實證分析

本研究並未將所選取所有財務變數全部一次進行迴歸分析，因為各財 務比率彼此間可能存有高度相關性，將抵銷掉某些財務變數本身所呈現的 顯著性。因此，本研究為了縮減財務比率分析項目的數目，首先將五項財 務指標之所屬12 項財務比率，利用因素分析法(factor analysis)對其財務 變數進行分析，萃取出之重要因素與相對因素負荷量，抽取出影響企業授 信核准差異之主要因素，對於共同因素數目之決定，是依 Kaiser 於 1970 年所提議的方法，選取解釋變異大於 1 的因素，來決定抽取共同因素之數 目；並以變異極大(varimax) 方法作直交轉軸進行分析以找出最佳的結 果，最後則選取因素負荷量絕對值大於0.6 者作為解釋因素，並對這些因素 命名之，以降低將全部變數一次進行迴歸分析，所發生之共線性偏誤。

萃取出重要因素及相對因素負荷量後，再依地區及產業別建立調節變 數，並運用迴歸模式檢定不同自變數及調節變數間，在「核准額度」及「貸 款利率」構面上是否有所差異，存在解釋能力。並進一步探討何種的財務 指標，可以獲得較好的授信條件，篩選顯著財務變數，來建立最適合的財 務因素行銷模型，以利傳統行庫在對企業進行授信商品之銷售時，可進行 資料庫的先前篩選，以提升企業授信拓展上之幫助。

4.2.1 因素分析萃取結果摘要

本研究對全體樣本 600 家企業授信戶共選取 12 種財務變數，研 究民國 94 年底財務報表之財務比率，透過因素分析法，首先對五項 財務指標構面各自萃取出重要的因素與相對的因素負荷量，以及各因 素所能解釋因素分數變量的百分比。

(一)償債能力指標

本研究將償債能力指標構面下之流動比率(X2)及速動比率(X4)等 2 項財務比率變數進行因素分析，結果得到一個特徵值(eigenvalue) 大於1 的因素，而這個因素的累積解釋變異量達 0.9613，顯示這個因 素構面已相當能夠代表原始資料的結構，這個因素的特徵值及累積解 釋變異量如表13。之後再根據此因素的因素結構矩陣，從中萃取因素 負荷量絕對值大於0.6 的變數來解釋因素的意義，並以此來為因素命 名為償債能力因素，詳如表14。

表13 償債能力指標之因素特徵值及累積解釋變異量

因素 特徵值

(eigenvalue)

解釋變異量 (proportion)

累積解釋變異量 (cumulative)

1 1.9226 0.9613 0.9613

表14 償債能力指標所包含之財務變數及因素命名

因素 項目代碼 比率 因素負荷量 因素命名

X2 流動比率 0.9805

Factor1 (F1)

X4 速動比率 0.9805

償債能力因素

(二)財務結構指標

本研究將該指標構面下之負債比率(X11)、流動負債對總資產比 率(X12)及淨值比率(X17)等 3 項財務比率變數進行因素分析，結果得 到一個特徵值(eigenvalue)大於 1 的因素，而這個因素的累積解釋變 異量達0.9092，顯示這個因素構面已相當能夠代表原始資料的結構，

這個因素的特徵值及累積解釋變異量如表15。之後再根據此因素的因 素結構矩陣，從中萃取因素負荷量絕對值大於0.6 的變數來解釋因素 的意義，由於負債比率、流動負債對總資產比率兩項之因素負荷量與 淨值比率呈現反向關係，並以此來為因素命名為負債結構因素(F2)，

詳如表16。

表 15 財務結構指標之因素特徵值及累積解釋變異量

因素 特徵值

(eigenvalue)

解釋變異量 (proportion)

累積解釋變異量 (cumulative)

1 2.7276 0.9092 0.9092

表16 財務結構指標所包含之財務變數及因素命名

因素 項目代碼 比率 因素負荷量 因素命名

X11 負債比率 0.9796 X12 流動負債/總資產 0.8991 Factor1

(F2)

