第四章 實證結果
第一節 基本統計量分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
51
第四章 實證結果
第一節 基本統計量分析
本節希望藉由整理所蒐集樣本的基本統計量，來看出家族企業對其績效間關 係正負影響的趨勢，並且觀察樣本的某些特性是否為干擾變數會影響家族企業與 其績效的關係。
在表4-1與表4-2中的縱軸以（1）T檢定平均數差異（2）家族企業作為虛擬 變數之迴歸係數，兩種統計數據作為檢視家族企業與其績效間關係的工具。T檢 定平均數差異代表著家族企業績效與非家族企業績效相減的結果，故如果大於零 則代表家族企業績效優於非家族企業，小於零則反之；此外，以家族企業作為虛 擬變數之迴歸係數如果為正，代表家族企業對績效的影響是正面的，係數為負則 反之。而在橫軸方面，則以上述的兩種統計工具，將所有樣本的原始統計數據整 理分為顯著正關係、顯著負關係與不顯著三種：顯著正關係代表家族企業對其績 效在統計上呈現正向的影響；顯著負關係代表家族企業對其績效在統計上呈現負 面的影響；不顯著代表家族企業對於其績效在統計上無法證明其究為正向或負向 影響。
接著觀察整體樣本，發現績效為正向關係的樣本普遍多於負向關係的樣本，
在T檢定平均數差異中為正向十篇多於負向五篇；家族企業虛擬變數之迴歸係數 中為正向九篇大於負向兩篇，總體看來也是十九篇正關係多於七篇的負關係，所 以可看出家族企業的績效比非家族企業好的傾向，不過由於樣本過少，尚無法從 此下定論。而另一方面，不顯著的樣本的數量也多，大致和顯著正關係的樣本數 差不多，總篇數為正相關十九篇、不顯著十七篇、負相關七篇。
接著，將顯著正關係、顯著負關係、不顯著三種關係中的各樣本平均數（包
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
52
括T檢定平均數差異與迴歸變數中家族企業作為虛擬變數之係數）作單因子變異 數的檢定，來觀察顯著正關係、顯著負關係、不顯著的平均數是否有顯著不同。
結果發現在表4-1T檢定平均數差異中，ROA與ROE在95%信心水準下為顯著。其 中ROA為績效時，顯著正關係的平均數顯著大於顯著負關係的平均數，不顯著 平均數顯著大於顯著負關係平均數。ROE為績效時，顯著正關係顯著大於不顯 著，不顯著又顯著大於負關係。但Tobin與迴歸變數下三者關係的平均數差異皆 不顯著，無法做任何推論。
另在表4-3樣本特性方面，研究年代在單因子變異數檢定下為顯著，顯示正 顯著關係與負顯著關係的年代顯著大於不顯著關係的年代，年代平均數在正負顯 著關係時皆大於九零年代，但不顯著關係平均為八十五年，顯著關係的年代較 近，不顯著的年代則明顯較遠。其餘的研究時間幅度與樣本數皆不顯著，無法看 出三者間關係。
在表4-4的文獻類別中，呈現不顯著結果的文獻皆是來自學位論文，來自期 刊的文獻皆呈現顯著的結果，這可能是因為期刊發表的審核標準較嚴格，所以研 究結果必頇顯著才有機會通過；在家族企業定義類型方面，可看出顯著負關係的 樣本大部分以家族董監事比例作為家族企業定義，而不顯著關係則大部分以其他 條件做為家族企業定義。在家族企業定義寬嚴方面，顯著正關係大部分來自家族 企業定義寬鬆的樣本，顯著負關係高比例來自家族企業定義嚴格的樣本。在文獻 研究是否鎖定特定產業方面，在顯著正關係與顯著負關係間無太大差異，但是在 不顯著中有較多的文獻採用機電產業的樣本。在樣本來源中，在不顯著關係中有 相對較高的比例加上來自上櫃的樣本。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
53
表4-1、基本統計量1
顯著正關係 顯著負關係 不顯著 單因子變異數 Pot hoc 檢定 平均數 標準差 平均數 標準差 平均數 標準差 F（P） 三組間關係 T檢定平均數差異：（10篇） （5篇） （11篇）
ROA 1.59（4） 1.57 -2.79（3） 0.49 0.34（5） 0.53 17.17(0.001)＊ 正＞負；不＞負 ROE 5.1（3） 1.98 -6.09（2） 0.76 0.02（4） 1.5 29.68(0.001)＊ 正＞不＞負 Tobin’s Q 0.08（3） 0.02 --- --- 0.11（2） 0.1 8.24 (0.21) ---
