Apakah Reputasi Teknologi Informasi Mempengaruhi

Ketentuan Pinjaman Bank?

ABSTRAK: Penelitian ini mengkaji apakah reputasi Teknologi Informasi (TI), yang ditangkap oleh akumulasi dari sinyal
kemampuan TI yang konsisten, mempengaruhi kontraktor kredit bank meskipun bank memiliki akses ke informasi orang
dalam. Kami memperkirakan bahwa reputasi TI dikaitkan dengan persyaratan pinjaman yang lebih baik karena menurunkan
risiko kredit melalui dampaknya terhadap risiko default dan informasi. Hasil berdasarkan 4.218 pinjaman fasilitas-tahun
mengungkapkan, seperti yang diprediksi, bahwa perusahaan dengan reputasi untuk kemampuan IT cenderung memiliki harga
yang lebih menguntungkan dan istilah non-harga untuk kontrak pinjaman dan cenderung menurunkan peringkat kredit
mereka atau melaporkan pengendalian internal. kelemahan dari perusahaan tanpa reputasi TI. Studi ini berkontribusi pada
literatur nilai bisnis perbankan dan TI dengan menunjukkan bahwa bank menggabungkan karakteristik non-keuangan
peminjam, seperti reputasi TI, ke dalam persyaratan kontrak pinjaman.

Kata kunci: Reputasi IT; pinjaman bank; teori signaling; Resiko awal; risiko informasi.

I. PENDAHULUAN

Teknologi informasi (TI) telah menjadi tulang punggung sebagian besar perusahaan, dan nilai bisnis TI telah muncul sebagai
salah satu mata pelajaran yang paling penting dalam penelitian sistem informasi akuntansi (Sutton 2010). Para peneliti dan
profesional TI setuju bahwa
kemampuan IT secara positif mempengaruhi kinerja keuangan dan posisi kompetitif perusahaan (Melville, Kraemer, dan
Gurbaxani 2004; Wade dan Hulland 2004; Piccoli dan Ives 2005; Mithas, Ramasubbu, dan Sambamurthy 2011; Lim,
Stratopoulos, dan Wirjanto 2011). Namun, kemampuan TI bisa sulit bagi pemangku kepentingan luar untuk menghargai
karena mereka tidak dapat diamati (Godfrey dan Hill 1995; Lim et al. 2011). Keterbukaan informasi ini memberi insentif
kepada perusahaan-perusahaan yang mampu-IT untuk secara sukarela memberikan sinyal kemampuan superior mereka
kepada para pemangku kepentingan dari luar, seperti investor dan pemberi pinjaman, untuk membangun reputasi kemampuan
TI (Spence 1973; Connelly, Certo, Ireland, dan Reutzel 2011). Studi kami menyelidiki apakah reputasi kemampuan TI dapat
menginformasikan pemberi pinjaman tentang risiko kredit peminjam dan akibatnya mempengaruhi persyaratan kontrak
pinjaman.
Sementara studi sebelumnya mengidentifikasi bagaimana nilai bisnis TI memanifestasikan dalam ukuran kinerja
perusahaan agregat, seperti laba akuntansi dan nilai pasar, mereka tidak mengatasi efek keuangan tertentu, seperti biaya
pinjaman, terkait dengan kemampuan TI (misalnya, A. Bharadwaj, S. Bharadwaj, dan Konsynski 1999; Brynjolfsson dan Hitt
2003; Kobelsky, Richardson, Smith, dan Zmud 2008). Peminjam risiko kredit termasuk risiko default dan risiko informasi,
dan kami berharap bahwa kemampuan IT menurunkan

Kami menghargai komentar mendalam dari Elaine G. Mauldin (editor) dan dua pengulas anonim. Kami juga telah menerima komentar yang bermanfaat dari
Satiprasad Bandyopadhyay, Wenxia Ge, Duane Kennedy, Vern Richardson, dan peserta Konferensi Tahunan Asosiasi Akademis Kanada Kanada 2015,
Pertemuan Tahunan Asosiasi Akuntansi Amerika 2015, Ph.D. seminar / lokakarya di Universitas Fudan, Universitas Sun Yat-sen, dan Universitas Waterloo.
J.-B. Kim mengakui dukungan keuangan parsial dari J. Page R. Wadsworth Endowed Chair Fund, University of Waterloo. Terima kasih khusus kepada Kevin
Kobelsky, yang dengan ramah memberi kami data belanja TI. Semua kesalahan, tentu saja, milik kita berdua. Pertama, penelitian sebelumnya
menemukan bahwa perusahaan dengan kemampuan TI berinvestasi lebih efisien dan efektif dalam TI, memiliki pendapatan
yang lebih tinggi dan kurang stabil, dan menghadapi risiko penurunan yang lebih rendah, menunjukkan risiko default yang
lebih rendah (misalnya, Piccoli dan Ives 2005; Mithas dkk. 2011; Tian dan Xu 2015). Kedua, kualitas informasi risiko kredit
tergantung pada infrastruktur sistem informasi internal peminjam (misalnya, Costello dan Wittenberg-Moerman 2011; Kim,
Song, dan Zhang 2011a). Penelitian sebelumnya menemukan bahwa perusahaan dengan kemampuan IT meningkatkan
lingkungan informasi internal, menunjukkan risiko informasi yang lebih rendah (Masli, Peters, Richardson, dan Sanchez
2010; Dorantes, Li, Peters, dan Richardson 2013; Chen, Smith, Cao, dan Xia 2014). Kami mempelajari apakah bank
mengakui kemampuan IT ketika bernegosiasi persyaratan pinjaman.
Meskipun pemberi pinjaman memiliki akses istimewa ke informasi internal para peminjam, kemampuan TI tidak dapat
diobservasi dan sulit diukur. Penampilan sebuah perusahaan ditahunan InformationWeek 500, daftar perusahaan paling
inovatif di Amerika (IW500), dapat membantu pemberi pinjaman dengan due diligence mereka dengan menyediakan sarana
untuk memverifikasi ketepatan informasi pribadi mereka tentang kualitas kredit peminjam. Manajer TI secara sukarela
memberikan InformasiWeek dengan informasi rinci tentang praktik TI mereka. Sebuah panel editorial ahli bisnis TI
mengevaluasi informasi yang disediakan dan memilih perusahaan untuk dimasukkan dalam daftar IW500 tahunan
(Bharadwaj 2000). Proses yang digunakan oleh IW500 konsisten dengan teori signaling (Rindova 1997), dan atribut dari
perusahaan IW500 cenderung memetakan dengan baik ke dalam karakteristik yang diharapkan secara teoritis dari perusahaan
yang mampu IT (Lim et al. 2011, 55). Literatur signaling menunjukkan bahwa sinyal yang konsisten dari waktu ke waktu
menunjukkan kompetensi atasan perusahaan, meningkatkan efektivitas sinyal, dan membangun reputasi perusahaan (Dierickx
dan Cool 1989; Rindova 1997; Barnett, Jermier, dan Lafferty 2006; Pfarrer, Pollock, dan Rindova 2010; Walker 2010;
Connelly et al. 2011). Dengan demikian, kami berpendapat bahwa penampilan di IW500 selama lima tahun berturut-turut
menetapkan reputasi kemampuan TI perusahaan (selanjutnya, reputasi TI), dan berhipotesis bahwa pemberi pinjaman
memberi imbalan kepada peminjam tersebut dengan suku bunga yang lebih rendah dan persyaratan non-harga yang lebih
menguntungkan.
Untuk menguji hipotesis kami, kami menguji pengaruh reputasi TI terhadap suku bunga pinjaman, kemungkinan
pinjaman dijamin dengan agunan, dan sejumlah perjanjian setelah mengendalikan karakteristik spesifik pinjaman (termasuk
jenis pinjaman dan indikator tujuan pinjaman), karakteristik spesifik peminjam (termasuk indikator industri), faktor ekonomi
luas, dan tahun efek tetap. Selain risiko kredit dan variabel kinerja tradisional (seperti ukuran perusahaan, leverage,
profitabilitas), kontrol khusus peminjam kami termasuk opini audit, kelemahan kontrol internal, penurunan peringkat kredit di
masa depan, belanja TI, dan reputasi perusahaan.
Hasil berdasarkan 4.218 fasilitas pinjaman-tahun dari tahun 2002 hingga 2011 menunjukkan bahwa bank cenderung
mengenakan suku bunga kredit yang lebih rendah secara signifikan, dan memberlakukan persyaratan non-harga yang lebih
menguntungkan (persyaratan dan perjanjian agunan), perusahaan peminjam dengan reputasi TI. Dalam hal signifikansi
ekonomi, kami menemukan bahwa tingkat bunga rata-rata adalah sekitar 9 persen lebih rendah untuk pinjaman kepada
peminjam dengan, daripada tanpa, reputasi TI. Ini diterjemahkan ke dalam penghematan bunga tahunan sebesar $ 1,37 juta
untuk rata-rata pinjaman dalam sampel kami. Dalam analisis tambahan, kami mengkonfirmasi bahwa reputasi TI menurunkan
satu indikator risiko default (penurunan rating kredit di masa mendatang) dan satu indikator risiko informasi (kelemahan
kontrol internal), konsisten dengan harapan kami. Dengan demikian, analisis utama kami menunjukkan bahwa pemberi
pinjaman menemukan reputasi TI berguna, dan analisis sekunder kami menunjukkan bahwa kegunaan ini berasal dari risiko
default dan informasi.
Untuk mengurangi kekhawatiran endogenitas, kami mengekstrak kedua sampel perlakuan perusahaan dengan reputasi IT
dan sampel kontrol perusahaan tanpa reputasi TI dari populasi yang sama dari perusahaan IW500. Semua perusahaan telah
mengisyaratkan kemampuan IT mereka (yaitu, mereka telah muncul dalam daftar IW500) setidaknya sekali selama periode
sampel. Ini mengurangi kekhawatiran tentang potensi seleksi mandiri dan / atau bias simultanitas. Namun, untuk mengurangi
kekhawatiran bahwa prosedur pemilihan sampel kami tidak cukup mengatasi endogenitas, kami menerapkan empat
pendekatan empiris berikut: (1) Heckman (1979) regresi efek dua tahap pengobatan; (2) kecocokan skor kecenderungan
(PSM); (3) regresi efek tetap yang kuat; dan (4) perubahan regresi. Menggunakan pendekatan ini tidak mengubah kesimpulan
utama kami.
Studi kami memberikan banyak kontribusi pada literatur yang ada. Pertama, makalah ini memperluas literatur nilai bisnis
TI. Sedangkan literatur sebelumnya menyelidiki pengaruh IT pada pendapatan perusahaan agregat dan nilai pasar, makalah
ini mengambil langkah berikutnya dengan memeriksa efek pengurangan biaya dari peningkatan informasi berbasis TI pada
biaya pinjaman. Ini, dengan demikian, mulai memilah dampak IT pada perusahaan dan menanggapi panggilan oleh sarjana
sistem informasi akuntansi untuk memperluas penelitian nilai bisnis TI (Dehning dan Richardson 2002; Masli, Richardson,
Sanchez, dan Smith 2011). Mengingat bahwa kami menyertakan reputasi TI dan belanja TI dalam analisis kami, penelitian
kami lebih lanjut memperluas literatur dengan memberikan bukti pada efek relatif kualitas (reputasi) TI versus kuantitas
(pengeluaran) TI.
Kedua, penelitian ini menambah literatur perbankan dengan memberikan bukti yang mendukung proposisi bahwa bank
memang menghargai karakteristik nonkeuangan, seperti reputasi TI perusahaan, dan memasukkannya ke dalam ketentuan
harga dan non-harga dari kontrak pinjaman. Lembaga keuangan sedang diserang dari apa yang disebut revolusi Fintech (The
Economist 2015). Perusahaan-perusahaan Fintech mampu, antara lain, menilai risiko kredit dengan melakukan berbagai
bentuk analisis teks / sentimen berdasarkan data non finansial. Sementara pentingnya informasi non finansial dalam akuntansi
pada umumnya dan dalam perbankan khususnya telah berkembang, beberapa studi pinjaman bank telah menguji apakah dan
bagaimana persyaratan kontrak pinjaman dipengaruhi oleh karakteristik nonkeuangan peminjam (yaitu, informasi yang tidak
tersedia secara langsung dari laporan keuangan).
Akhirnya, penelitian kami menambah literatur reputasi perusahaan dengan memperkenalkan proposisi nilai baru yang
terkait dengan reputasi TI. Yang paling penting adalah temuan kami bahwa perusahaan dengan reputasi IT menikmati
persyaratan pinjaman yang lebih menguntungkan, dan cenderung kurang memiliki kelemahan kontrol internal, bahkan setelah
mengendalikan reputasi perusahaan secara keseluruhan. Hasil di atas, dengan demikian, melengkapi dan memperluas bukti
yang diberikan oleh Cao, Myers, dan Omer (2012) dan Cao, J. Myers, L. Myers, dan Omer (2015) tentang pengaruh reputasi
perusahaan pada biaya ekuitas dan kualitas pelaporan keuangan. Analisis kami menunjukkan bahwa pengaruh reputasi TI
melampaui yang ditangkap oleh reputasi perusahaan secara keseluruhan.
Makalah ini berlanjut sebagai berikut. Bagian II mengulas literatur yang relevan dan mengembangkan hipotesis kami.
Bagian III mendeskripsikan desain penelitian kami. Bagian IV menjelaskan prosedur pemilihan sampel kami dan menyajikan
statistik deskriptif. Bagian V menyediakan hasil dari regresi utama kami, dan Bagian VI menyediakan tes tambahan. Bagian
VII menyimpulkan.

