ganancia o presiones de ingresos, ya la literatura previa demuestra que están asociadas negativa- mente con la gestión del rendimiento (Kim et al., 2017; Becker et al., 1998). También se incluyeron variables de control al ni- vel de la firma que podrían estar relacionadas con la gestión del resultado. Se introdujeron controles para el tamaño (total activos), porque las grandes organizaciones tienden a menos gestión de ingre- sos (Kim et al., 2017). También se controló el roa , y los accionistas, debido a la evidencia previa de Burgs- tahler et al. (2006). En relación con las variables de control a nivel del sector, se incluyeron la diversidad de clientes y competidores. Por último, también se controló la divulgación voluntaria (dos ítems relacio- nados con «reducir demandas potenciales» y «em- paquetar malas noticias con otras divulgaciones») (Francis et al., 2008), preferencia de trayectoria de ganancias alterada (de Jong et al., 2014), y la eficien- cia de la inversión (Biddle et al., 2009). Del mismo modo, en la estimación de la ecua- ción (2) también se incluyeron varias variables de control que la literatura anterior ha argumentado están relacionadas con el uso interactivo de macs . Si- guiendo trabajos anteriores (p. ej., Janke et al., 2014; Heinicke et al., 2016), se incluyeron activos (log) y empleados (log) como proxies de tamaño. roa con- trola el efecto de un rendimiento deficiente en el uso interactivo (Janke et al., 2014). También se con- trolaron las siguientes características del ceo : edad, género y experiencia, aversión al riesgo (Jin y Kotha- ri, 2008). También que no formen parte de equipo de alta dirección, ya que diferentes cargos pueden llevar a diferentes usos o intensidad de macs ; y la formación, como un proxy para el conocimiento del ceo y la capacidad de interpretar de manera útil la información (Li et al., 2014). Se incluyeron controles para las condiciones ambientales externas: diversidad (puntuación de factor de dos ítems relacionados con la diversidad de clientes y competidores), turbulencia (factor de puntuación de tres elementos relacionados con el cliente, proveedor, y los cambios de los competido- res), y la imprevisión (puntuación de factor de dos ítems relacionados con la tecnología y la inestabili- dad económica/regulatoria). Estas condiciones po- drían afectar al intercambio de información y a la presión del ceo para tomar decisiones. También se controló la estrategia de innovación explotadora. La literatura anterior muestra evidencia de la estrate- gia de innovación en el uso de macs (Bisbe y Mala-
gueño, 2009; Bedford, 2015). Por último, para aislar el efecto del uso diagnóstico sobre el uso interactivo de macs , también se incluyó aem como variable de control en este modelo.
5. Resultados 5.1. Prueba de hipótesis
La tabla 4 muestra las correlaciones entre las varia- bles incluidas en H1, mientras que la tabla 5 muestra los resultados de la regresión del modelo 1. Los re- sultados del análisis indican un valor de 2,325, muy por debajo del umbral (10) que indican posibles problemas de multicolinealidad. Los resultados so- portan H1. Como se hipotetiza, el coeficiente de uso diagnóstico del presupuesto es negativo y significa- tivo (β =-0,446, p < 0,05). Así, en valores bajos de uso diagnóstico de presupuestos, aem aumenta. Contra- riamente a las expectativas, se encontraron eviden- cias positivas y significativas del uso diagnóstico de pms y aem (β= 0,498, p < 0,05). Las características y diseño de los macs más contemporáneos (es de- cir, pms ), en contraste con el diseño más tradicional de macs (i.e. presupuestos), podrían incluir planes de acción en situaciones en las que los resultados se desvíen de los objetivos propuestos. Así, en las empresas con macs contemporáneos ya implemen- tadas podría no ser necesario que todos los planes de acción fluyan a través del uso interactivo y rem , pero podría afectar directamente a aem . La hipótesis 2 postula un efecto positivo del uso diagnóstico en el uso interactivo uso de macs . La tabla 6 reporta la matriz de correlaciones entre las variables incluidas en H2. Como se esperaba, y similar a literatura anterior (Widener, 2007), las co- rrelaciones entre el uso diagnóstico de pms y el uso diagnóstico del presupuesto con el uso interactivo de macs son 0,578 y 0,696, respectivamente. Se in- vestigó el factor de inflación de varianza ( fiv ) para verificar la multicolinealidad. El valor (1,834) está por debajo de los umbrales críticos, indicando que el análisis no está sesgado por problemas de multi- colinealidad. La tabla 7 muestra los resultados de la regresión para el modelo 2. El uso diagnóstico del presupuesto y, también, el uso diagnóstico de pms muestran efectos significativos y positivos sobre el uso interactivo de macs (β= 0,462, p < 0,01, y β= 0,461, p < 0,01, respectivamente).
30 | Anexo. Trabajo de investigación
Made with FlippingBook - Online Brochure Maker