunan sebesar 5,542 dan penurunan ini

signifikan dibandingkan dengan tabel yaitu 1,98. Hal ini berarti penambahan variabel

independen dapat digunakan.

Tabel 5.5. Nagelkerke R SquareModel 1


Untuk mengetahui besarnya variasi prediksi dari variable independen terhadap

variabel dependen dapat dilihat pada nilai Nagelkerke R Square. Hal ini berarti

diketahui bahwa dengan ukuran Nagelkerke R Square diperoleh 53,1% variasi rating

dapat diprediksi dari variabel independen.

Model Summary

106,444a ,387 ,531Step1

-2 Loglikelihood

Cox & SnellR Square

NagelkerkeR Square

Estimation terminated at iteration number20 because maximum iterations has beenreached. Final solution cannot be found.

a.

18

5.3. Pengujian Hipotesis Model 1

Pengujian hipotesis penelitian selanjutnya akan diuji dengan program SPSS

(Stastistical Package for Social Science), dengan menggunakan alat analisis regresi

logistik. Hasil pengujian regresi logistik tersebut dapat terlihat sebagai berikut :

Tabel 5.6. Hasil Pengujian Hipotesis Model 1

Sumber : Data Sekunder yang Diolah

Hipotesis 1A dalam penelitian ini adalah perusahaan-perusahaan yang

memiliki pajak tangguhan yang besar dan bernilai positif (large positive deferred

taxes) akan memperoleh peringkat (rating) obligasi yang lebih rendah pada saat

penentuan peringkat (rating) obligasi. Nilai p-value sebesar 0,050 dan memiliki beta

dengan koefisien yang negatif sebesar -19,720, maka signifikan pada level 5% dan

H1A diterima. Hal ini menunjukkan perusahaan yang yang memiliki pajak tangguhan

yang besar dan bernilai positif (large positive deferred taxes) akan memperoleh

peringkat (rating) obligasi yang lebih rendah pada saat penentuan peringkat (rating)

obligasi.

-19,720 19241,695 ,000 1 ,050 4E+008

-22,971 19241,695 ,000 1 ,042 9E+009

2,327 1,856 1,571 1 ,008 1,556

-2,015 1,283 ,054 1 ,017 2,044

3,213 1,264 ,065 1 ,028 1,223

2,194 2,662 ,680 1 ,041 ,992

-2,817 2,085 1,825 1 ,018 1,003

-3,420 2,478 1,905 1 ,017 1,034

2,633 4,828 ,297 1 ,046 1,263

-1,078 ,554 3,789 1 ,024 ,340

-20,781 19241,695 ,000 1 ,999 ,000

LPOSDefTax

LNEGDefTax

ASSETS

DEBT

BETA

INCOME

CASHFLOW

TACC

PPE

DUM_YEAR

Constant

Step1

a

B S.E. Wald df Sig. Exp(B)

Variable(s) entered on step 1: LPOSDefTax, LNEGDefTax, ASSETS, DEBT, BETA, INCOME,CASHFLOW, TACC, PPE, DUM_YEAR.

a.

19

Hipotesis 1B dalam penelitian ini adalah perusahaan-perusahaan yang memiliki

pajak tangguhan yang besar dan bernilai negatif (large negative deferred taxes) akan

memperoleh peringkat (rating) obligasi yang lebih rendah pada saat penentuan

peringkat (rating) obligasi. Nilai p-value sebesar 0,042 dan memiliki beta dengan

koefisien yang negative sebesar -22,971 maka signifikan pada level 5% dan H1B

diterima. Hal ini menunjukkan perusahaan-perusahaan yang memiliki pajak tangguhan

yang besar dan bernilai negatif (large negative deferred taxes) akan memperoleh


obligasi. Hasil penelitian ini mendukung penelitian Crabtree dan Maher (2009).