結果只得到一個特徵值(eigenvalue)大於 1 的因素，其累積解釋變異 量僅 0.45082，為使累積解釋變異量達 0.7 以上，因此另外加選第 2 個因素，其總合之累積解釋變異量達0.8415，這個因素的特徵值及累 積解釋變異量如表17。

表17 經營效率指標之因素特徵值及累積解釋變異量

因素 特徵值

(eigenvalue)

解釋變異量 (proportion)

累積解釋變異量 (cumulative)

1 1.5246 0.5082 0.5082

2 0.9998 0.3333 0.8415

為了使因素結構更易於解釋，以 varimax 法將原先因素矩陣進 行直交轉軸(orthogonal rotation)，因此得到轉軸後的因素結構矩 陣，而後再根據此因素的因素結構矩陣，從中萃取因素負荷量絕對值 大於0.6 的變數來解釋因素的意義，並以此來為因素命名為經營效率 因素(F31)及應收帳款因素(F32)，詳如表 18。

表18 經營效率指標所包含之財務變數及因素命名

因素 項目代碼 比率 因素負荷量 因素命名

X20 總資產週轉率 0.8731 Factor1

(F31)

X38 自有資本週轉率 0.8730

經營效率因素

Factor2

(F32) X18 應收帳款週轉次數 0.99999 應收帳款因素

(eigenvalue)

解釋變異量 (proportion)

累積解釋變異量 (cumulative)

1 1.9077 0.9539 0.9539

表20 獲利能力指標所包含之財務變數及因素命名

因素 項目代碼 比率 因素負荷量 因素命名

X25 營業利益率 0.9767 Factor1

(F4) 得到一個特徵值(eigenvalue)大於 1 的因素，而這個因素的累積解釋 變異量達 0.9988，顯示這個因素構面已相當能夠代表原始資料的結 構，其特徵值及累積解釋變異量如表21。而後再根據此因素的因素結

構矩陣，從中萃取因素負荷量絕對值大於0.6 的變數來解釋因素的意 義，並以此來為因素命名為現金流量因素，詳如表22。

表21 現金流量指標之因素特徵值及累積解釋變異量

因素 特徵值

(eigenvalue)

解釋變異量 (proportion)

累積解釋變異量 (cumulative)

1 2.0000 1 1

表22 現金流量指標所包含之財務變數及因素命名

因素 項目代碼 比率 因素負荷量 因素命名

X33 現金流量比率 1

Factor1 (F5)

X34 營業活動淨現金流量

/總負債 1

現金流量因素

4.2.3 調節變數之建立

本研究為探討各財務指標影響授信核准額度及貸款利率時，是否 會受地區與產業別影響，故分析時採用虛擬兩組調節變數(moderate variable)，並取較合理虛擬變數(dummy variable)設定。

(一)地區別之建立

以該樣本銀行之所在地，區分為北區、中區及南區等三區。由於 一個類別變數有 k 個層次時，則應引進(k-1)個虛擬變數，因此，

此處需引進2 個虛擬變數，其設計如表 23。

表23 地區別調節變數設計

地區別 地區別代碼 虛擬變數(D1) 虛擬變數(D2)

北區 1 1 0

中區 2 0 1

南區 3 0 0

(二)產業別之建立

以該企業授信戶本身所屬之行業別進行歸類，主要區分為「零售 批發業」、「機械及電子業」、「營建不動產業」及「其他」等4 大產業等四大產業。由於一個類別變數有 k 個層次時，則應引進 (k-1)個虛擬變數，因此，此處需引進 3 個虛擬變數，其設計如表 24。

表24 產業別調節變數設計 地區別 地區別

代碼

虛擬變數 (E1)

虛擬變數 (E2)

虛擬變數 (E3)

零售批發業 1 1 0 0 機械及電子業 2 0 1 0 營建不動產業 3 0 0 1

其他 4 0 0 0