II. LITERATUR DAN PENGEMBANGAN HIPOTESIS TERKAIT

Latar belakang
Reputasi perusahaan — akumulasi pengakuan publik atas kualitas kemampuan atau produk / jasa perusahaan —
merupakan prioritas strategis bagi para manajer dan bidang penelitian yang terus berkembang (Rindova 1997; Rindova,
Williamson, Petkova, dan Sever 2005; Barnett dkk. 2006; Walker 2010). Menggunakan daftar Fortune perusahaanAmerika
yang paling dikagumi sebagai proxy, penelitian sebelumnya telah mengaitkan reputasi perusahaan dengan profitabilitas
(Roberts dan Dowling 2002), pengembalian pasar saham, biaya ekuitas (Filbeck dan Preece 2003; Anderson dan Smith 2006;
Cao et al . 2015), dan kualitas pelaporan keuangan (Cao et al. 2012). Namun, dalam banyak kasus, reputasi perusahaan
cenderung menjadi khusus (Walker 2010). Peran strategis TI dalam perusahaan modern dan pengakuan yang semakin besar
terhadap nilai kemampuan TI (misalnya, Melville dkk. 2004; Wade dan Hulland 2004; Piccoli dan Ives 2005) memotivasi kita
untuk fokus pada reputasi TI sebagai jenis khusus masalah reputasi perusahaan.
Pengembangan reputasi TI perusahaan adalah proses dinamis yang melibatkan perusahaan fokus, perantara, dan
pemangku kepentingan yang tertarik (Rindova 1997). Perusahaan yang telah mencapai tingkat kemampuan TI minimum
dapat secara kredibel memberi sinyal kemampuan IT mereka kepada para pemangku kepentingan (Staw dan Epstein 2000). ''
Sinyal berkhasiat '' harus dapat diamati dan mahal (Connelly et al. 2011, 45). Perusahaan yang memberi sinyal kemampuan IT
mereka melalui pengeluaran TI bisnis, rata-rata, $ 50– $ 90 juta per tahun dalam produk dan layanan TI baru (Stratopoulos
dan Lim 2010). Selanjutnya, perusahaan yang ingin membangun reputasi TI harus mempertahankan konsistensi sinyal selama
beberapa tahun berturut-turut (Connelly dkk. 2011; Gao, Darroch, Mather, dan MacGregor 2008). Selain itu, implementasi
proyek TI tetap menantang, dan mengekstraksi nilai dari inisiatif TI baru membutuhkan kemampuan untuk secara efektif
mengadopsi, menyebarkan, dan mengintegrasikan sumber daya TI dengan sumber daya organisasi dan proses manajerial
lainnya (misalnya, Bharadwaj 2000; Lim et al. 2011; Stratopoulos dan Dehning 2000). Singkatnya, membangun reputasi IT
adalah mahal, memakan waktu, dan sulit bagi perusahaan tanpa kemampuan TI yang mendasarinya untuk ditiru (Dierickx dan
Cool 1989; Rindova 1997; Barnett dkk. 2006; Pfarrer dkk. 2010; Walker 2010).
Perantara (pers bisnis TI) memilih, mengevaluasi, dan memilih mana dari sinyal yang diproyeksikan perusahaan yang
ingin mereka transmisikan. Mengingat keahlian teknis wartawan pers bisnis TI, pers bisnis TI memperkuat sinyal yang
diproyeksikan perusahaan dan membuatnya dapat diobservasi dan lebih berwibawa (Rindova 1997). Kami berharap bahwa
para pemangku kepentingan membentuk keyakinan mereka mengenai reputasi TI perusahaan sebagai berikut (Rindova dkk.
2005): (1) Perusahaan yang memproyeksikan sinyal TI yang konsisten dan konsisten mengkomunikasikan kemampuan TI
yang berkelanjutan. Oleh karena itu, perusahaan-perusahaan ini mengembangkan reputasi TI; (2) Perusahaan yang
memproyeksikan sinyal kemampuan TI hanya sesekali, atau tidak sama sekali, mengkomunikasikan pesan ambigu. Pemangku
kepentingan perusahaan-perusahaan ini tidak tahu apakah kurangnya sinyal atau sinyal diskontinuitas muncul karena
perusahaan-perusahaan ini tidak tertarik memproyeksikan sinyal atau karena mereka tidak mencapai tingkat minimum
kemampuan TI. Ketidakjelasan ini mencegah para pemangku kepentingan membentuk keyakinan mengenai keberlanjutan
kemampuan TI perusahaan ini, dan karenanya perusahaan-perusahaan ini tidak terus mengembangkan reputasi TI.

Pengembangan Hipotesis
Kami berharap bahwa pemberi pinjaman (pemangku kepentingan) akan memproses sinyal kemampuan TI jika sinyal
tersebut membantu mereka mengembangkan keyakinan yang lebih akurat tentang distribusi probabilitas bersyarat dari risiko
kredit perusahaan (Spence 1973). Di satu sisi, beberapa penelitian menunjukkan bahwa bank memiliki kemampuan unggul
untuk mengumpulkan dan memproses informasi tentang risiko kredit peminjam (Fama 1985; Rajan 1992; Cole 1998; Denis
dan Mihov 2003). Oleh karena itu, orang mungkin berpendapat bahwa pemberi pinjaman memperoleh sedikit manfaat
tambahan dengan memproses sinyal kemampuan TI publik. Oleh karena itu, pemberi pinjaman tidak dapat memproses sinyal
kemampuan TI dan reputasi TI tidak akan mempengaruhi kontrak pinjaman.
Di sisi lain, pemberi pinjaman mungkin memang tertarik dalam memproses sinyal publik dari kemampuan TI peminjam
karena beberapa alasan. Pertama, literatur sebelumnya menemukan bahwa perusahaan dengan kemampuan IT membuat
investasi TI yang lebih efisien dan efektif, dan lebih mampu mengeksploitasi peluang bisnis dan / atau menetralkan ancaman
daripada perusahaan tanpa kemampuan TI (misalnya, Melville et al. 2004; Wade dan Hulland 2004; Piccoli dan Ives 2005;
Mithas dkk. 2011). Akibatnya, perusahaan dengan kemampuan IT memiliki laba masa depan yang lebih tinggi dan kurang
bergejolak, menghadapi risiko downside yang lebih rendah, dan pulih lebih cepat dari pendapatan negatif selama resesi
(misalnya, Chen, Lim, dan Stratopoulos 2011; Otim, Dow, Grover, dan Wong 2012; Tian dan Xu 2015). Oleh karena itu, bank
dapat mengenali bahwa perusahaan dengan kemampuan IT harus memiliki risiko kegagalan yang lebih rendah daripada
perusahaan tanpa kemampuan TI dan, sebagai hasilnya, menawarkan istilah pinjaman yang lebih baik kepada perusahaan
dengan reputasi TI.
Kedua, studi pinjaman bank baru-baru ini menunjukkan bahwa akses ke informasi internal tidak dapat membantu bank
sepenuhnya mengatasi masalah yang terkait dengan kegelapan informasi peminjam (misalnya, Bharath, J. Sunder, dan S.
Sunder 2008; Graham, Li, dan Qiu 2008; Costello dan Wittenberg -Moerman 2011; Kim et al. 2011a). Informasi orang dalam,
seperti detail tentang keputusan operasi yang sedang berlangsung dan dampak potensial mereka terhadap kinerja perusahaan
di masa depan, dihasilkan oleh sistem informasi peminjam. Oleh karena itu, kualitas informasi orang dalam itu tergantung
pada infrastruktur sistem informasi internal peminjam dan kemampuan TI-nya. Literatur IT sebelumnya menunjukkan bahwa
perusahaan yang berinvestasi dalam teknologi pemantauan kontrol internal, menerapkan sistem perencanaan sumber daya
perusahaan, atau sinyal kemampuan TI cenderung melihat peningkatan dalam lingkungan informasi internal mereka, yang
ditunjukkan oleh kemungkinan lebih rendah dari kelemahan kontrol internal dan akurasi yang lebih besar dalam penghasilan
manajemen prakiraan (misalnya, Masli et al. 2010; Dorantes et al. 2013; Chen et al. 2014). Oleh karena itu, bank dapat
mengenali bahwa perusahaan dengan kemampuan TI harus memiliki risiko informasi yang lebih rendah daripada perusahaan
tanpa kemampuan TI dan, sebagai hasilnya, menawarkan istilah pinjaman yang lebih baik kepada perusahaan dengan reputasi
TI.
Ketiga, kemampuan TI tidak dapat diamati dan, dengan demikian, sulit diukur. Meskipun informasi pribadi mengenai
inisiatif TI perusahaan (misalnya, investasi TI, sumber daya manusia, dan investasi dalam sumber daya komplementer TI)
dapat membantu pemberi pinjaman mengidentifikasi elemen yang membentuk landasan kemampuan TI, ini tidak cukup untuk
memahami dan mengukur kemampuan TI peminjam. . Sinyal yang dapat diamati dari kemampuan TI, yang diprakarsai oleh
peminjam dan dikonfirmasi oleh pers bisnis TI profesional, berpotensi membantu pemberi pinjaman memverifikasi ketepatan
informasi pribadi mereka tentang peminjam, memberikan pinjaman dengan ukuran ringkasan kemampuan TI, dan
memfasilitasi pemberi pinjaman melakukan uji tuntas untuk mengetahui pelanggan mereka. 1
Oleh karena itu, kami mengharapkan pemberi pinjaman untuk melihat reputasi TI sebagai indikator kredibel kemampuan
TI peminjam, menggunakannya untuk mengevaluasi risiko kredit peminjam, dan faktor itu menjadi suku bunga pinjaman dan
persyaratan pinjaman non-harga. Kami menyatakan hipotesis pertama kami dalam bentuk alternatif sebagai berikut:

H1a: Ceteris paribus, bank membebankan suku bunga pinjaman lebih rendah kepada peminjam dengan reputasi TI daripada
mereka yang tidak memiliki reputasi TI.
H1b: Ceteris paribus, bank cenderung tidak memerlukan agunan dan cenderung memberlakukan pembatasan lebih
sedikit pada pinjaman untuk peminjam dengan reputasi TI daripada mereka yang tidak memiliki reputasi TI.
Ketika mengembangkan H1a dan H1b, kami mengandaikan bahwa kreditur menghargai reputasi TI peminjam karena
secara kredibel menandakan risiko kredit peminjam, yaitu risiko default dan / atau risiko informasi. Untuk mendukung teori
kami, kami lebih lanjut mempertimbangkan apakah reputasi TI memang memprediksi risiko default dan risiko informasi.
Risiko default adalah risiko yang terkait dengan kemungkinan bahwa peminjam tidak dapat memenuhi kewajiban
pinjaman mereka, seperti pembayaran bunga dan pembayaran pokok pada saat jatuh tempo. Untuk memvalidasi asumsi kami
bahwa reputasi TI menandakan risiko kegagalan yang lebih rendah, kami menguji hubungan antara reputasi TI dan penurunan
peringkat kredit peminjam. Lembaga pemeringkat kredit merupakan perantara informasi penting di pasar modal, dan
penilaian mereka terhadap risiko default perusahaan memiliki pengaruh signifikan terhadap persyaratan kontrak utang.
Berdasarkan perkembangan H1a dan H1b di atas, kami berharap bahwa perusahaan dengan reputasi TI mengalami penurunan
peringkat kredit lebih sedikit daripada perusahaan tanpa reputasi TI, dinyatakan dalam bentuk alternatif sebagai berikut:

H2a: Ceteris paribus, kemungkinan penurunan peringkat kredit lebih rendah untuk perusahaan dengan reputasi TI
daripada mereka yang tidak memiliki reputasi IT.
Risiko informasi adalah risiko yang terkait dengan informasi yang tidak sempurna yang digunakan pemberi pinjaman
untuk memperkirakan arus kas masa depan peminjam (misalnya, Duffie dan Lando 2001; Bharath dkk. 2008; Graham dkk.
1 The Export-Import Bank of the United States (EXIM) requires lenders to search news databases in order to collect information about their customers.
This is part of the due diligence process and ''know-your-customer'' practices (see: http://www.exim.gov/policies/due-diligence-standards).
2008; Kim dkk. 2011a). Untuk memvalidasi asumsi kami bahwa reputasi TI memberi sinyal risiko informasi yang lebih
rendah, kami menguji hubungan antara reputasi TI dan keberadaan kelemahan kontrol internal (ICW) yang diungkapkan di
bawah Sarbanes-Oxley Act of 2002 (SOX). Keberadaan ICWs adalah proxy yang tepat untuk risiko informasi dalam konteks
kontrak pinjaman bank, karena literatur menunjukkan bahwa ICW memiliki efek negatif pada kualitas informasi internal
perusahaan yang digunakan oleh manajer dan disampaikan kepada pemberi pinjaman (Feng, Gramlich, dan Gupta 2009; Kim
et al. 2011a). Berdasarkan perkembangan H1a dan H1b di atas, kami berharap bahwa perusahaan dengan reputasi IT
mengalami lebih sedikit ICW daripada perusahaan tanpa reputasi TI, dinyatakan dalam bentuk alternatif sebagai berikut:

H2b: Ceteris paribus, kemungkinan memiliki kelemahan kontrol internal (ICWs) lebih rendah untuk perusahaan dengan
reputasi IT daripada mereka yang tidak memiliki reputasi IT.
AKU AKU AKU. DESAIN PENELITIAN

UkurReputasi
InformasiTIWeek telah memberi peringkat pengguna IT sejak akhir 1980-an. InformationWeek mengundang perusahaan
pengguna TI untuk mengisi kuesioner yang merinci strategi, rencana, dan praktik TI mereka. Perusahaan dapat memilih untuk
memberi sinyal kemampuan IT mereka dengan berpartisipasi dalam survei IW500. Berdasarkan informasi survei yang
disediakan, panel editor InformationWeek memilih dan menentukan peringkat perusahaan yang akan dimasukkan dalam
daftartahunan InformationWeek 500(IW500). Daftar ini telah banyak digunakan dalam penelitian sistem akuntansi dan
informasi (misalnya, Bharadwaj 2000; Kobelsky dkk. 2008; Stratopoulos dan Lim 2010).
Meskipun penelitian sebelumnya mendukung penggunaan IW500 sebagai sinyal kemampuan TI, kami berharap reputasi
TI membutuhkan waktu untuk dikembangkan. Penelitian sebelumnya menemukan bahwa perusahaan memproyeksikan sinyal
berturut-turut kemampuan IT selama tiga hingga lima tahun lebih mungkin untuk terus mengirimkan sinyal yang sama di
tahun-tahun mendatang (Lim et al. 2011; Lim, Stratopoulos, dan Wirjanto 2013). Lebih lanjut, perkiraan durasi rata-rata
keunggulan kompetitif yang dimungkinkan TI adalah sekitar lima tahun (Dehning dan Stratopoulos 2003). Oleh karena itu,
kami mendefinisikan Reputasi TI sebagai variabel indikator yang sama dengan 1 jika peminjam diakui dalam IW500 selama
lima tahun berturut-turut (tahun ketika pinjaman dimulai dan empat tahun sebelumnya), dan 0 sebaliknya.

Model Empiris
Untuk memberikan bukti empiris tentang peran reputasi IT dalam kontrak pinjaman, kita tentukan model berikut regresi
(semua variabel didefinisikan dalam Lampiran A):

Fitur Pinjaman ¼ fðIT Reputasi; Pinjaman-Specific Pengendalian; Peminjam-Specific Pengendalian; Ekonomi-Kontrol

Lebar;
Pinjaman Type Indicator; Indikator pinjaman Tujuan; Indikator Tahun; Industri IndicatorsÞ ð1Þ

Dalam model di atas, variabel dependen, Fitur pinjaman pada tahun t, mengacu pada salah satu fitur berikut kontrak
pinjaman untuk peminjam i's fasilitas k di tahun t: Log AIS, DSecu, FinCovIdx, dan GenCovIdx. Log AIS adalah proxy untuk
biaya bunga pinjaman. Kami mengukurnya dengan log natural dari spread all-in yang ditarik ditambah biaya awal dan biaya
tahunan, dalam basis poin yang melebihi dari London Interbank Borrowing Rate (LIBOR). DSecu adalah variabel indikator
yang sama dengan 1 jika pinjaman dijamin dengan agunan, dan 0 sebaliknya. FinCovIdx dan GenCovIdx adalah indeks
perjanjian keuangan dan umum, masing-masing. Kami membangun dua indeks ini dengan menghitung jumlah perjanjian
keuangan dan perjanjian umum yang termasuk dalam kontrak pinjaman, masing-masing. Reputasi IT didefinisikan di atas.
Ketika Log AIS adalah variabel dependen, kami memperkirakan Persamaan (1) menggunakan regresi kuadrat terkecil
biasa (OLS); ketika DSecu adalah variabel dependen, kami memperkirakan Persamaan (1) menggunakan regresi probit; dan
ketika FinCovIdx atau GenCovIdx adalah variabel dependen, kami memperkirakan Persamaan (1) menggunakan regresi
Poisson. Mengikuti literatur pinjaman bank sebelumnya, kami menggabungkan data pinjaman bank dengan data laporan
keuangan untuk tahun fiskal sebelum pinjaman dimulai (misalnya, Dennis, Nandy, dan Sharpe 2000; Bharath dkk. 2008;
Ivashina 2009).

Variabel Kontrol
Menyusul literatur sebelumnya, kami memasukkan dalam Persamaan (1) set variabel kontrol spesifik pinjaman berikut:
jatuh tempo (Log Maturity), jumlah (Ukuran Kredit Log), jumlah pemberi pinjaman (Log NLenders), keberadaan ketentuan
penetapan harga kinerja (Harga Kinerja), dan jumlah penawaran pinjaman sebelumnya antara peminjam dan pemberi
pinjaman utama (Log NPriorDeals) (misalnya, Bharath dkk. 2008; Graham dkk. 2008; Kim dkk. 2011a; Kim, Tsui, dan Yi
2011b; Lin, Ma, Malatesta, dan Xuan 2011). Graham dkk. (2008) menunjukkan bahwa pemberi pinjaman membebankan suku
bunga pinjaman lebih rendah untuk pinjaman dengan jatuh tempo yang lebih pendek, jumlah yang lebih besar, lebih banyak
kreditur, ketentuan penetapan harga kinerja, dan hubungan peminjam-peminjam sebelumnya. Kami memberlakukan
persyaratan agunan dan pembatasan perjanjian pada tingkat transaksi daripada di tingkat fasilitas. 2 Kami, oleh karena itu,
mengganti Ukuran Kredit Log dengan Konsentrasi Kredit (jumlah dolar dari kesepakatan pinjaman dibagi dengan jumlah
jumlah kesepakatan pinjaman ditambah total kewajiban peminjam) ketika DSecu, FinCovIdx, atau GenCovIdx digunakan
sebagai variabel dependen.
Kami mengendalikan untuk satu set variabel spesifik peminjam yang diketahui mempengaruhi kualitas kredit dan,
dengan demikian, persyaratan kontrak pinjaman: ukuran perusahaan (Ukuran), rasio leverage (rasioLeverage),market-to-book
(MB), profitabilitas historis (ProfitAvg), volatilitas laba (ProfitVol), aset tangibility (Tangibility), Ohlson (1980) O-score(Skor-
O), akrual abnormal (Accr), dan nilai numerik dari Peringkat Kredit Domestik Jangka Panjang Standar & Poor's Domestik (S
& P). Kami berharap bahwa Ukuran, MB, ProfitAvg, dan Tangibility secara positif terkait dengan kualitas kredit peminjam,
sementara Leverage, O-Score, Accr, dan S & P berhubungan negatif dengan kualitas kredit. Mempertimbangkan bahwa opini
audit auditor eksternal dapat memberikan informasi tentang kemampuan IT perusahaan, kami juga mengendalikan opini audit
(CleanAUOP) dalam model kami. Kami mengukur variabel laporan keuangan di atas dan peringkat kredit pada tahun fiskal
segera sebelum pinjaman dimulai (yaitu, tahun t1), yang memastikan bahwa variabel-variabel ini dapat diobservasi kepada
pemberi pinjaman ketika melakukan kontrak dengan peminjam. Sebagaimana dibahas dalam bagian pengembangan hipotesis,
kami memperkirakan bahwa reputasi TI mempengaruhi kontraktor kredit bank melalui saluran risiko dan informasi risiko
default. Kami juga memasukkan dalam model indikator risiko default dan informasi (yaitu, Downgrade Masa Depan dan
ICW) yang digunakan untuk menguji H2a dan H2b.
Studi TI sebelumnya telah mendokumentasikan hubungan antara belanja TI dan risiko / kinerja perusahaan (Dewan, Shi,
dan Gurbaxani 2007; Kobelsky dkk. 2008; Henderson, Kobelsky, Richardson, dan Smith 2010). Selain itu, pengeluaran TI
perusahaan membantu untuk membangun reputasi IT-nya. Untuk memberikan bukti tentang dampak reputasi IT pada istilah
kontrak pinjaman di atas dan di atas pengeluaran TI, kami termasuk dalam model pengeluaran TI peminjam yang
ditingkatkan oleh penjualan pada tahun t1 (Belanja TI).3 Literatur IT menunjukkan bahwa perusahaan-perusahaan yang
memiliki kemampuan IT cenderung memiliki kinerja operasi yang lebih baik dan valuasi pasar saham (Melville dkk. 2004;
Wade dan Hulland 2004; Piccoli dan Ives 2005). Untuk mengisolasi pengaruh reputasi TI dari kinerja keuangan dan saham di
masa depan, kami mengendalikan profitabilitas peminjam dan rasio pasar-ke-buku yang diukur pada tahun inisiasi pinjaman
(yaitu, tahun t). Karena reputasi TI perusahaan dapat terkait erat dengan reputasi perusahaan umumnya, kami menyertakan
reputasi perusahaan (Fortune) di tahun inisiasi pinjaman sebagai variabel kontrol lainnya.
Selain itu, kami menyertakan dua variabel ekonomi luas, Penyebaran Istilah dan Penyebaran Kredit, untuk
mengendalikan dampak potensial kondisi makroekonomi pada persyaratan kontrak pinjaman. Akhirnya, kami memasukkan
Indikator Jenis PinjamanIndikator dan Tujuan Pinjaman untuk mengendalikan perbedaan potensial dalam ketentuan harga dan
non-harga dari kontrak pinjaman yang terkait dengan jenis dan tujuan pinjaman yang berbeda. Kami juga memasukkan
Indikator TahunIndikator dan Industri untuk mengendalikan perbedaan potensial dalam fitur pinjaman selama bertahun-tahun
dan di seluruh industri.