Untuk variabel kontrol yaitu Assets, Debt, Beta, Income, Cash flow, Tacc,

PPR, dan Dummy year terbukti dapat menjadi variabel kontrol karena nilai

signifikansinya lebih kecil daripada 0.05. Artinya Assets, Debt, Beta, Income, Cash

flow, Tacc, PPR, dan Dummy year juga menjadi faktor yang menentukan peringkat

obligasi.

5.4. Pengujian Model Fit Model 2

Tampilan output SPSS menunjukkan bahwa besarnya nilai statistik Hosmer

dan Lemeshow’s Goodness of Fit sebesar 13,808 dengan probabilitas signifikansi

0,087 yang nilainya lebih besar daripada (0,05) dengan demikian dapat disimpulkan

bahwa model fit dan dapat diterima.

Tabel 5.7.Hosmer dan Lemeshow’s Goodness of Fit Test


13,808 8 ,087Step1

Chi-square df Sig.

20

Untuk memperjelas gambaran penjelasan ketepatan model regresi logistic

dapat dilihat pada tabel klasifikasi sebagai berikut:

Tabel 5.8.Tabel Klasifikasi Model 2

Tabel tersebut menunjukkan bahwa dari 135 observasi yang dapat diprediksi

dengan tepat ratingnya 70%. Dengan demikian secara keseluruhan dari 135 observasi

terdapat 70% yang dapat diprediksikan dengan tepat oleh model logistik ini. Tingginya

persentase ketepatan tabel klasifikasi tersebut menunjukkan tidak adanya perbedaan

yang signifikan antara data hasil prediksi dan data observasinya sehingga model

regresi dikategorikan baik.

Kemudian langkah selanjutnya adalah menilai model fit dengan menggunakan

-2log likehood. Berikut ini adalah hasilnya:

Tabel 5.9.Tabel Iteration History -2 Log LikehoodModel 2 Iteration -2 Log Likehood

1 170.118 2 156.866 3 156.291

Dst Menurun 6 156.189


Menilai model fit dapat dilihat dari nilai statistik -2LogL yaitu tanpa variabel

hanya konstanta saja sebesar 170,118 setelah dimasukkannya 3 variabel baru maka

nilai -2LogL turun menjadi 156,291 dan setelah semua penyaringan dilakukan menjadi


75 10 89,2

31 19 36,2

70,0

Observed,00

1,00

RATING

Overall Percentage

Step 1,00 1,00


Predicted

The cut value is ,500a. Sumber: Data Sekunder yang Diolah

21

Model Summary

156,189a ,210 ,392Step1

-2 Loglikelihood

Cox & SnellR Square

NagelkerkeR Square

Estimation terminated at iteration number 6 becauseparameter estimates changed by less than ,001.

a.

156,189 atau dengan kata lain terjadi penurunan sebesar 13,929 dan penurunan ini

signifikan dibandingkan dengan tabel yaitu 1,98. Hal ini berarti penambahan variabel

independen dapat digunakan.

Tabel 5.10. Nagelkerke R SquareModel 2


Nilai Nagelkerke R Square sebesar 39,2% artinya variasi rating dapat

diprediksi dari variabel independen.

5.5. Pengujian Hipotesis Model 2

Pengujian hipotesis penelitian selanjutnya akan diuji dengan program SPSS

(Stastistical Package for Social Science), dengan menggunakan alat analisis regresi

logistik. Hasil pengujian regresi logistik tersebut dapat terlihat sebagai berikut :

Tabel 5.11. Hasil Pengujian Hipotesis Model 2

Sumber : Data Sekunder yang Diolah

-,628 ,706 ,791 1 ,037 1,874

-,056 ,713 ,006 1 ,024 1,057

,227 ,472 ,082 1 ,040 1,423

-,618 ,026 1,949 1 ,016 1,002

,391 ,099 ,009 1 ,023 1,039

,237 ,129 ,050 1 ,082 1,046

,558 ,009 ,253 1 ,153 1,086

,210 ,882 ,340 1 ,006 1,018

,095 ,310 1,583 1 ,084 1,064

-,795 ,428 3,447 1 ,063 ,452

-,537 ,750 ,512 1 ,474 ,584

Large_TB

Small_TB

ASSETS

DEBT

BETA

INCOME

CASHFLOW

TACC

PPE

DUM_YEAR

Constant

Step1

a


Variable(s) entered on step 1: Large_TB, Small_TB, ASSETS, DEBT, BETA, INCOME,CASHFLOW, TACC, PPE, DUM_YEAR.

a.

