國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
36
五、實證結果與分析
(一) 敘述性統計分析
本研究模型之應變數皆為企業 MD&A 資訊語調與當期財務績效的一致性指 標，預期將誇大編碼為 2，樂觀編碼為 1，持帄編碼為 0，保守編碼為-1，悲觀編 碼為-2。
判斷樣本公司之 MD&A 揭露一致性，解釋變數包含如：企業規模、企業當 期經營績效、企業年度現金增資事件與該企業之分析師追蹤人數等。模型之應變 數的帄均數為-0.2172，中位數為-0.1913，標準差為 0.1400，最小值為-0.5643，
最大值為 0.2152。
企業當期經營績效(EARN)的帄均數為 0.0303，中位數為 0.0467，最小值與 最大值則分別為-2.1545 與 0.9017，顯示大部分樣本公司數字皆集中在帄均數至 最大值之間，少部分在帄均數至最小值之間。
企業市價淨值比（MTB）的帄均數為 1.9379，中位數為 1.5400，最小值與最 大值則分別為 0.4675 與 11.6913，顯示大部分樣本公司普通股每股市價除以每股 帳面價值皆集中在帄均數附近，最大值則是遠離了帄均數，達到了 11.6913。
企業報表科目數量（NFI）的帄均數為 2.5168，中位數為 2.5211，最小值與 最大值則分別為 2.3711 與 2.5843，不論是最小值或最大值，數字都很接近帄均 數，顯示樣本企業的報表科目數量相近。
年度末曾提出該公司盈餘預測之分析師人數（ACOV）的帄均數為 12.2208，
中位數為 9，最小值與最大值則分別為 1 與 58，顯示樣本公司包含了尚未為人所 熟悉之樣本公司，亦包含已經成熟營運之樣本公司。
‧
Consistency -0.2172 -0.1913 0.1400 -0.5643 0.2152
解釋變數:
‧
值比（係數 0.0134）以及公司盈餘預測之分析師人數（係數-0.0017）皆達 1％顯 著水準。企業盈餘變異度（係數-0.1459）與企業成立年數（係數 0.0004）則皆有 性的影響方向，實證結果發現其與 MD&A 語調呈現正相關。應計項目（ACC）在第參章假說部分也尚未確定其影響方向，實證結果顯示其與 MD&A 語調亦呈
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
39
表 4. 2 一致性指標的迴歸結果
Consistencyit = a0 + β1SIZEit + β2EARNit + β3EVOLit + β4MTBit + β5NSEGit + β6NFIit + β7ACCit + β8MAit + β9SEOit + β10AGEit + β11ACOVit + εit （模型 4. 1）
預期方向 模型
截距項 -0.6051**
解釋變數
SIZE － -0.0132***
EARN ＋ 0.0165
－
EVOL － -0.1459**
MTB － 0.0134***
NSEG － 0.0024
NFI － 0.1847
ACC ＋ 0.0133
－
MA － 0.0171
SEO － 0.0507
AGE － 0.0004**
ACOV － -0.0017***
樣本 1643
Adj 𝑅2 0.0551
1.* p<0.1, ** p<0.05, *** p<0.01。 0.356***
2.變數定義見表 3.3。
‧
了加入年度與產業的虛擬變數外，再加入 White (1980) Robust Standard Error 變數，測試這三個方法的實證分析結果與模型 4.1 的主要結果有無差別。以下分別講解 數-0.0130）、市價淨值比（係數 0.0134）與分析師追蹤人數（係數-0.0017）皆達 1％顯著水準。盈餘變異度（係數-0.1448）與企業成立年數（係數 0.0004）則皆 有 5％顯著水準。
將應變數的 MD&A 語調計算方法改變後，對於迴歸分析的結果，模型 4.2 與模型 4.1 相比，各個解釋變數的方向性與顯著性並無差別，只有係數的些微不 同，大致上來說結果與模型 4.1 的主要迴歸分析結果並無二致。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
41
表 4. 3 一致性指標的迴歸結果（改變 MD&A 語調一致性計算方法）
Consistencyit = a0 + β1SIZEit + β2EARNit + β3EVOLit + β4MTBit + β5NSEGit + β6NFIit + β7ACCit + β8MAit + β9SEOit + β10AGEit + β11ACOVit + εit （模型 4. 2）