IV. PEMILIHAN SAMPEL DAN STATISTIK DESKRIPTIF

Sampel dan Data

Sampel awal kami mencakup semua perusahaan AS yang diperdagangkan secara umum yang telah muncul setidaknya
sekali dalam daftar IW500 dari 1997 hingga 2011. Oleh karena itu, kedua kelompok perlakuan (perusahaan dengan reputasi
TI) dan kelompok kontrol (perusahaan tanpa reputasi TI) milik populasi perusahaan yang telah menandai kemampuan IT
mereka setidaknya sekali selama periode ini. IW500 juga menyediakan data belanja TI. Ketika suatu perusahaan tidak ada
dalam daftar IW500 untuk tahun tertentu dan, karenanya, informasi pengeluaran TI tidak tersedia, kami menggunakan belanja

2 Each deal, which is a loan contract between a borrower and bank(s) at a specific date, can have only one facility or a package of several facilities with
different price and nonprice terms. For example, a deal can comprise a line of credit facility and a term loan with different interest rates.
3 It may take some time for IT spending to manifest its positive effect in building IT reputation. In this sense, IT reputation in year t (ie, our test variable)
is subject to the influence by the IT spending in year t1 more than that in year t. Nevertheless, our inferences remain unchanged if we measure IT
spending in year t.
TI tingkat industri yang dilaporkan oleh IW500 sebagai proxy untuk belanja TI tingkat perusahaan.4 Data pinjaman bank
untuk perusahaan-perusahaan ini berasal dari database DealScan Loan Pricing Corporation (LPC). Kami mengharuskan
semua fasilitas pinjaman dalam sampel kami menjadi utang senior. Berkenaan dengan jenis-jenis pinjaman, contoh kami
mencakup pinjaman berjangka, pinjaman bergulir, dan fasilitas 364 hari, tetapi tidak termasuk pinjaman jembatan dan fasilitas
non-dana seperti sewa dan standby letter of credit. Kami juga mengecualikan perusahaan keuangan dari sampel kami. Kami
memperoleh laporan keuangan peminjam dan data peringkat kredit dari Compustat, dan kami mengekstrak data kontrol
internal dari Audit Analytics. Kami mengukur reputasi TI peminjam dalam jangka waktu lima tahun, yaitu tahun ketika
pinjaman dimulai, bersama dengan empat tahun sebelumnya; oleh karena itu, ukuran reputasi TI kami tersedia dari tahun
2001 hingga 2011. Kami memulai periode sampel kami pada tahun 2002, karena itu adalah tahun pertama di mana data
kontrol internal tersedia.
Panel A dari Tabel 1 menyajikan distribusi perusahaan sampel kami dan fasilitas pinjaman berdasarkan tahun. Jumlah
peminjam dan fasilitas pinjaman secara dramatis menurun karena krisis keuangan. Secara total, sampel akhir kami terdiri dari
2.768 perusahaan-tahun dan 4.218 tahun-fasilitas.5 Panel B dari Tabel 1 menggambarkan frekuensi perusahaan sampel kami
yang muncul selama periode sampel. Di antara perusahaan sampel kami, 85 perusahaan muncul dalam satu tahun saja, 127
perusahaan muncul dalam lima tahun sampel yang berbeda, dan hanya satu perusahaan yang muncul dalam semua sepuluh
tahun. Panel C dari Tabel 1 menyajikan distribusi sampel perlakuan kami (yaitu, pengamatan dengan reputasi TI) oleh Fama
dan French 48 klasifikasi industri. Di sini, 148 perusahaan dari 33 industri diklasifikasikan sebagai memiliki reputasi IT, dan
perusahaan-perusahaan ini memiliki 448 pinjaman dalam sampel kami. Layanan bisnis, grosir, utilitas, dan bahan kimia
memiliki lebih dari sepuluh perusahaan dengan reputasi TI, sementara delapan industri (bir dan minuman keras, rekreasi,
karet dan produk plastik, dll) hanya memiliki satu perusahaan dengan reputasi TI.
Statistik Deskriptif dan Korelasi
Panel A dari Tabel 2 menyajikan statistik deskriptif untuk karakteristik pinjaman utama berdasarkan tahun. Kami
menemukan bahwa, secara keseluruhan, rata-rata spread all-in adalah lancar dari waktu ke waktu, tetapi secara signifikan
meningkat dalam periode pasca-krisis, yaitu, dari tahun 2008 hingga 2011. Jumlah rata-rata fasilitas pinjaman tertinggi pada
tahun 2007 (946 juta) dan terendah pada 2009 (400 juta).
Panel B dari Tabel 2 melaporkan variabel spesifik pinjaman dan peminjam untuk sampel lengkap. Rata-rata dan median
dari semua yang ditarik tersebar di LIBOR (yaitu, AIS) masing-masing sekitar 165 dan 125 basis poin (bps). Kematangan rata-
rata (median) adalah sekitar 46 (60) bulan, sedangkan rata-rata ukuran fasilitas (median) adalah $ 687 juta ($ 375 juta). Tabel
ini juga menunjukkan bahwa 37,4 persen dari fasilitas pinjaman dalam sampel kami dijamin dengan agunan, dan 53,9 persen
dari mereka memiliki ketentuan penetapan harga kinerja. Kredit Konsentrasi Rasiomenunjukkan bahwa ukuran kesepakatan
pinjaman, rata-rata, sekitar 21,8 persen dari jumlah dari jumlah kesepakatan pinjaman ditambah total kewajiban peminjam.
Pinjaman rata-rata dalam sampel kami mencakup sekitar satu perjanjian keuangan dan hampir tiga perjanjian umum.
Sebagian besar fasilitas pinjaman dalam sampel kami adalah pinjaman sindikasi yang memiliki, rata-rata, sekitar 12 kreditur.
Sehubungan dengan hubungan peminjam sebelumnya, seorang peminjam dalam sampel kami rata-rata memiliki sekitar satu
kesepakatan pinjaman sebelumnya dalam lima tahun terakhir dengan para pengatur utama untuk pinjaman saat ini.
Seperti ditunjukkan pada Tabel 2, Panel B, sekitar 11 persen peminjam pinjaman dalam sampel kami telah muncul di
IW500 selama lima tahun berturut-turut (tahun inisiasi pinjaman dan empat tahun sebelumnya). Ukuran memiliki mean dan
median 8,40 dan 8,37, masing-masing, dengan standar deviasi 1,44. Rasio rata-rata pasar-ke-buku adalah 1,73 (1,44), dan
rerata (median) O-Skor adalah 7,03 (7,13). Rata-rata, utang, laba sebelum bunga, pajak, depresiasi, dan amortisasi (EBITDA),
dan aset berwujud (yaitu, PP & E) masing-masing sekitar 67 persen, 14 persen, dan 32 persen dari total aset. Proksi untuk
kualitas akuntansi (Accr) memiliki mean (median) 0,09 (0,04). Nilai rata-rata S & P (yaitu, 12,4) menunjukkan bahwa
perusahaan rata-rata dalam sampel kami memiliki S & P Peringkat Kredit Emiten Jangka Panjang antara BB dan BB, dan
38,9 persen dari peminjam dalamkami sampelmenerima opini audit tanpa pengecualian tanpa bahasa penjelas dari auditor
eksternal mereka.5 Persentase peminjam yang melaporkan ICW di bawah SOX Section 302 adalah 6,3 persen, dan 31,9 persen
dari peminjam mengalami setidaknya satu penurunan peringkat kredit dalam tiga tahun berikutnya. Pengeluaran TI rata-rata
menyumbang 2,7 persen dari pendapatan penjualan untuk perusahaan sampel kami. Sekitar 35 persen dari peminjam dalam
sampel kami telah muncul dalam daftar perusahaanFortunePaling Dikagumi di.