22

Hipotesis 2a dalam penelitian ini adalah perusahaan-perusahaan yang memiliki

rasio penghasilan kena pajak (taxable income) terhadap laba akuntansi (book income)

yang besar (large tax-to-book ratios) akan memperoleh peringkat (rating) obligasi

yang lebih rendah pada saat penentuan peringkat (rating) obligasi. Nilai p-value

sebesar 0,037 dan memiliki beta dengan koefisien yang negatif sebesar -0.628, maka

signifikan pada level 5% dan H2a diterima. Hal ini menunjukkan perusahaan-

perusahaan yang memiliki rasio penghasilan kena pajak (taxable income) terhadap

laba akuntansi (book income) yang besar (large tax-to-book ratios) akan memperoleh


obligasi.

Hipotesis 2b dalam penelitian ini adalah perusahaan-perusahaan yang memiliki

rasio penghasilan kena pajak (taxable income) terhadap laba akuntansi (book income)

yang kecil (small tax-to-book ratios) akan memperoleh peringkat (rating) obligasi

yang lebih rendah pada saat penentuan peringkat (rating) obligasi. Nilai p-value

sebesar 0,024 dan memiliki beta dengan koefisien yang negative sebesar -0,056 maka

signifikan pada level 5% dan H2b diterima. Hal ini menunjukkan perusahaan-

perusahaan yang memiliki rasio penghasilan kena pajak (taxable income) terhadap

laba akuntansi (book income) yang kecil (small tax-to-book ratios) akan memperoleh


obligasi. Hasil penelitian ini mendukung penelitian Crabtree dan Maher (2009).

Untuk variabel kontrol yaitu Assets, Debt, Beta, Tacc, terbukti dapat menjadi

variabel kontrol karena nilai signifikansinya lebih kecil daripada 0.05. sedangkan

Income, cashflow, PPE dan Dummy year tidak berpengaruh signifikan. Hal ini

disebabkan karena investor tidak semata-mata melihat pada arus kas, PPE dan income

23

yang dimiliki sebuah perusahaan sehingga hal tersebut tidak berpengaruh terhadap

peringkat obligasi.

6. KESIMPULAN DAN SARAN

6.1.Kesimpulan

Berdasarkan pada hasil analisis dan pembahasan pada bagian sebelumnya, maka

dapat ditarik kesimpulan sebagai berikut:

1. Perusahaan-perusahaan yang memiliki pajak tangguhan yang besar dan bernilai

positif (large positive deferred taxes) akan memperoleh peringkat (rating) obligasi

yang lebih rendah pada saat penentuan peringkat (rating) obligasi. Hasil penelitian

ini mendukung penelitian Crabtree dan Maher (2009).

2. Perusahaan-perusahaan yang memiliki pajak tangguhan yang besar dan bernilai

negatif (large negative deferred taxes) akan memperoleh peringkat (rating) obligasi

yang lebih rendah pada saat penentuan peringkat (rating) obligasi. Hasil penelitian

ini mendukung penelitian Crabtree dan Maher (2009).

3. Perusahaan-perusahaan yang memiliki rasio penghasilan kena pajak (taxable

income) terhadap laba akuntansi (book income) yang besar (large tax-to-book

ratios) akan memperoleh peringkat (rating) obligasi yang lebih rendah pada saat

penentuan peringkat (rating) obligasi. Hasil penelitian ini mendukung penelitian

Christina et al (2010).

