第四章 實證結果與分析
第三節 其他分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
32
第三節 其他分析
本研究另外做了幾項分析。首先，為了檢測模型的穩定度，將原先區分為四 個產業之樣本，改為區分為製造業和服務業，再進行統計分析。模型一至模型五 之結果皆與區分為四個產業之結果一致；模型六中，主修背景、國外學歷及新任 CEO 之結果亦與區分為四個產業的結果一致（表 6）。
此外，為了觀察個別產業之結果，本研究亦做了拆樣本分析。首先將樣本拆 為製造業和服務業，再分別進行統計分析。製造業所得之結果，假設 1、假設 2 及假設 3 皆未達顯著性。探討可能原因，假設 1 的比較基準為其他主修背景之 CEO，但製造業的主修背景分佈比重，有 68%之 CEO 主修背景為機械，20%之 CEO 主修背景為商學，其他主修背景的比重則偏低，可能因為比重差異大而影 響了結果。整體而言，本研究自公司年報蒐集慈善參與的資料時發現，製造業開 始投入於慈善活動發展的時間較晚，因此，亦可能影響製造業所得之結果（表 7）。
而服務業所得之結果，與全樣本之結果皆為一致（表 8）。
除了將樣本拆為製造業和服務業外，本研究亦將樣本拆為鋼鐵業、半導體業、
資訊服務業及金融業，再分別進行統計分析。鋼鐵業所得之結果，除了假設 1a 之結果不顯著外，假設 1b、假設 2、假設 3 及假設 4 皆與全樣本之結果相符（表 9）。
半導體業所得之結果，假設 3 及假設 4 與全樣本之結果一致，假設 1 及假設 2 之結果則不顯著（表 10）。關於假設 1，可能的原因與製造業相同，半導體業 CEO 之主修背景分佈比重，有 78%之 CEO 主修背景為機械，17%之 CEO 主修 背景為商學，其他主修背景的比重相當低，而本研究假設 1 的比較基準為其他主 修背景之 CEO，可能因為比重的差異而影響結果。假設 2 的部分，可能原因為 在半導體業中，CEO 擁有國外學歷的比重較高（較全樣本高出 7%），而半導體 業開始發展慈善活動的時間較晚，可能因此影響了統計結果。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
33
資訊服務業所得之結果，假設 1b、假設 2 及假設 4 與全樣本之結果一致，
假設 1a 及假設 3 則不顯著（表 11）。而金融業所得之結果，假設 1a、假設 3 及 假設 4 與全樣本之結果一致，假設 1b 及假設 2 則不顯著。假設 1b 未達顯著的主 要原因在於，金融業擁有機械背景之 CEO 的比重未達 1%，可供比較的基準過小；
假設 2 未達顯著的可能原因則在於，在金融業中，擁有國外學歷之 CEO 的比重 較高（較全樣本高出 10%左右），且金融業投入於慈善活動的情形相較於其他產 業更為普遍（較全樣本高出 30%），可能因此影響了統計結果（表 12）。
另外，本研究選擇以商學背景、機械背景以外之「其他背景」作為主修背景 之對照組的主要原因在於，其他背景包含了前述兩種背景以外之所有其他領域，
如心理學背景、經濟學背景等，因此其他背景具有一定程度之代表性。當商學背 景、機械背景獲得統計上顯著之結果，意謂著該背景之 CEO 相較於大多數其他 背景之 CEO，更有可能做出從事慈善活動之決策。但若貣初選擇商學或機械背 景作為對照組，則比較的基礎便只有商學或機械背景之 CEO，很可能因此產生 解釋上的偏誤。因此，本研究最終選擇以商學背景及機械背景以外之其他背景作 為對照組。
雖然如此，可能有讀者對此仍有疑問或者有興趣了解以不同主修背景作為對 照組所得之結果。因此，本研究於統計分析過程中，亦嘗詴將商學背景及機械背 景作為對照組進行統計分析。統計結果發現，以「商學背景」作為對照組時，擁 有機械背景之 CEO 對於公司從事慈善活動有顯著的正面影響（係數值=0.53, p<0.05）；以「機械背景」作為對照組時，擁有其他背景之 CEO，與公司從事慈 善活動之間則有顯著的負向關係（係數值=-0.79, p<0.001）（表 13）。
‧
Initial log likelihood 1241.76 1241.76 1241.76 1241.76 1241.76 1241.76
Log likelihood 1120.54 1105.83 1113.16 1114.60 1120.45 1099.64
年份 是 是 是 是 是 是
產業 是 是 是 是 是 是
樣本數 901 901 901 901 901 901
***: p<0.001; **: p<0.01; *: p<0.05; †: p<0.1
註：模型列出 logistic regression 之係數值及勝算比，括號內為標準誤差值。應變數為公司從事慈 善活動與否。所有模型亦包含年份及產業變數。