4 Given that our sample firms enter and exit the IW500 list from one year to another, this procedure is necessary to maintain a reasonable sample size. 5 Each
loan facility is included in our sample only at its initiation.
5 Among 4,218 loans in our sample, 1,642 borrowers receive an unqualified opinion without explanatory language on their financial statements, 2,575
receive an unqualified opinion with explanatory language, and only one borrower receives a qualified opinion.
 Panel C dari Tabel 2 membandingkan pinjaman utama dan karakteristik perusahaan dari peminjam dengan
reputasi(ITReputasi TI ¼ 1) dengan mereka yang tidak memiliki reputasi(ITReputasi TI ¼ 0). Konsisten dengan H1a dan H1b,
kami menemukan bahwa pinjaman kepada peminjam dengan reputasi IT memiliki suku bunga yang lebih rendah, termasuk
lebih sedikit perjanjian, dan cenderung tidak memiliki pinjaman yang dijamin dengan agunan. Panel C juga menunjukkan
bahwa peminjam dengan reputasi IT cenderung kurang memiliki kelemahan kontrol internal dan penurunan peringkat kredit
dalam tiga tahun berikutnya, yang sejalan dengan H2a dan H2b, masing-masing.
Tabel 3 melaporkan koefisien korelasi Pearson di antara variabel-variabel khusus pinjaman dan peminjam tertentu.
Konsisten dengan prediksi kami, kami menemukan bahwa Reputasi IT secara signifikan dan negatif berkorelasi dengan Log
AIS (), 0,127DSecu (0,141), FinCovIdx0,084 (), dan GenCovIdx (0,092). Meskipun hanya menunjukkan hubungan yang
mendasarinya, korelasi di atas memberikan dukungan untuk hipotesis penelitian kami H1a dan H1b. Konsisten dengan H2a
dan H2b, Reputasi IT secara signifikan dan negatif berkorelasi dengan keberadaan(ICWICW) dan penurunan peringkat kredit
masa depan (Future Downgrade).
V. HASIL UTAMA

Dampak Reputasi TI terhadap Ketentuan Harga dan Kontrak Pinjaman Non-Harga

Tabel 4 melaporkan hasil estimasi Persamaan (1). Semua statistik t yang dilaporkan (z-statistik) didasarkan pada
kesalahan standar yang dikoreksi untuk heteroskedastisitas dan pengelompokan dua dimensi (perusahaan dan tahun). Seperti
yang ditunjukkan pada Kolom (1), kami menemukan bahwa koefisien pada Reputasi IT adalah negatif dan signifikan secara
statistik pada tingkat 1 persen (0,098, t ¼3,18), konsisten dengan H1a. Pengaruh ekonomi yang diperkirakan dari reputasi TI
pada penurunan suku bunga pinjaman adalah sekitar $ 1,37 juta per tahun.6
Kolom (2) dari Tabel 4 melaporkan hasil regresi probit di mana variabel dependen adalah indikator untuk adanya
persyaratan jaminan (DSecu). Kami menemukan bahwa koefisien pada Reputasi IT juga negatif dan signifikan secara statistik
pada tingkat 1 persen (0,439, z ¼ 3,31). Koefisien negatif menunjukkan bahwa reputasi TI mengurangi kemungkinan
pinjaman dijamin dengan agunan. Karena FinCovIdx dan GenCovIdx menghitung jumlah perjanjian keuangan dan umum,
masing-masing, kami memperkirakan Persamaan (1) dengan menerapkan prosedur regresi Poisson ketika variabel dependen
adalah FinCovIdx dan GenCovIdx dalam Kolom (3) dan (4), masing-masing. Kami menemukan bahwa koefisien pada Reputasi
IT adalah 0,114 (z¼ 2,03) dan 0,122 (z¼1,78), signifikan pada tingkat 5 persen dan 10 persen, masing-masing. Hasil dalam
Kolom (2) - (4) konsisten dengan H1b.
Hasil yang disajikan pada Tabel 4 menunjukkan bahwa pemberi pinjaman menemukan reputasi TI berguna, dan reputasi
TI memiliki efek langsung pada persyaratan pinjaman. Efek langsung ini secara signifikan melebihi dan di luar proxy kami
untuk risiko default dan risiko informasi, serta kinerja akuntansi masa depan dan nilai pasar.

*, **, *** Menandakan signifikansi masing-masing pada 10 persen, 5 persen, dan 1 persen, dalam uji dua-ekor.
Tabel ini menyajikan hasil perkiraan pengaruh reputasi TI peminjam pada persyaratan kontrak pinjaman. Kolom (1) adalah regresi kuadrat terkecil biasa
(OLS), Kolom (2) adalah regresi Probit, dan Kolom (3) dan (4) adalah regresi Poisson. The t-statistik (z-statistik), dalam tanda kurung, didasarkan pada
kesalahan standar dikoreksi untuk heteroskedastisitas dan pengelompokan tingkat perusahaan dan tahun (dua dimensi) (Petersen 2009). Semua variabel
didefinisikan dalam Lampiran A.

Dampak Reputasi TI terhadap Downgrade Peringkat Kredit Masa Depan dan ICWs
Untuk lebih mendukung proposisi kami bahwa reputasi TI menandakan risiko default yang lebih rendah, kami menguji
apakah reputasi TI mengurangi terjadinya penurunan peringkat kredit masa depan peminjam (H2a ). Untuk melakukan tes ini,
kami menjalankan regresi probit, dengan Future Downgrade menjadi variabel dependen. Variabel kontrol meliputi ukuran
perusahaan (Ukuran), leverage (Leverage), rasio market-to-book (MB), profitabilitas (Laba), Ohlson (1980) O-score(Skor-O),
peringkat kredit saat ini (S & P), Belanja TI (Belanja TI), dan reputasi perusahaan (Fortune). Kolom (1) dari Tabel 5
melaporkan hasil dari tes ini. Kami menemukan bahwa koefisien estimasi pada Reputasi IT secara signifikan negatif pada
tingkat 1 persen (0,397, z ¼3,14), konsisten dengan H2a.

6 The magnitude of the coefficient on IT Reputation suggests that, compared to borrowers without IT reputation, those with IT reputation enjoy about 9
percent lower loan interest rates, with all other AIS determinants unchanged. The calculations are as follows: Log AISITReputation¼1 Log AISITReputation¼ 0 ¼0.098.
Thus, AISITReputation¼1 4 AISITReputation¼0 ¼ e0.098 ¼ 0.9067. As reported in Table 2, the average all-in spread is 165 bps, and an average loan facility borrowed by
firms with IT reputation is about $916 million with the maturity of 45 months. Our results imply that the drawn all-in spread of a loan with the same
features borrowed by a firm with IT reputation is about 15 bps (165 bps39 percent) lower than that of the loan to the borrower without IT reputation, which
means an annual interest saving of $1.37 million ($916 million 3 15 bps) over about four years.
 Selanjutnya, kami menguji hubungan antara reputasi TI dan risiko informasi dengan menguji apakah reputasi TI
perusahaan terkait dengan keberadaan ICW. Kami memperkirakan model probit di mana variabel dependen adalah ICW. Kami
mengendalikan serangkaian karakteristik perusahaan yang dikenal yang berdampak pada efektivitas pengendalian internal
(Doyle, Ge, dan McVay 2007).7 Selain itu, kami mengendalikan pengeluaran(TIIT Spending) dan reputasi perusahaan
(Fortune). Ukuran sampel turun menjadi 3.236 observasi karena kebutuhan data pada variabel kontrol. Kolom (2) dari Tabel 5
melaporkan hasil estimasi untuk model probit. Seperti ditunjukkan pada Kolom (2), koefisien Reputasi TI adalah 0,369,
signifikan pada tingkat 5 persen, konsisten dengan H2b. Hasil yang disajikan pada Tabel 5 menunjukkan bahwa pengaruh
reputasi TI pada istilah pinjaman disajikan pada Tabel 4 berasal dari kedua risiko default dan informasi, mendukung proposisi
kami.

VI. TES TAMBAHAN

Informasi Lingkungan dan Efek Reputasi TI

Dampak reputasi TI pada kontrak pinjaman bank dapat bervariasi dengan lingkungan informasi peminjam. Penyebaran
perkiraan laba analis telah secara luas dilihat sebagai proxy untuk ketidakpastian investor tentang kinerja yang mendasari
perusahaan (misalnya, Imhoff dan Lobo 1992; Barron, Kim, Lim, dan Stevens 1998; Herrmann dan Thomas 2005; Behn,
Choi, dan Kang. 2008; Byard, Li, dan Yu 2011; Lee, Pandit, dan Willis 2013). Jika reputasi TI berperan dalam mengurangi
risiko informasi pemberi pinjaman, kami berharap efeknya pada kontrak pinjaman menjadi lebih jelas ketika ada tingkat
ketidakpastian yang lebih tinggi tentang kinerja peminjam.
Untuk menguji secara empiris ini, kami menghitung dispersi perkiraan analis menggunakan data perkiraan pendapatan
analis dari I / B / E / S dan kemudian mempartisi sampel kami menjadi dua sub-sampel perusahaan peminjam dengan dispersi
tinggi dan rendah berdasarkan nilai median tahunan dari dispersi perkiraan . Karena data perkiraan penghasilan tidak tersedia
untuk beberapa pengamatan, tes tambahan ini menggunakan sampel yang dikurangi dari 3.250 tahun fasilitas (1.620 dalam
subsampel dengan penyebaran rendah dan 1.630 dalam subsampel dengan penyebaran tinggi). Tabel 6, Panel A menyajikan
hasil regresi untuk Persamaan (1) dengan dua subsamples.8
Seperti yang ditunjukkan dalam Kolom (1) dari Tabel 6, Panel A, ketika Log SIA adalah variabel dependen, koefisien pada
Reputasi TI tidak signifikan untuk subsampel rendah dispersi (0,045, t ¼ 0,78), sementara itu secara signifikan negatif pada 1
persen tingkat untuk subsampel dengan dispersi tinggi (0,250, t ¼3,44). Hasil uji-t untuk perbedaan dalam koefisien estimasi
antara dua subsamples menunjukkan bahwa perbedaan signifikan pada tingkat 1 persen. Hasil di atas menunjukkan bahwa
pengaruh peminjam reputasi TI pada suku bunga pinjaman lebih terasa ketika analis memperkirakan penyebaran lebih tinggi.
Seperti yang ditunjukkan dalam Kolom (2) dari Tabel 6, Panel A, ketika variabel dependen adalah DSecu, koefisien
Reputasi IT signifikan untuk kedua subsamples, tetapi besarnya lebih besar untuk sampel dispersi tinggi daripada untuk
sampel dispersi rendah. .

Hasil t-test mengungkapkan, bagaimanapun, bahwa perbedaan dalam koefisien estimasi antara dua subsampel tidak
signifikan. Seperti ditunjukkan dalam Kolom (3), ketika variabel dependen adalah FinCovIdx, koefisien pada Reputasi TI tidak
signifikan untuk kedua sub-sampel dispersi rendah dan dispersi tinggi. Seperti yang dilaporkan dalam Kolom (4), di mana
GenCovIdxsubsampel digunakan sebagai variabel dependen, koefisien estimasi pada Reputasi TI adalah negatif, tetapi tidak
signifikan, untukrendah dispersi (0,119, t ¼ 1,27), sementara itu signifikan negatif untuk Subsampel dispersi tinggi (0,184, t ¼
1,75). Namun, hasil uji t menunjukkan bahwa perbedaan dalam koefisien estimasi pada Reputasi TI antara dua subsampel
tidak signifikan pada tingkat konvensional.
Studi sebelumnya menunjukkan bahwa investor institusional memainkan peran dalam meningkatkan informasi harga
saham (misalnya, Ayers dan Freeman 2003; Ke dan Petroni 2004; Piotroski dan Roulstone 2004; Ke dan Ramalingegowda
2005; Bushee dan Goodman 2007). Sejauh kepemilikan saham institusional meningkatkan lingkungan informasi yang
dihadapi perusahaan peminjam, kami berharap pengaruh menguntungkan dari reputasi TI dalam kontrak pinjaman, jika ada,
menjadi lebih lemah (lebih kuat) bagi peminjam dengan kepemilikan saham institusional (bawah) yang lebih tinggi.
Untuk menguji secara empiris prediksi kami, kami memperoleh data kepemilikan institusional dari Basis Data Institusi
Thomson-Reuters (13F). Karena data kepemilikan institusional tidak tersedia untuk beberapa pengamatan sampel kami, kami