4. Perusahaan-perusahaan yang memiliki rasio penghasilan kena pajak (taxable

income) terhadap laba akuntansi (book income) yang kecil (small tax-to-book

ratios) akan memperoleh peringkat (rating) obligasi yang lebih rendah pada saat

24

penentuan peringkat (rating) obligasi. Hasil penelitian ini mendukung penelitian

Christina et al (2010).

6.2.Implikasi

Penelitian ini memiliki implikasi sebagai berikut: sesuai dengan signaling teori

dimana adanya peningkatan peringkat obligasi menjadi good news bagi investor

sehingga perusahaan yang mengalami penurunan peringkat akan menjadi bad news.

Maka sebaiknya investor dalam menanamkan sahamnya di pasar modal dapat

memperhatikan nilai pajak tangguhan yang dimiliki perusahaan karena terbukti

berpengaruh terhadap peringkat obligasinya.

6.3.Saran dan Keterbatasan

Keterbatasan pada penelitian ini antara lain adalah karena perbedaan sampel dan

tahun pengamatan maka untuk hipotesis kedua, variabel control invome, cashflow dan

PPE tidak terbukti signifikan berpengaruh terhadap peringkat obligasi. Maka

berdasarkan pada keterbatasan tersebut, saran yang dapat dikemukakan pada

penelitian ini adalah:

1. Pada penelitian mendatang dapat ditambahkan variabel kontrol lain dan

menggunakan sampel perusahaan diluar sektor keuangan.

2. Pada penelitian serupa dimasa mendatang dapat digunakan pemilihan angka rating

yang lebih sesuai misalnya memilih 3 bulan setelah tutup buku akhir tahun dan

dapat menambahkan variabel lain yang mempengaruhi peringkat obligasi seperti

rasio keuangan perusahaan, rasio profitabilitas, rasio pasar.

25

DAFTAR PUSTAKA

Ayers, B., J.Jiang, dan S. K. Laplante. (2008). Taxable Income as A Performance Measure

: The Effects of Tax Planning and Earnings Quality. Available at SSRN:

http://papers.ssrn.com/sol3/papers.cfm?abstract_id= 930406.

Christina, V., Yulianti, Christine.(2010). Pengaruh Book-Tax Differences terhadap

Peringkat Obligasi di Pasar Kredit Indonesia.Simposium Nasional Akuntansi XIII.

Crabtree, A., dan J. J. Maher. (2005). Earnings Predictability, Bond Ratings, and Bond

Yields. Review of Quantitative Finance and Accounting 25: 233-253.

Frost, C. A. (2007). Credit Rating Agencies in Capital Market: A Review of Research

Evidence on Selected Criticisms of The Agencies. Journal of Accounting, Auditing,

and Finance 22 (3): 469-492.

Ghozali, Imam. (2005). AplikasiAnalisis Multivariate dengan Program SPSS.Semarang :

Universitas Diponegoro.

Hanlon, M. (2005).The Persistence and Pricing of Earnings, Accruals, and Cash Flows when

Firms Have Large Book-Tax Differences.The Accounting Review 80 (1): 137-166.

Lev, B., dan D. Nissim.(2004). Taxable Income, Future Earnings, and Equity Values.The

Accounting Review 79 (4): 1039-1074.

Manzon, G. B., dan G. A. Plesko. (2002). The Relation between Financial and Tax Reporting

Measures of Income.Tax Law Review 55: 175-214.

Mills, L. F., dan K. Newberry. (2001). The Influence of Tax and Non-Tax Costs on Book-Tax

Reporting Differences: Public and Private Firms. The Journal of the American

Taxation Association 23 (1): 1-19.

Phillips, J., M. Pincus, and S. Rego. (2003). Earnings Management: New Evidence based on

Deferred Tax Expense. The Accounting Review 78 (2): 491-521.

26

LAMPIRAN 1 Logistic Regression

Block 0: Beginning Block

Case Processing Summary

130 96,3

5 3,7

135 100,0

0 ,0

135 100,0

Unweighted Casesb

Included in Analysis

Missing Cases

Total

Selected Casesa

Unselected Cases

Total

N Percent

The variable DUM_IND is constant for all selected cases.Since a constant was requested in the model, it will beremoved from the analysis.

a.