＊表示在 95%信心水準下為顯著
表4-2、基本統計量2
顯著正關係 顯著負關係 不顯著 單因子變異數 Pot hoc 檢定 平均數 標準差 平均數 標準差 平均數 標準差 F（P） 三組間關係 家族企業虛擬變數之迴歸係數：
（9篇） （2篇） （6篇）
ROA 1.41（3） 1.19 -0.02（1） --- 16.01（2） 22.46 0.87(0.5) --- ROE 4.52（3） 4.05 -0.03（1） --- 19.99（3） 33.91 0.43(0.68) --- Tobin’s Q 0.06（3） 0.01 --- --- 0.03（1） --- (0.85) ---
＊表示在 95%信心水準下為顯著
表4-3、基本統計量3
顯著正關係 顯著負關係 不顯著 單因子變異數 Pot hoc 檢定 平均數 標準差 平均數 標準差 平均數 標準差 F（P） 三組間關係 樣本特性： （8篇） （4篇） （9篇）
研究時間幅度 5.33 3 4 1.73 5.8 3.68 0.3(0.75) --- 研究年代（民國） 91.31 3.43 92.17 1.64 85.4 7.17 23.02(0.000)＊ 正＞不；負＞不
樣本數 2728 2057 2152 1240 1793 2576 1.67（0.22） ---
＊表示在 95%信心水準下為顯著
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
55
第二節 出版謬誤可能性之分析
在開始計算後設分析的效應量前，有必要先計算出版謬誤 (publication bias) 與檔案櫃問題 (file drawer problem)的可能，也就是一般在後設分析的選樣時，可 能會因為所選取的樣本偏向已發表之論文或是顯著水準較高的學術期刊，造成最 後所計算出之效應量有高估之虞，使研究結果失真。因此Rosenthal（1991）提出 了一個檢驗的公式：Fail-safe number = 19S－N（S為樣本中達0.05顯著水準的篇 數，N為樣本中未達0.05顯著水準的篇數），表示還要多少篇不顯著的樣本才能 推翻後設分析中的顯著性結果。此外，如果Fail-safe number大於5K+10的話（K 為後設分析研究中所有的樣本數），代表那些未顯著的研究不會影響到既有的顯 著性結果。
在本研究中，顯著的樣本數為9，不顯著的樣本數為10，計算出之Fail-safe number等於161，代表還要161篇不顯著研究才能推翻顯著性結論。另外，161也 大於5K+10=125（K為總樣本數23），意味著本研究不會有太大的出版謬誤問題，
研究之結果是可以信賴的。
‧
及Tobin’s Q的七篇。而所有的平均效應量是由表4-6計算其d值平均數而來，全部 共29篇樣本所計算出的效應量為0.08，在90%的信心水準下顯著為正，其為正數 代表家族企業的績效大於非家族企業的績效，符合假說一：家族企業的績效比非 家族企業的績效好。另外，個別以ROA、ROE、Tobin’s Q為績效所計算的效應 量皆大於零，皆符合假說一的假設。然而，只有Tobin’s Q在95%信心水準下為顯 著正，ROA、ROE結果為統計上不顯著。因此從表4-5中可得知，整體而言家族企業的績效是優於非家族企業的，但 其效應量0.08，根據Cohen (1977)的準則，效應量0.2以下只能算是小效應量，0.5 為中效應量、0.8為大效應量，這說明即使家族企業績效顯著大於非家族企業，
Dependent
Variable
Number of Effects
Range of Effects
Mean Effect
(Standard Deviation) P 值
ROA 13 -0.33~0.655 0.06(0.28) 0.46
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