‧
Initial log likelihood 873.87 873.87 873.87 873.87 873.87 873.87
Log likelihood 804.39 801.88 802.11 802.47 804.18 799.40
年份 是 是 是 是 是 是
樣本數 646 646 646 646 646 646
***: p<0.001; **: p<0.01; *: p<0.05; †: p<0.1
註：模型列出 logistic regression 之係數值及勝算比，括號內為標準誤差值。應變數為公司從事慈 善活動與否。所有模型亦包含年份變數。
‧
Initial log likelihood 348.12 348.12 348.12 348.12 348.12 348.12
Log likelihood 297.03 271.08 290.10 291.80 296.31 261.54
年份 是 是 是 是 是 是
樣本數 255 255 255 255 255 255
***: p<0.001; **: p<0.01; *: p<0.05; †: p<0.1
註：模型列出 logistic regression 之係數值及勝算比，括號內為標準誤差值。應變數為公司從事慈 善活動與否。所有模型亦包含年份變數。
‧
Initial log likelihood 208.08 208.08 208.08 208.08 208.08 208.08
Log likelihood 166.83 158.52 159.85 161.76 164.44 146.55
年份 是 是 是 是 是 是
樣本數 152 152 152 152 152 152
***: p<0.001; **: p<0.01; *: p<0.05; †: p<0.1
註：模型列出 logistic regression 之係數值及勝算比，括號內為標準誤差值。應變數為公司從事慈 善活動與否。所有模型亦包含年份變數。
‧
Initial log likelihood 645.76 645.76 645.76 645.76 645.76 645.76
Log likelihood 591.39 588.85 589.87 581.36 591.36 579.15
年份 是 是 是 是 是 是
樣本數 494 494 494 494 494 494
***: p<0.001; **: p<0.01; *: p<0.05; †: p<0.1
註：模型列出 logistic regression 之係數值及勝算比，括號內為標準誤差值。應變數為公司從事慈 善活動與否。所有模型亦包含年份變數。
‧
Initial log likelihood 171.27 171.27 171.27 171.27 171.27 171.27
Log likelihood 160.46 141.19 154.85 159.69 160.46 133.37
年份 是 是 是 是 是 是
樣本數 128 128 128 128 128 128
***: p<0.001; **: p<0.01; *: p<0.05; †: p<0.1
註：模型列出 logistic regression 之係數值及勝算比，括號內為標準誤差值。應變數為公司從事慈 善活動與否。所有模型亦包含年份變數。
‧
Initial log likelihood 141.16 141.16 141.16 141.16 141.16 141.16
Log likelihood 121.45 113.64 119.46 114.59 119.47 108.94
年份 是 是 是 是 是 是
樣本數 127 127 127 127 127 127
***: p<0.001; **: p<0.01; *: p<0.05; †: p<0.1
註：模型列出 logistic regression 之係數值及勝算比，括號內為標準誤差值。應變數為公司從事慈 善活動與否。所有模型亦包含年份變數。
‧
Initial log likelihood 1241.76 1241.76
Log likelihood 1066.93 1070.86
年份 是 是
產業 是 是
樣本數 901 901
***: p<0.001; **: p<0.01; *: p<0.05; †: p<0.1
註：模型列出 logistic regression 之係數值及勝算比，括號內為標準誤差值。應變數為公司從事慈 善活動與否。模型亦包含年份及產業變數。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
42