If weight is in effect, see classification table for the totalnumber of cases.

b.

Dependent Variable Encoding

0

1

Original Value,00

1,00

Internal Value

Iteration Historya,b,c

170,124 -,554

170,118 -,569

170,118 -,569

Iteration1

2

3

Step0

-2 Loglikelihood Constant

Coefficients

Constant is included in the model.a.

Initial -2 Log Likelihood: 170,118b.


c.

27

Block 1: Method = Enter

Classification Tablea,b

83 0 100,0

47 0 ,0

63,8

Observed,00

1,00

RATING

Overall Percentage

Step 0,00 1,00


Predicted


The cut value is ,500b.

Variables in the Equation

-,569 ,183 9,705 1 ,002 ,566ConstantStep 0B S.E. Wald df Sig. Exp(B)

Variables not in the Equationa

43,481 1 ,000

53,945 1 ,000

1,872 1 ,171

1,214 1 ,271

,023 1 ,879

1,191 1 ,275

,027 1 ,870

,026 1 ,871

1,544 1 ,214

3,199 1 ,074

LPOSDefTax

LNEGDefTax

ASSETS

DEBT

BETA

INCOME

CASHFLOW

TACC

PPE

DUM_YEAR

VariablesStep0

Score df Sig.

Residual Chi-Squares are not computed because of redundancies.a.

28

Iteration Historya,b,c,d

111,986 -1,664 ,692 3,205 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -,556

108,290 -2,653 1,615 4,655 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -,920

107,588 -3,687 2,655 5,799 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,022

106,534 -4,770 3,711 6,931 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,057

106,462 -5,777 4,716 7,966 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,451 -6,779 5,719 8,969 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,447 -7,780 6,720 9,970 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,445 -8,781 7,720 10,970 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,445 -9,781 8,720 11,971 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,444 -10,781 9,720 12,971 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,444 -11,781 10,720 13,971 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,444 -12,781 11,720 14,971 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,444 -13,781 12,720 15,971 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,444 -14,781 13,720 16,971 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,444 -15,781 14,720 17,971 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,444 -16,781 15,720 18,971 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,444 -17,781 16,720 19,971 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,444 -18,781 17,720 20,971 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,444 -19,781 18,720 21,971 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

106,444 -20,781 19,720 22,971 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -1,078

Iteration1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

Step1

-2 Loglikelihood ConstantLPOSDefTaxLNEGDefTaxASSETS DEBT BETA INCOMECASHFLOW TACC PPE DUM_YEAR

Coefficients

Method: Entera.

Constant is included in the model.b.

Initial -2 Log Likelihood: 170,118c.

Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.d.

Omnibus Tests of Model Coefficients

63,673 10 ,000

63,673 10 ,000

63,673 10 ,000

Step

Block

Model

Step 1Chi-square df Sig.

Model Summary

106,444a ,387 ,531Step1

-2 Loglikelihood

Cox & SnellR Square

NagelkerkeR Square

Estimation terminated at iteration number20 because maximum iterations has beenreached. Final solution cannot be found.

a.

Hosmer and Lemeshow Test

4,761 8 ,054Step1

Chi-square df Sig.

29

Contingency Table for Hosmer and Lemeshow Test

12 12,212 1 ,788 13

13 11,755 0 1,245 13

8 11,663 5 1,337 13

13 11,604 0 1,396 13

12 10,982 1 2,018 13

8 9,789 5 3,211 13

11 8,232 2 4,768 13

2 3,310 11 9,690 13

4 2,415 9 10,585 13

0 1,038 13 11,962 13

1

2

3

4

5

6

7

8

9

10

Step1

Observed Expected

RATING = ,00

Observed Expected

RATING = 1,00

Total


75 8 90,4

14 33 70,2

83,1

Observed,00

1,00

RATING

Overall Percentage

Step 1,00 1,00


Predicted

The cut value is ,500a.