57
表4-6、效應量原始數據 績效指標 樣本數 d值原始數據
ROA 13 -0.21, 0.37, 0.07, 0.26, -0.33, 0.06, -0.2, 0.65, -0.07, -0.27, 0.06, 0.18, 0.21 ROE 9 0.37, -0.5, 0.07, 0.19, -0.3, -0.06, 0.65, -0.09, 0.11
Tobin’s Q 7 0.16, 0.19, 0.22, 0.39, 0.01, 0.15, 0.22
二、以ROA為績效的效應量分析
接下來要觀察表4-7中之研究時間幅度、研究期間、樣本數等樣本特性是否 會對家族與非家族企業績效間關係產生影響，也就是觀察這些樣本特性是否為家 族與非家族企業績效關係中的干擾變數。從表4-7中可得知在以ROA作為績效的 效應量下，只有樣本數這項樣本特性為顯著，其餘樣本特性在90%及95%的信賴 區間，皆大於0.1而不顯著，造成不顯著的原因可能為蒐集之文獻樣本仍不夠多 所致，共13篇，此部分有待往後更多研究投入家族企業績效的研究出現。
在樣本數中我們將之分為700以下及超過700，而其效應量分別為0.180與 -0.140，意味著樣本700以下呈現出家族企業績效大於非家族企業績效的結果，其 效應量0.180接近0.2小效應量的準則；然而樣本數超過700的效應量為-0.140，代 表家族企業績效小於非家族企業。另其型一錯誤機率0.04在95%信賴水準下為顯 著，說明樣本數在以ROA作為績效的效應量計算上確為家族企業與非家族企業 績效關係間的干擾變數，當樣本數越少，家族企業績效大於非家族企業績效越 高，反之亦然，符合假說四之推論。其乃因為樣本數越多需要研究的期間越長，
然而研究期間越長，家族企業卻可能因為隨著經營時間增長而使家族成員變多且 複雜，連帶造成組織腫大、開始產生利益衝突等負面影響，導致家族企業經營績 效下降。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
59
三、以ROE為績效的效應量分析
如表4-8所示，樣本數及文獻類別等樣本特性在90%的信賴水準下為顯著，
為家族與非家族企業績效間關係的干擾變數，其餘樣本特性則因整體樣本較少而 呈現不顯著。
首先，在樣本數方面一樣在樣本700以下為正的效應量，家族企業績效大於 非家族企業；超過七百為負的效應量，家族企業績效與非家族企業相比較差。這 說明研究的樣本越多，家族企業的績效與非家族企業相較下越差，符合假說四。
原因如同上一段所述，不再贅述。
另外，文獻類別也為顯著的干擾變數，期刊類別為負效應量-0.5，碩士論文 為正效應量0.116，結果顯現碩士論文的研究傾向家族企業績效優於非家族企 業，但期刊文獻則得出非家族企業績效勝於家族企業的結果。正符合假說五之假 設，期刊文獻審核標準較嚴，導致其結果皆為統計上顯著，如此需要較多樣本作 為研究基礎，也傾向蒐集較長期間的樣本，但期間一長家族企業就容易受到長期 發展衍生出的弊病影響，導致績效下滑。所以文獻類別作為干擾變數，當嚴格如 期刊，較易得出非家族企業績效優於家族企業之結果；如為較不嚴格之學位論 文，較傾向發現家族企業績效好過於非家族企業。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
61
四、以Tobin’s Q為績效的效應量分析
從表4-9看來，只有家族企業定義類別在90%信心水準下為顯著，其他樣本 特性受限於小樣本數皆不顯著。其中以家族成員持股率的效應量為正，代表以家 族成員持股率作為家族企業定義的依據時，家族企業的績效優於非家族企業，假 說六之推論可被證明。施俊儀（1997）研究發現當家族持股率越高時，其經營績
從表4-9看來，只有家族企業定義類別在90%信心水準下為顯著，其他樣本 特性受限於小樣本數皆不顯著。其中以家族成員持股率的效應量為正，代表以家 族成員持股率作為家族企業定義的依據時，家族企業的績效優於非家族企業，假 說六之推論可被證明。施俊儀（1997）研究發現當家族持股率越高時，其經營績