7 These firm characteristics include firm size (Size), market-to-book ratio (MB), profitability (Profit), Ohlson's (1980) O-score (O-Score), credit rating (S&P),
an indicator of mergers and acquisitions (M&A), an indicator of foreign transactions (Foreign), an indicator of restructures (Restructure), the natural log of
the number of business segments (Log NSeg), growth rate in sales (Sale Growth), the natural log of firm age (Log Age), and the natural log of the number of
special purpose entities (Log NSPE).
8 For brevity, all analyses reported in this section report the coefficient on our test variable IT Reputation only.
 menggunakan 2,895 fasilitas-tahun untuk pengujian ini. Berdasarkan nilai median dari persentase saham biasa dari
perusahaan peminjam yang dimiliki oleh investor institusi, kami membangun dua subsampel 1.445 dan 1.450 tahun fasilitas
dengan kepemilikan saham institusional rendah dan tinggi, masing-masing. Kami memperkirakan Persamaan (1) secara
terpisah untuk dua subsamples dan melaporkan hasilnya di Panel B dari Tabel 6.
Seperti yang ditunjukkan pada Kolom (1) dari Tabel 6, Panel B, ketika Log AIS adalah variabel dependen, koefisien pada
Reputasi TI adalah
0,138, signifikan pada tingkat 1 persen, untuk subsample kepemilikan institusi yang rendah, sedangkan koefisiennya adalah
0,012, tidak signifikan pada tingkat konvensional, untuk subsample kepemilikan institusional yang tinggi. Hasil t-test
menunjukkan bahwa perbedaan dalam koefisien estimasi antara dua subsamples signifikan pada tingkat 5 persen. Konsisten
dengan prediksi kami, hasilnya menunjukkan bahwa lingkungan informasi yang lebih baik mengurangi efek peminjam
reputasi TI pada tingkat bunga pinjaman.
Seperti yang ditunjukkan dalam Kolom (2) dari Tabel 6, Panel B, ketika DSecu digunakan sebagai variabel dependen,
koefisien IT
Reputasi secara signifikan negatif pada tingkat 1 persen untuk peminjam dengan kepemilikan saham institusional yang
rendah (1,103, z ¼ 8,37). Sebaliknya, untuk peminjam dengan kepemilikan institusional yang tinggi, hubungan antara
Reputasi TI dan DSecu adalah negatif, tetapi tidak signifikan (0,174, z¼0,61). Hasil t-test menunjukkan bahwa perbedaan
dalam koefisien estimasi pada Reputasi IT antara dua subsampel adalah signifikan pada tingkat 5 persen. Ketika FinCovIdx
digunakan sebagai variabel dependen (Kolom (3)), koefisien pada Reputasi TI tidak signifikan untuk kedua subsamples.
Sebaliknya, ketika variabel dependen adalah GenCovIdx (Kolom (4)), koefisien Reputasi TI secara signifikan negatif pada
tingkat 1 persen untuk subsample kepemilikan institusional rendah, sedangkan koefisien tidak signifikan untuk subsample
kepemilikan institusional yang tinggi. Hasil t-test menunjukkan bahwa perbedaan dalam koefisien estimasi antara dua
subsamples signifikan pada tingkat 10 persen.

Potensi Endogenitas Reputasi TI

Beberapa masalah terkait endogenitas mungkin memengaruhi validitas hasil kami. Perusahaan memilih apakah akan
memberi sinyal kemampuan IT mereka dengan berpartisipasi secara sukarela dalam survei IW500 (seleksi mandiri). Oleh
karena itu, kemungkinan bahwa variabel teramati yang sama yang memotivasi keputusan perusahaan untuk memberi sinyal
kemampuan IT-nya mungkin terkait dengan risiko kredit perusahaan (variabel yang dihilangkan berkorelasi). Perusahaan
dengan lebih banyak sumber daya dan manajemen yang lebih baik lebih mungkin menandakan kemampuan IT mereka dan
memiliki risiko kredit yang lebih rendah. Mungkin juga bahwa perusahaan akan lebih cenderung memproyeksikan sinyal
kemampuan TI ketika mereka membutuhkan pinjaman (bias simultanitas). Perusahaan seperti itu lebih cenderung mencari
pengakuan eksternal dan berpartisipasi dalam survei IW500 untuk memberi sinyal kemampuan TI mereka ketika mereka
perlu meminjam.
Menyadari hal ini, kami memilih sampel kami (baik kelompok perlakuan dan kontrol) dari populasi perusahaan yang
telah muncul setidaknya sekali dalam daftar IW500. Beberapa potensi bias yang diperkenalkan oleh seleksi mandiri dan
variabel yang dihilangkan berkorelasi, kami harapkan, akan dimitigasi oleh fakta bahwa sumber-sumber bias, jika signifikan,
cenderung mempengaruhi kedua kelompok perlakuan dan kontrol. Jika suatu perusahaan memilih untuk memberi sinyal
kemampuan TI ketika membutuhkan pembiayaan atau pada tahun sebelum mencari pembiayaan eksternal (bias simultanitas),
maka perusahaan akan dimasukkan dalam kelompok kontrol kami. Oleh karena itu, jika ada bias simultanitas, maka akan
memperkenalkan bias terhadap menemukan perbedaan yang signifikan antara sampel perlakuan dan kontrol. Perhatikan di
sini bahwa untuk sebuah perusahaan berada dalam kelompok perlakuan, itu harus menandakan kemampuan IT-nya selama
lima tahun berturut-turut, dengan tahun kelima menjadi tahun pinjaman.9
Secara empiris, kami menggunakan empat pendekatan berbeda untuk mengatasi masalah endogenitas. Pendekatan
pertama kami adalah menggunakan Heckman (1979) proseduruntuk mengendalikan endogenitas karena seleksi mandiri.
Secara khusus, kami pertama kali memperkirakan model probit berikut dalam Persamaan (2), di mana variabel dependen
adalah Reputasi TI dan variabel independen adalah faktor penentu potensi kemungkinan bahwa perusahaan mengembangkan
reputasi TI (termasuk industri dan indikator tahun). Literatur sistem informasi sebelumnya menunjukkan bahwa perusahaan
dengan posisi keuangan yang lebih baik dan lebih banyak sumber daya lebih mungkin memiliki reputasi IT (Staw dan Epstein
2000; Lim et al. 2011). Dengan demikian, kami memasukkan dalam model seperangkat fitur keuangan yang telah kami
gunakan dalam regresi utama kami (yaitu, Ukuran, Leverage, MB, ProfitAvg, ProfitVol, Tangibility, O-Score, dan S & P). Selain
itu, kami memasukkan IT Spending dan Fortune dalam model karena reputasi TI perusahaan secara positif terkait dengan

9 However, we admit that this sample selection procedure limits the sample size and may restrict the generalizability of our findings.
belanja TI dan reputasi perusahaan. Seseorang mungkin berpendapat bahwa kebutuhan keuangan perusahaan meningkatkan
insentifnya untuk didaftar di peringkat IW500 dan meningkatkan reputasi TI-nya. Kami, dengan demikian, termasuk dalam
model jumlah pembiayaan eksternal (Masalah). Kami secara resmi menetapkan:

Kami menggunakan kekuatan hierarkis dari eksekutif TI perusahaan (SITE) sebagai variabel pengecualian (Lennox,
Francis, dan Wang 2012). Lim et al. (2013) berteori bahwa eksekutif TI akan bertujuan untuk mencapai legitimasi eksternal
(yaitu, membangun reputasi TI dengan memproyeksikan sinyal kemampuan TI), berharap bahwa tim manajemen puncak dan
dewan direksi akan membalasnya dengan meningkatkan kekuatan hierarkis eksekutif TI dalam perusahaan. Ini akan
memotivasi para eksekutif TI untuk memproyeksikan lebih banyak sinyal di masa depan. Lim et al. (2013)
mendokumentasikan bahwa perusahaan yang membangun budaya timbal balik seperti itu lebih mungkin mengembangkan
reputasi TI. Mengingat pengaturan teori institusional yang digunakan oleh Lim et al. (2013),10 kami berharap bahwa para
pemangku kepentingan (seperti bank) lebih mungkin untuk fokus pada sinyal daripada pengemudi di belakang sinyal.
Meskipun kami berharap bahwa kekuatan hierarkis para eksekutif TI akan dikaitkan secara positif dengan reputasi TI, kami
tidak memiliki alasan kuat untuk percaya bahwa hal itu terkait dengan persyaratan kontrak pinjaman perusahaan.variabel SITE
mengambil nilai 1 jika eksekutif TI senior perusahaan hanya memiliki jabatan resmi chief information officer (CIO), 2 jika
eksekutif memiliki judul CIO plus judul resmi tambahan, dan 0 sebaliknya.
Panel A dari Tabel 7 menyajikan hasil estimasi probit IT prediksi model prediksi dalam Persamaan (2). Hasil di Panel A
menunjukkan bahwa perusahaan dengan volatilitas profitabilitas yang lebih tinggi dan peringkat kredit yang lebih rendah
cenderung untuk mengembangkan reputasi TI, sementara perusahaan dengan reputasi perusahaan yang lebih tinggi lebih
mungkin memiliki reputasi IT. Konsisten dengan prediksi kami, kami temukan di Panel A bahwa koefisien yang diperkirakan
pada SITE secara signifikan positif, yang menunjukkan bahwa perusahaan dengan eksekutif TI yang lebih kuat lebih mungkin
untuk mengembangkan reputasi TI. Untuk lebih memeriksa validitas variabel pengecualian, kami menambahkan SITE ke
Persamaan (1) sebagai variabel kontrol dan memperkirakan regresi. Hasilnya, yang dilaporkan dalam Panel B dari Tabel 7,
menunjukkan bahwa meskipun estimasi koefisien pada Reputasi TI tetap signifikan negatif, SITE memiliki efek yang tidak
signifikan pada penyebaran pinjaman, persyaratan jaminan, atau indeks perjanjian. Hasil ini menunjukkan bahwa kekuatan
hierarkis eksekutif TI senior tidak memiliki efek langsung pada persyaratan kontrak pinjaman; dengan demikian, faktor ini
dapat dikecualikan dari regresi tahap kedua dari Heckman (1979) prosedur.
Selanjutnya, kami menghitung rasio Mills terbalik (IMR) dari model probit tahap pertama dalam Persamaan (2) dan
memperkirakan regresi utama kami dengan IMR dimasukkan sebagai variabel kontrol tambahan. Panel C dari Tabel 7
melaporkan hasil regresi tahap kedua yang melibatkan IMR. Kami menemukan dalam Panel C bahwa Reputasi IT masih
memiliki dampak yang signifikan terhadap persyaratan kontrak pinjaman setelah mengendalikan IMR, yang konsisten dengan
hasil utama kami. Koefisien pada IMR tidak signifikan pada tingkat konvensional di semua empat kolom. Hasil di atas
menunjukkan bahwa endogenitas potensial yang terkait dengan pemilihan sendiri TI peminjam mungkin tidak menjadi
masalah serius dalam pengaturan kami.11
Kedua, untuk lebih ketat mengendalikan perbedaan dalam perawatan dan kontrol perusahaan dan untuk mengurangi
kekhawatiran tentang bentuk fungsional dari hubungan, kami membangun sampel yang cocok menggunakan metode
pencocokan kecocokan kecenderungan (PSM) dan merestrukturisasi regresi utama kami menggunakan sampel yang cocok
(misalnya , Armstrong, Jagolinzer, dan Larcker 2010; Lawrence, Minutti-Meza, dan Zhang 2011). Secara khusus, kami
menghitung probabilitas yang diprediksi (yaitu, nilai kecenderungan) reputasi TI untuk semua perusahaan dalam sampel kami
menggunakan koefisien estimasi probit ITReputasi model prediksidalam Persamaan (2). Untuk setiap perusahaan yang
memiliki reputasi IT (yaitu, perusahaan perawatan), kami kemudian memilih perusahaan pengendali yang cocok yang
memiliki skor kecenderungan terdekat dengan perusahaan perawatan, tetapi tidak memiliki reputasi TI. Kami melakukan skor
kecenderungan satu-ke-satu ini sesuai dengan kondisiumum dukungandan tanpa penggantian. Setelah menerapkan prosedur
PSM di atas, kami memperoleh sampel yang sesuai dari 678 fasilitas pinjaman: 339 fasilitas yang dipinjam oleh perusahaan
perawatan dengan reputasi IT dan 339 fasilitas yang dipinjam oleh perusahaan kontrol tanpa reputasi TI.
Selanjutnya, kami memeriksa apakah prosedur PSM kami efektif dalam mencapai keseimbangan kovariat antara sampel
perawatan dan kontrol. Jika kita menerapkan PSM dengan benar, maka sampel perlakuan dan kontrol harus tampak serupa
sepanjang dimensi yang termasuk dalam Persamaan (2), dengan pengecualian reputasi TI mereka. Panel A dari Tabel 8