-19,720 19241,695 ,000 1 ,050 4E+008

-22,971 19241,695 ,000 1 ,042 9E+009

2,327 1,856 1,571 1 ,008 1,556

-2,015 1,283 ,054 1 ,017 2,044

3,213 1,264 ,065 1 ,028 1,223

2,194 2,662 ,680 1 ,041 ,992

-2,817 2,085 1,825 1 ,018 1,003

-3,420 2,478 1,905 1 ,017 1,034

2,633 4,828 ,297 1 ,046 1,263

-1,078 ,554 3,789 1 ,024 ,340

-20,781 19241,695 ,000 1 ,999 ,000

LPOSDefTax

LNEGDefTax

ASSETS

DEBT

BETA

INCOME

CASHFLOW

TACC

PPE

DUM_YEAR

Constant

Step1

a


Variable(s) entered on step 1: LPOSDefTax, LNEGDefTax, ASSETS, DEBT, BETA, INCOME,CASHFLOW, TACC, PPE, DUM_YEAR.

a.

30

Step number: 1 Observed Groups and Predicted Probabilities 32 1 F 1 R 24 1 E 0 Q 0 U 10 E 16 00 N 00 C 00 1 Y 00 1 1 1 8 00 0 1 1 00 0 10 11 1 0 0000 0 00 10 11 0 0000000000 000000 01 000 101 1111 11 Predicted Prob: 0 ,25 ,5 ,75 1 Group: 000000000000000000000000000000111111111111111111111111111111 Predicted Probability is of Membership for 1,00 The Cut Value is ,50 Symbols: 0 - ,00 1 - 1,00 Each Symbol Represents 2 Cases.

Logistic Regression

Block 0: Beginning Block

Case Processing Summary

130 96,3

5 3,7

135 100,0

0 ,0

135 100,0

Unweighted Casesa

Included in Analysis

Missing Cases

Total

Selected Cases

Unselected Cases

Total

N Percent

If weight is in effect, see classification table for the totalnumber of cases.

a.

Dependent Variable Encoding

0

1

Original Value,00

1,00

Internal Value

31

Block 1: Method = Enter

Iteration Historya,b,c

170,124 -,554

170,118 -,569

170,118 -,569

Iteration1

2

3

Step0

-2 Loglikelihood Constant

Coefficients


Initial -2 Log Likelihood: 170,118b.


c.

Classification Tablea,b

83 0 100,0

47 0 ,0

63,8

Observed,00

1,00

RATING

Overall Percentage

Step 0,00 1,00


Predicted


The cut value is ,500b.


-,569 ,183 9,705 1 ,002 ,566ConstantStep 0B S.E. Wald df Sig. Exp(B)

Variables not in the Equationa

2,301 1 ,129

1,293 1 ,256

1,872 1 ,171

1,214 1 ,271

,023 1 ,879

1,191 1 ,275

,027 1 ,870

,026 1 ,871

1,544 1 ,214

3,199 1 ,074

Large_TB

Small_TB

ASSETS

DEBT

BETA

INCOME

CASHFLOW

TACC

PPE

DUM_YEAR

VariablesStep0

Score df Sig.

Residual Chi-Squares are not computed because of redundancies.a.

32

Iteration Historya,b,c,d

156,866 -,477 ,512 ,042 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -,692

156,291 -,535 ,622 ,048 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -,782

156,220 -,537 ,628 ,050 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -,790

156,195 -,537 ,628 ,053 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -,792

156,189 -,537 ,628 ,055 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -,794

156,189 -,537 ,628 ,056 ,000 ,000 ,000 ,000 ,000 ,000 ,000 -,795

Iteration1

2

3

4

5

6

Step1

-2 Loglikelihood ConstantLarge_TBSmall_TB ASSETS DEBT BETA INCOMECASHFLOW TACC PPE DUM_YEAR

Coefficients

Method: Entera.

