一. 電子業個別公司外匯暴險
在本研究當中，在研究產業的外匯暴險中，發現台灣電子業與其他產業不同
，因此除了探討外匯暴險之外，也進一步去觀察公司的何種特性會影響著外匯暴 險程度；在發現台灣的電子業有異於其他產業時，進而針對台灣電子業的個別公 司去衡量外匯暴險，並將所估計出的外匯暴險估計值去進行調整，再探討公司橫 斷面差異會對外匯暴險程度的影響。
首先針對台灣的電子業進行公司進行外匯暴險的估計，在此使用模型(2)與 日資料去進行估計，並且根據Choi and Prasad (1995)、He and Ng (1998)等研究都 曾指出外匯暴險會隨著時間而改變，有鑑於此，本研究嘗試對每家公司每年都進 行外匯暴險估計，因此每家公司每年都會有一個外匯暴險估計值，所得出的估計 值再去對應當年度該公司的特性去進行探討。在公司特性的部分，根據以往文獻 中可能影響外匯暴險程度的公司特性，使用下列四個公司特性:公司涉外程度、
公司規模大小、公司速動比率以及負債比率去進行探討，在公司涉外程度的部分
，採用了公司的出口比例(FSALES)作為替代變數。
而由於第一階段所估計出來的外匯暴險估計值具有顯著與不顯著的差異，並 且還有正負之間的差別，因此本研究做了不同程度的處理並且使用了不同的模型 去進行實證研究。其中使用了三種處理方式:
1. 顯著的估計值為原估計值，不顯著者以0來代替
採用追蹤資料OLS模型。
2. 顯著的估計值為取絕對值，不顯著者以0來代替
採用追蹤資料OLS模型與追蹤資料Tobit模型。
29
3. 顯著的估計值以1來代替，不顯著者以0來代替。
採用追蹤資料Logit模型與追蹤資料Probit模型。
二. 追蹤資料模型
根據所得出的外匯暴險估計值，將不顯著的估計值以0來代替，而顯著的估 計值則採用所得出的估計值來作為應變數:
𝛽𝑖𝑡 = 𝛽0+ 𝛽1𝐹𝑆𝐴𝐿𝐸𝑆𝑖𝑡+ 𝛽2𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽3𝑄𝑅𝑖𝑡+ 𝛽4𝐷𝐸𝑖𝑡+ 𝜀𝑖𝑡 (4) 其中𝛽𝑖𝑡為每家電子業公司每年的外匯暴險估計值，共10年
𝐹𝑆𝐴𝐿𝐸𝑆𝑖𝑡每家電子業公司每年的出口比例
𝑆𝐼𝑍𝐸𝑖𝑡為每家電子業公司每年的規模(市值取自然對數) 𝑄𝑅𝑖𝑡為每家電子業公司每年的速動比率
𝐷𝐸𝑖𝑡為每家電子業公司每年的負債比率
三. 追蹤資料模型與追蹤資料Tobit模型
在此部份針對外匯暴險估計值做不同的處理，由於顯著的外匯暴險估計值中 有正有負，為了能夠更確實得知公司特性對於外匯暴險程度的影響，因此將顯著 的外匯暴險估計值取絕對值，以利於得知外匯暴險”程度”的影響因子。而除了使 用追蹤資料OLS法外，由於外匯暴險估計值經過處理後為為非負數的資料型態，
並且顯著的外匯暴險值顯著比例並不高，因此此一樣本為受限制的資料型態，所 以本文也使用追蹤資料受限迴歸模型(Tobit Model)作為分析外匯暴險程度的模 型。
30
𝛽𝑖𝑡∗ = 𝛽0+ 𝛽1𝐹𝑆𝐴𝐿𝐸𝑆𝑖𝑡+ 𝛽2𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽3𝑄𝑅𝑖𝑡+ 𝛽4𝐷𝐸𝑖𝑡+ 𝜀𝑖𝑡 (5)
�𝛽𝑖𝑡 = 𝛽𝑖𝑡∗ 𝐼𝐹 𝛽𝑖𝑡 > 0
𝛽𝑖𝑡 = 0 𝐼𝐹 𝛽𝑖𝑡∗ ≤ 0 (6)
四. 追蹤資料Logit模型與追蹤資料Probit模型
在此部份對於外匯暴險估計值的處理方式為，顯著為1，不顯著則為0。這樣 的處理方式使得應變數為質性資料，且具有二分法的性質存在，因此在本部分對 於外匯暴險影響因子的探討中，使用Probit模型與Logit模型去觀察，
Logit模型假設事件發生機率服從標準Logistic的累積機率分布函數。設線性 機率模型為Y＝XB＋ε，所謂Logistic 分布的函數是𝑌𝑖∗= 1+𝑒1−𝑋𝑖𝐵 = 1+𝑒1−𝑍𝑖 =1+𝑒𝑒𝑍𝑖𝑍𝑖
，令Zi＝XiB。如果𝑌𝑖∗是無法觀測的隱藏變數，但其可以對應至一個可觀測的變 數𝑌𝑖，且𝑌𝑖為二分類變數，為0或1，則可以表示成𝑝𝑖 = 𝐸(𝑌𝑖 = 1|𝑋𝑖) =1+𝑒𝑒𝑍𝑖𝑍𝑖，經 由 處 理 過 後 可 變 為Li = ln �1−ppi
i� = Zi= XiB；相對於Logit模型使用logit函數 (𝑝𝑖 =1+𝑒1−𝑋𝑖𝐵)做轉換，使用常態累積分佈函數(CDF)作為估計模型的就是Probit 模型，再加上樣本屬於追蹤資料型態，因此我們分別使用追蹤資料Logit模型以 及追蹤資料Probit模型去進行外匯暴險因子的研究。
31