10 The institutional theory is grounded on: (1) the premise that internal and external stakeholders are the recipient of projected signals; and (2) the
unobservable nature of the culture of reciprocity that develops over several years.
11 The Variance Inflation Factors (VIFs) for IT Reputation and IMR are all lower than the conventional critical value of 10 in the second-stage regressions,
indicating that multicollinearity is not a big problem when we implement the Heckman (1979) procedure (Belsley, Kuh, and Welsch 1980; Greene 2003).
melaporkan sarana variabel dan median dari sampel perlakuan dan kontrol, dan tes perbedaan. Seperti yang ditunjukkan pada
Panel A, dua sampel t-test dan Wilcoxon rank
*, **, *** Menandakan signifikansi masing-masing pada 10 persen, 5 persen, dan 1 persen, dalam uji dua-ekor.
Panel A menyajikan hasil dari model probit langkah pertama di mana variabel dependen adalah Reputasi IT. Panel B menyajikan hasil regresi istilah kontrak
pinjaman pada variabel uji Reputasi TI dan variabel pengecualian, yaitu SITE, setelah memasukkan semua variabel kontrol dalam model. Panel C menyajikan
hasil dari regresi langkah kedua yang mengendalikan Rasio Inverse Mills (IMR) dari regresi probit langkah pertama. Dalam Panel B dan C, Kolom (1) adalah
regresi OLS, Kolom (2) adalah regresi Probit, dan Kolom (3) dan (4) adalah regresi Poisson. The t-statistik (z-statistik), dalam tanda kurung, didasarkan pada
kesalahan standar dikoreksi untuk heteroskedastisitas dan pengelompokan tingkat perusahaan dan tahun (dua dimensi) (Petersen 2009). Semua variabel
didefinisikan dalam Lampiran A.

uji sum menunjukkan bahwa distribusi karakteristik perusahaan antara perusahaan perlakuan dan kontrol serupa,
menunjukkan bahwa prosedur PSM kami berhasil. Kami kemudian reestimate Persamaan (1) menggunakan sampel PSM ini.
Panel B dari Tabel 8 melaporkan hasil estimasi ini. Kami menemukan di Panel B bahwa koefisien pada variabel uji kami
Reputasi TI secara signifikan negatif ketika variabel dependen adalah Log AIS, DSecu, FinCovIdx, atau GenCovIdx.
Ketiga, untuk mengatasi endogenitas yang terkait dengan faktor-faktor yang terkait, tetapi tidak dapat diamati, dan
spesifik perusahaan, kami menggunakan model-model efek tetap perusahaan untuk memperkirakan pengaruh reputasi IT pada
persyaratan kontrak pinjaman. Desain riset efek tetap mengontrol perbedaan yang tidak dapat diamati antara kelompok
perlakuan (yaitu, perusahaan dengan reputasi IT) dan kelompok kontrol (yaitu, perusahaan tanpa reputasi TI) dan
menghilangkan bias potensial yang disebabkan oleh endogenitas selama faktor yang tidak dapat diamati tetap konstan. selama
periode sampel (Lennox et al. 2012). Karena reputasi TI perusahaan berkembang dari waktu ke waktu, kami percaya bahwa
sumber endogenitas yang tidak dapat diamati cenderung menjadi karakteristik bawaan, waktu-invariant, dan spesifik
perusahaan. Hasil regresi efek tetap perusahaan dilaporkan dalam Panel A dari Tabel 9. Kami menemukan di Panel A bahwa
koefisien estimasi pada Reputasi TI secara signifikan negatif ketika Log AIS atau DSecu adalah variabel dependen, yang
konsisten dengan hasil utama kami. Sejauh bahwa efek tetap perusahaan menangkap faktor-faktor spesifik perusahaan yang
tidak dapat diamati, waktu-invariant, yang berpotensi mempengaruhi persyaratan pinjaman, hasil ini membantu kami
mengurangi kekhawatiran tentang variabel yang dihilangkan yang berkorelasi. Namun, Kolom (3) dan (4) Panel A tidak
menunjukkan dampak yang signifikan dari reputasi TI peminjam pada perjanjian ketika kami memperkirakan regresi efek
tetap perusahaan.
Akhirnya, untuk mengatasi kekhawatiran lebih lanjut tentang variabel dihilangkan berkorelasi dan kausalitas terbalik
(Bradshaw, Bushee, dan Miller 2004), kami melakukan analisis perubahan untuk menguji pengaruh perubahan reputasi TI
peminjam pada perubahan dalam hal pinjaman. Panel B dari Tabel 9 melaporkan hasil ini. Kami menemukan di Panel B
bahwa perubahan reputasi TI secara signifikan dan negatif terkait dengan perubahan dalam penyebaran pinjaman, meskipun
perubahan dalam reputasi TI tampaknya tidak memiliki dampak signifikan pada perubahan persyaratan perjanjian dan
agunan. Singkatnya, hasil berdasarkan Heckman (1979) prosedur, pendekatan PSM, regresi efek tetap perusahaan, dan
perubahan regresi menunjukkan kekokohan hasil kami dan membantu mengurangi kekhawatiran tentang potensi endogenitas.

Analisis Perusahaan dengan Reputasi TI

Kami melakukan tes tambahan dengan menganalisis sampel yang dikurangi dari 148 perusahaan yang telah mencapai
reputasi TI selama setidaknya satu tahun selama periode sampel kami. 148 perusahaan ini memiliki 931 fasilitas pinjaman
dalam sampel kami. Kami memperkirakan model regresi kami dengan sampel yang dikurangi ini dengan mengendalikan efek
tetap perusahaan. Dengan demikian, kami mengeksploitasi pengaruh variasi lembur dalam reputasi TI dengan persyaratan
pinjaman untuk kelompok perusahaan ini. Panel C dari Tabel 9 melaporkan hasil ini. Untuk contoh pinjaman kecil ini, kami
masih menemukan bahwa reputasi TI dikaitkan dengan penyebaran pinjaman yang lebih rendah, kemungkinan agunan yang
lebih rendah, dan lebih sedikit perjanjian umum. Hasil ini lebih lanjut mengurangi kekhawatiran tentang bias seleksi mandiri
dan menguatkan temuan utama kami.

VII. PENUTUPAN PENUTUPAN

Penelitian ini menguji apakah dan bagaimana reputasi TI peminjam mempengaruhi baik istilah harga dan non-harga dari
kontrak pinjaman bank menggunakan 4.218 fasilitas pinjaman bank dan daftar IW500 dari perusahaan Amerika yang paling
inovatif di Amerika. Hasil kami menunjukkan bahwa

*, **, *** Menunjukkan signifikansi pada tingkat 10 persen, 5 persen, dan 1 persen, masing-masing, dalam uji dua-ekor.
Skor kecenderungan adalah perkiraan probabilitas yang diperkirakan dari model probit di Panel A. Setiap peminjam dengan reputasi TI (yaitu, perusahaan
perawatan) dicocokkan dengan peminjam tanpa reputasi TI (yaitu, perusahaan kontrol) dengan skor kecenderungan terdekat. Prosedur ini menghasilkan 678
fasilitas pinjaman, yang terdiri dari 339 dipinjam oleh perusahaan perawatan dan 339 dipinjam oleh perusahaan kontrol. Panel A dari Tabel 8 menyajikan
sarana kovariat dan median dari sampel perlakuan dan kontrol, dan tes perbedaan. Panel B menyajikan hasil regresi dengan sampel PSM. Kolom (1) adalah
regresi OLS, Kolom (2) adalah regresi Probit, dan Kolom (3) dan (4) adalah regresi Poisson. The t-statistik (z-statistik), dalam tanda kurung, didasarkan pada
kesalahan standar dikoreksi untuk heteroskedastisitas dan pengelompokan tingkat perusahaan dan tahun (dua dimensi) (Petersen 2009). Semua variabel
didefinisikan dalam Lampiran A.

bank dan kreditur swasta lainnya menghargai reputasi TI peminjam, dan bahwa perusahaan dengan reputasi IT menikmati
suku bunga yang lebih rendah dan persyaratan pinjaman non-harga yang lebih menguntungkan (persyaratan agunan yang
lebih rendah dan perjanjian pembatasan yang lebih sedikit) dibandingkan dengan yang tanpa saya t. Menjelajahi saluran
melalui mana reputasi IT berperan dalam kontrak pinjaman, analisis kami menunjukkan bahwa peminjam dengan reputasi TI
memiliki risiko default dan informasi yang lebih rendah. Temuan ini berkontribusi pada pinjaman bank dan literatur nilai
bisnis TI.
Hasil kami memiliki implikasi penting bagi pemberi pinjaman dan peminjam. Meskipun bank memiliki akses ke
informasi internal tentang perusahaan peminjam, mereka dapat memperoleh manfaat dari pemrosesan sinyal kemampuan TI
publik karena reputasi TI dapat membantu mereka mengurangi ketidakjelasan informasi atau ketidakpastian tentang
peminjam. Mengingat bahwa kemampuan TI tidak dapat diobservasi, reputasi TI memungkinkan pemberi pinjaman untuk
memberi penghargaan kepada perusahaan yang menghasilkan sinyal yang konsisten dan konsisten tentang kemampuan TI
mereka. Akibatnya, manajemen senior perusahaan yang mampu IT, termasuk CFO, memiliki insentif untuk terus memberi
sinyal kemampuan IT perusahaan mereka secara kredibel untuk mengurangi asimetri informasi dan membantu membentuk
keyakinan pemangku kepentingan yang tertarik: imbalan yang diharapkan signifikan baik secara statistik dan ekonomi.
Akhirnya, kami akui bahwa seperti kebanyakan penelitian lain, kami memiliki keterbatasan, dan keterbatasan ini
mengandung benih untuk penelitian masa depan. Sebagai contoh, penelitian kami bias terhadap sampel perusahaan besar
karena cakupan IW500 dan database DealScan. Penelitian masa depan mungkin memeriksa apakah temuan kami berlaku juga
untuk perusahaan kecil. Selain itu, peneliti mungkin ingin mengeksplorasi apakah citra perusahaan di media sosial penting
untuk kegiatan pendanaannya.