Constant is included in the model.b.

Initial -2 Log Likelihood: 170,118c.

Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.d.

Omnibus Tests of Model Coefficients

13,929 10 ,176

13,929 10 ,176

13,929 10 ,176

Step

Block

Model

Step 1Chi-square df Sig.

Model Summary

156,189a ,210 ,392Step1

-2 Loglikelihood

Cox & SnellR Square

NagelkerkeR Square


a.

Hosmer and Lemeshow Test

13,808 8 ,087Step1

Chi-square df Sig.

Contingency Table for Hosmer and Lemeshow Test

9 10,880 4 2,120 13

10 10,172 3 2,828 13

10 9,695 3 3,305 13

12 8,966 1 4,034 13

7 8,773 6 4,227 13

8 8,667 5 4,333 13

12 8,199 1 4,801 13

6 7,270 7 5,730 13

4 6,296 9 6,704 13

5 4,082 8 8,918 13

1

2

3

4

5

6

7

8

9

10

Step1

Observed Expected

RATING = ,00

Observed Expected

RATING = 1,00

Total

33

Step number: 1 Observed Groups and Predicted Probabilities 32 F 1 R 24 1 E 1 Q 1 U 1 E 16 0 N 0 C 0 Y 1 00 1 8 101 00 1 000 00101 11 10001 00000 01 1 10 010 0 0 0000000000000001101000 0001 1 1 1 1 Predicted Prob: 0 ,25 ,5 ,75 1 Group: 000000000000000000000000000000111111111111111111111111111111


74 9 89,2

30 17 36,2

70,0

Observed,00

1,00

RATING

Overall Percentage

Step 1,00 1,00


Predicted

The cut value is ,500a.


-,628 ,706 ,791 1 ,037 1,874

-,056 ,713 ,006 1 ,024 1,057

,227 ,472 ,082 1 ,040 1,423

-,618 ,026 1,949 1 ,016 1,002

,391 ,099 ,009 1 ,023 1,039

,237 ,129 ,050 1 ,082 1,046

,558 ,009 ,253 1 ,153 1,086

,210 ,882 ,340 1 ,006 1,018

,095 ,310 1,583 1 ,084 1,064

-,795 ,428 3,447 1 ,063 ,452

-,537 ,750 ,512 1 ,474 ,584

Large_TB

Small_TB

ASSETS

DEBT

BETA

INCOME

CASHFLOW

TACC

PPE

DUM_YEAR

Constant

Step1

a


Variable(s) entered on step 1: Large_TB, Small_TB, ASSETS, DEBT, BETA, INCOME,CASHFLOW, TACC, PPE, DUM_YEAR.

a.

34

Predicted Probability is of Membership for 1,00 The Cut Value is ,50 Symbols: 0 - ,00 1 - 1,00 Each Symbol Represents 2 Cases.

Descriptives

Descriptive Statistics

135 ,00 1,00 ,6667 ,47316

135 ,00 1,00 -,3185 ,46764

135 858,00 1234568794 44502835.489 124409890.3

135 153,00 411725990,00 33899168.822 65536004.32

135 99,00 265727954,00 23508471.304 46923260.42

135 21,00 18337123,00 333411,1615 1700622.487

135 674,00 355447901,00 32626249.941 62094285.75

135 -337110778 25513,00 -31460416.74 59960338.96

135 3,00 44965282,00 1176005,0000 5702486.880

135 ,00 1,00 ,7407 ,43986

135 ,00 1,00 ,6370 ,48265

135 ,00 1,00 ,3630 ,48265

135

LPOSDefTax

LNEGDefTax

ASSETS

DEBT

BETA

INCOME

CASHFLOW

TACC

PPE

DUM_YEAR Large_TB

Small_TB

Valid N (listwise)

N Minimum Maximum Mean Std. Deviation

T1 232009045 Full Text - Institutional...

Documents

Transcript of T1 232009045 Full Text - Institutional...