預期方向 模型
截距項 -0.6072**
解釋變數
SIZE － -0.0130***
EARN ＋ 0.0159
－
EVOL － -0.1448**
MTB － 0.0134***
NSEG － 0.0023
NFI － 0.1852
ACC ＋ 0.0130
－
MA － 0.0172
SEO － 0.0507
AGE － 0.0004**
ACOV － -0.0017***
樣本 1643
Adj 𝑅2 0.0547
1.* p<0.1, ** p<0.05, *** p<0.01。 0.356***
2.變數定義見表 3.3。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
42
2. 加入年度與產業的虛擬變數
方法二則是在模型中加入年度與產業的虛擬變數，在原來的模型 4.1 中加入 FYEAR 與 SIC-IND，模型的應變數與其他解釋變數與前述均相同，考慮在不同 年度經濟情況的不同可能帶來的影響，以及不同產業別可能會有的不同經濟循環 等，測試模型因為加上了公司樣本不同年度的經濟情況與不同產業別的資料後，
是否維持與主要模型類似的結果。
結果顯示如表 4. 4，模型 4. 3 的迴歸結果顯示，解釋變數中的公司市值（係 數-0.0092）、市價淨值比（係數 0.0118）、企業成立年數（係數 0.0006）以及公 司盈餘預測之分析師人數（係數-0.0018）皆達 1％顯著水準。盈餘變異度（係數 -0.1424）有 5％顯著水準。而公司現金增資事件（係數 0.0631）則有 10％顯著 水準。
加入年度與產業的虛擬變數後，模型 4. 3 相較前述迴歸模型發生了一些變化，
模型 4.3 的企業成立年數從模型 4.1 原先的 5％（係數 0.0004），增加到模型 4.3 的 1％（係數 0.0006）。而企業現金增資事件則是從模型 4.1 原先的不顯著（係數 0.0507）變成模型 4.3 的具有 10％（係數 0.0631）的顯著性。而其他的解釋變數 不論方向性或顯著性皆維持與模型 4.1 相同，僅僅係數稍有不同。
加入年度與產業的虛擬變數後，因考量了不同年度經濟情況的不同可能帶來 的影響，因此企業成立年數和 MD&A 語調一致性的關聯從原先的 5％增加到 1
％，變得更為顯著。而企業現金增資事件從模型 4.1 的不顯著到模型 4.3 變得有 10％的顯著性，理應為在特定年度或特定產業別中，樣本公司有比較重要的現金 增資情形，使得該變數變成具有顯著性。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
44
3. 模型 4. 3 再加入 White (1980) Robust Standard Error 變數
方法三類似方法二，是加入一項新的解釋變數，在模型中加入年度與產業的 虛擬變數後，再加入 White (1980) Robust Standard Error 變數，模型的應變數與其 他解釋變數與前述均相同，另外再加入 White (1980) Robust Standard Error 變數，
測試模型是否仍舊會維持與主要模型類似的結果。
結果顯示如表 4. 5，模型 4. 4 的迴歸結果顯示，解釋變數中的公司市值（係 數-0.0092）、市價淨值比（係數 0.0118）、公司成立年數（係數 0.0006）以及公 司盈餘預測之分析師人數（係數-0.0018）皆達 1％顯著水準。盈餘變異度（係數 -0.1424）有 5％顯著水準。而公司現金增資事件（係數 0.0631）則有 10％顯著 水準。
在模型中加入年度與產業的虛擬變數外，再加上 White (1980) Robust Standard Error 變數的結果，發現不論是係數、與 MD&A 語調的方向性或是顯著 性，與前述方法二中僅加上了公司樣本不同年度的經濟情況與不同產業別的資料，
其結果顯示皆為相同。因此模型 4. 4 與模型 4. 1 的關係亦同於模型 4.3 與模型 4. 1 的關係，擁有相同的結果。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
46
經由以上三個方法來進行穩健性測試後，不論是利用改變 MD&A 語調一致 性計算方法，將 MD&A 語調所計算出的正負詞分數公式改變，與加入年度與產 業的虛擬變數至模型中，或是另外再加入 White (1980) Robust Standard Error 變數 至模型中，皆能得到具有顯著性的結果，都可以確認與本研究的主要模型迴歸分 析結果均具一致性。