*, **, *** Menandakan signifikansi masing-masing pada 10 persen, 5 persen, dan 1 persen, dalam uji dua-ekor.
Panel ini menyajikan hasil analisis di dalam perusahaan dengan 931 pinjaman yang dipinjam oleh 148 perusahaan yang memiliki reputasi TI selama
setidaknya satu tahun selama periode sampel kami. Kolom (1) adalah regresi linear efek tetap yang kuat, Kolom (2) adalah regresi logistik efek tetap
perusahaan, dan Kolom (3) - (4) adalah tetap kuat efek Poisson regresi.
Semua variabel didefinisikan dalam Lampiran A.

LAMPIRAN A
Definisi Variabel
Variabel Definisi

Reputasi IT Variable
IT Reputasi Variabel Variabel indikator yang sama dengan 1 jika peminjam diakui di IW500 selama lima tahun berturut-turut
Dependent (yaitu, tahun saat pinjaman dimulai dan empat tahun sebelumnya), dan 0 sebaliknya.

AIS Spread all-in yang ditarik dibebankan oleh bank atas LIBOR untuk bagian yang ditarik dari fasilitas
pinjaman, diperoleh dari database DealScan.
Log AIS Log natural dari AIS.
DSecu Variabel indikator yang sama dengan 1 jika pinjaman dijamin dengan agunan, dan 0 sebaliknya.
FinCovIdx Financial covenant index, dibangun dengan menghitung jumlah perjanjian keuangan yang termasuk dalam
kontrak pinjaman.
GenCovIdx Indeks perjanjian umum, dibangun dengan menghitung jumlah perjanjian umum yang termasuk dalam
kontrak pinjaman.
Variabel Pengendalian Pinjaman-Khusus
Maturitas pinjaman dalam beberapa bulan.
Kematangan
Log Maturity Log natural of Maturity.
Ukuran Pinjaman Jumlah fasilitas pinjaman dalam jutaan dolar.
Ukuran Kredit Log alami dari Ukuran Pinjaman.
Log
Konsentrasi KesepakatanUkuran dibagi dengan jumlah Ukuran Transaksi ditambah total kewajiban peminjam.
Pinjaman
NLenders Jumlah pemberi pinjaman dalam kesepakatan pinjaman.
Log NLenders Log alami NLenders.
Performance Pricing An indicator variable that equals 1 if the loan contract includes performance pricing provisions, and 0
otherwise.
NPriorDeals Number of previous loan deals between a borrower and the lead arrangers for the current deal during the
past five years.
Log NPriorDeals The natural log of 1 plus NPriorDeals.
Loan Type Indicators Indicator variables for the types of loan facilities in DealScan, including term loan, revolver, and 364-day
facility.
Loan Purpose Indicator variables for the purposes of loan facilities in DealScan, including corporate purposes, debt
Indicators repayment, working capital, CP backup, takeover, acquisition line, and leverage buyout offers.
Macroeconomic
Variables
Term Spread Difference in the yield between ten- and two-year US Treasury bonds measured one month before the loan
becomes active, obtained from the Federal Reserve Board of Governors.
Credit Spread Difference in the yield between BAA- and AAA-rated corporate bonds measured one month before the loan
becomes active, obtained from the Federal Reserve Board of Governors.
Borrower-Specific Control Variables
Size Firm size, which is the natural log of total assets in millions of dollars.
Leverage Leverage ratio, defined as total debt divided by total assets.
MB Market-to-book ratio, measured as the market value of equity plus the book value of debt divided by total
assets.
Profit EBITDA divided by average total assets.
ProfitAvg Average Profit over the past five years.
ProfitVol Standard deviation of Profit over the past five years.
Tangibility Net PP&E divided by total assets.
O-Score Ohlson's (1980) O-score; larger O-Score implies higher default risk.
Accr The absolute value of abnormal accruals obtained from the modified Jones model (Dechow, Sloan, and
Sweeney 1995) considering accounting conservatism (Ball and Shivakumar 2006).
S&P Numerical value of S&P Domestic Long-Term Issuer Credit Rating. AAA ¼ 1, AAþ¼ 2, AA ¼ 3,...,D ¼ 21,
SD ¼ 22, NR ¼ 23.
CleanAUOP An indicator variable that equals 1 if the auditor issues an unqualified opinion without explanatory
language, and 0 otherwise.
ICW An indicator variable that equals 1 if the borrower discloses any material control weakness in Securities and
Exchange Commission (SEC) filings (eg, 10-K, 10-Q, 10KSB, 10QSB) under SOX 302, and 0 otherwise.
(continued on next page)
APPENDIX A (continued)
Variable Definition

Future Downgrade An indicator variable that equals 1 if the borrower experiences a credit rating downgrade within the future
three years, and 0 otherwise.
IT Spending Firm-level IT expenditures as a percentage of sales, which is based on survey results from the IW500. We
replace missing values by the corresponding industry average IT spending reported in IW500 for that
year.
Fortune An indicator variable that equals 1 if the borrower is one of Fortune's Most Admired companies in the
specific year, and 0 otherwise.
M&A An indicator variable that equals 1 if the firm is involved in mergers or acquisitions, and 0 otherwise.
Foreign An indicator variable that equals 1 if the firm has a nonzero foreign currency translation, and 0 otherwise.
Restructure An indicator variable that equals 1 if any of Compustat data items related to restructuring costs (RCP, RCA,
RCEPS, and RCD) are nonzero, and 0 otherwise.
NSeg The number of business segments.
Log NSeg The natural log of NSeg.
Sale Growth Growth rate in sales.
FirmAge The number of years the firm has data in Compustat.
Log FirmAge The natural log of FirmAge.
NSPE The number of special purpose entities (SPEs) used by the firm.
Log NSPE The natural log of 1 plus NSPE.
Issue The amount of net issuance of stock and long-term debt divided by average total assets.
SITE Hierarchical power of IT executives. SITE takes the value of 1 if the firm's senior IT executive has just the
formal title of CIO, 2 if the executive has the title of CIO plus additional official title(s), and 0 otherwise.
 Variable Definitions
Variable Definition

IT Reputation Variable
IT Reputation An indicator variable that equals 1 if the borrower is recognized in IW500 for five consecutive years (ie, the
Dependent Variables year when the loan is initiated and the previous four years), and 0 otherwise.

AIS The drawn all-in spread charged by the bank over the LIBOR for the drawn portion of the loan facility,
obtained from the DealScan database.
Log AIS The natural log of AIS.
DSecu An indicator variable that equals 1 if the loan is secured with collateral, and 0 otherwise.
FinCovIdx Financial covenant index, constructed by counting the number of financial covenants included in a loan
contract.
GenCovIdx General covenant index, constructed by counting the number of general covenants included in a loan
contract.
Loan-Specific Control Variables
Maturity The maturity of the loan in months.
Log Maturity The natural log of Maturity.
Loan Size The amount of the loan facility in millions of dollars.
Log Loan Size The natural log of Loan Size.
Loan Concentration Deal Size divided by the sum of Deal Size plus the borrower's total liabilities.
NLenders Number of lenders in the loan deal.
Log NLenders The natural log of NLenders.
Performance Pricing An indicator variable that equals 1 if the loan contract includes performance pricing provisions, and 0
otherwise.
NPriorDeals Number of previous loan deals between a borrower and the lead arrangers for the current deal during the
past five years.
Log NPriorDeals The natural log of 1 plus NPriorDeals.
Loan Type Indicators Indicator variables for the types of loan facilities in DealScan, including term loan, revolver, and 364-day
facility.
Loan Purpose Indicator variables for the purposes of loan facilities in DealScan, including corporate purposes, debt
Indicators repayment, working capital, CP backup, takeover, acquisition line, and leverage buyout offers.
Macroeconomic
Variables
Term Spread Difference in the yield between ten- and two-year US Treasury bonds measured one month before the loan
becomes active, obtained from the Federal Reserve Board of Governors.
Credit Spread Difference in the yield between BAA- and AAA-rated corporate bonds measured one month before the loan
becomes active, obtained from the Federal Reserve Board of Governors.
Borrower-Specific Control Variables
Size Firm size, which is the natural log of total assets in millions of dollars.
Leverage Leverage ratio, defined as total debt divided by total assets.
MB Market-to-book ratio, measured as the market value of equity plus the book value of debt divided by total
assets.
Profit EBITDA divided by average total assets.
ProfitAvg Average Profit over the past five years.
ProfitVol Standard deviation of Profit over the past five years.
Tangibility Net PP&E divided by total assets.
O-Score Ohlson's (1980) O-score; larger O-Score implies higher default risk.
Accr The absolute value of abnormal accruals obtained from the modified Jones model (Dechow, Sloan, and
Sweeney 1995) considering accounting conservatism (Ball and Shivakumar 2006).
S&P Numerical value of S&P Domestic Long-Term Issuer Credit Rating. AAA ¼ 1, AAþ¼ 2, AA ¼ 3,...,D ¼ 21,
SD ¼ 22, NR ¼ 23.
CleanAUOP An indicator variable that equals 1 if the auditor issues an unqualified opinion without explanatory
language, and 0 otherwise.
 ICW An indicator variable that equals 1 if the borrower discloses any material control weakness in Securities and
Exchange Commission (SEC) filings (eg, 10-K, 10-Q, 10KSB, 10QSB) under SOX 302, and 0 otherwise.
(continued on next page)
APPENDIX A (continued)
Variable Definition

Future Downgrade An indicator variable that equals 1 if the borrower experiences a credit rating downgrade within the future
three years, and 0 otherwise.
IT Spending Firm-level IT expenditures as a percentage of sales, which is based on survey results from the IW500. We
replace missing values by the corresponding industry average IT spending reported in IW500 for that
year.
Fortune An indicator variable that equals 1 if the borrower is one of Fortune's Most Admired companies in the
specific year, and 0 otherwise.
M&A An indicator variable that equals 1 if the firm is involved in mergers or acquisitions, and 0 otherwise.
Foreign An indicator variable that equals 1 if the firm has a nonzero foreign currency translation, and 0 otherwise.
Restructure An indicator variable that equals 1 if any of Compustat data items related to restructuring costs (RCP, RCA,
RCEPS, and RCD) are nonzero, and 0 otherwise.
NSeg The number of business segments.
Log NSeg The natural log of NSeg.
Sale Growth Growth rate in sales.
FirmAge The number of years the firm has data in Compustat.
Log FirmAge The natural log of FirmAge.
NSPE The number of special purpose entities (SPEs) used by the firm.
Log NSPE The natural log of 1 plus NSPE.
Issue The amount of net issuance of stock and long-term debt divided by average total assets.
SITE Hierarchical power of IT executives. SITE takes the value of 1 if the firm's senior IT executive has just the
formal title of CIO, 2 if the executive has the title of CIO plus additional official title(s), and 0 otherwise.