實證模型

第三章研究設計

第一節實證模型

國

立政治大學

‧

N a tio na

l C h engchi U ni ve rs it y

第三章研究設計

第一節實證模型

一、Heckman 第一階段模型–修正自我選擇問題

本研究以公司簽證會計師事務所是否為四大會計師事務所作為衡量公司審計品質的其中一項代理變數。公司選用會計師時，會基於自身情況，

作出為自身利益最佳之考量(如：Becker et al. 1998；Ireland and Lennox 2002;

Francis 2004)，不同公司的特性，也將影響選任會計師之決策 (Defond 1995;

Craswell et al. 1995)。故公司選任會計師會出現自我選擇之偏誤，須採用 Heckman 兩階段模型進行修正(Heckman, 1979)。第一階段使用 Probit 模型，

用以估計公司是否選用四大會計師事務所，並計算出 inverse Mills ratio 後，

將此比率納入第二階段模型中，衡量分析師預測行為之品質特性(準確度與離散度)，以控制內生性(endogeneity)之問題。

Lennox et al. (2012)一文中提到，若採用 Heckman 兩階段模型，須滿足下列要求：(1)前後兩階段所使用之控制變數不能重複；(2)迴歸模型無共線性問題；(3)納入第二階段實證模型時，inverse Mills ratio 須顯著，自我選擇問題才有確實被修正。本研究第一階段實證模型之設計，本研究同 Behn et al. (2008)參考 Choi and Wong (2007)之模型設計，來衡量公司是否選擇四大會計師事務所作為簽證會計師事務所，同時避開第二階段模型中將會採用之控制變數，以符合 Lennox et al. (2012)之要求。第一階段實證模型如下：

𝐴𝐴𝐴𝐴𝐴𝐴𝐴 = 𝛼₀ + 𝛼₁ 𝐿𝐿𝐴 + 𝛼₂ 𝐶𝐴𝐶𝐴𝐿𝐴 + 𝛼₃ 𝐴𝐿𝐼𝐼𝐴𝐼𝐶 + 𝛼₄ 𝐿𝐼𝐼𝐼 + 𝛼5 𝐿𝐴𝐿𝐴𝐼𝐶𝐿 + 𝛼6 𝐴𝐴𝐴 + 𝛼7 𝐴𝐿𝐿𝐴𝐼 + 𝜀

(1)

‧ 國

立政治大學

‧

N a tio na

l C h engchi U ni ve rs it y

式 1 為會計師選擇之實證模型，應變數為虛擬變數，定義為公司是否選擇四大會計師事務所作為簽證會計師事務所。是則為 1，否則為 0。公司在選擇會計師時，將根據公司自身特性與情況作出選擇，故在此選用七項變 數作為公司特性之衡量：(1)公司收益規模(LNR)：為總營業收入取自然對數；

(2)公司資本密集度(CAPINT)：為長期資產除以總資產；(3)公司存貨與應收 款項之規模(INVEREC)：為存貨與應收款項之總和佔總資產之比例；(4)公 司負債比率(LEVE)：借款槓桿程度，為總負債除以總資產；(5)公司前一年 度營收：採用去年每股盈餘(LASTEPS)；(6)公司之資產報酬率(ROA)；以及 (7)過去兩年公司發行長期負債之情形(ISSUE)：為虛擬變數，過去兩年間公 司新發行長期負債總額是否超過已發行長期負債總額 20%。是則為 1，否則為 0。

本研究將利用此實證模型，計算出 inverse Mills ratio (INVMR)，納入第 二階段實證模型中，以修正會計師自我選擇之問題。

二、Heckman 第二階段模型-分析師盈餘預測行為(準確度與離散度)

為驗證假說 H1a與 H1b，分析師盈餘預測行為與審計品質之關係，本研 究參考 Behn et al. (2008)所設計實證模型，以分析師盈餘預測準確度(ACCY) 及離散度(DISP)作為衡量分析師盈餘預測行為品質特性之變數，採用公司 是否選用四大會計師事務所作為簽證會計師事務所(AUDITOR)、簽證會計 師事務所之產業專精度(INSPEC)及兩者之交乘項(AUDITOR X INSPEC)作 為衡量審計品質之變數，同時延長樣本期間，本研究樣本期間為 1996 年至 2011 年，實證模型如下：

𝐴𝐶𝐶𝐴 = 𝛼0+ 𝛼1 𝐴𝐴𝐴𝐴𝐴𝐴𝐴 + 𝛼2 𝐴𝐿𝐿𝐶𝐼𝐶 + 𝛼3 (𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝑋 𝐴𝐿𝐿𝐶𝐼𝐶) + 𝛼₄𝐿𝐴𝑆𝐼 + 𝛼₅𝐿𝐴𝐴𝐶𝐴𝐴𝐿𝐼 + 𝛼₆ 𝐿𝐴𝐿𝐿 + 𝛼₇ 𝑆𝑍𝐴𝑍

+ 𝛼8 𝐻𝐴𝐴𝐴𝑆𝐴𝐿 + 𝛼9 𝐿𝐴𝐴𝐴𝐴𝐼 + 𝛼10 𝐿𝐴𝐿𝐴 + 𝛼11 𝐼𝐿 + 𝛼₁₂ 𝐴𝐿𝐼𝑍𝐴 + 𝑦𝑦𝑦𝑦𝑦 𝑦𝑎𝑎 𝑖𝑎𝑎𝑖𝑦𝑖𝑦𝑖𝑦𝑦 𝑦𝑒𝑒𝑦𝑒𝑖𝑦 + 𝜀

‧ 國

立政治大學

‧

N a tio na

l C h engchi U ni ve rs it y

(2) 𝐴𝐴𝐿𝐶 = 𝛼₀+ 𝛼₁ 𝐴𝐴𝐴𝐴𝐴𝐴𝐴 + 𝛼₂ 𝐴𝐿𝐿𝐶𝐼𝐶 + 𝛼₃ (𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝑋 𝐴𝐿𝐿𝐶𝐼𝐶)

+ 𝛼4 𝐿𝐴𝑆𝐼 + 𝛼5 𝐿𝐴𝐴𝐶𝐴𝐴𝐿𝐼 + 𝛼6 𝑆𝑍𝐴𝑍 + 𝛼7 𝐻𝐴𝐴𝐴𝑆𝐴𝐿

+ 𝛼₈ 𝐿𝐴𝐴𝐴𝐴𝐼 + 𝛼₉ 𝐴𝐿𝐼𝑍𝐴 + 𝑦𝑦𝑦𝑦𝑦 𝑦𝑎𝑎 𝑖𝑎𝑎𝑖𝑦𝑖𝑦𝑖𝑦𝑦 𝑦𝑒𝑒𝑦𝑒𝑖𝑦 + 𝜀

(3) 再者，本研究將審計品質之代理變數(AUDITOR ; INSPEC ; AUDITOR X INSPEC)代換為經理人能力(MA)，以驗證假說 H2a與 H2b，檢驗分析師盈餘預測行為與經理人能力之關聯性，實證模型如下：

𝐴𝐶𝐶𝐴 = 𝛼₀+ 𝛼₁ 𝑍𝐴 + 𝛼₂ 𝐿𝐴𝑆𝐼 + 𝛼₃ 𝐿𝐴𝐴𝐶𝐴𝐴𝐿𝐼 + 𝛼₄ 𝐿𝐴𝐿𝐿 + 𝛼₅ 𝑆𝑍𝐴𝑍 + 𝛼6 𝐻𝐴𝐴𝐴𝑆𝐴𝐿 + 𝛼7 𝐿𝐴𝐴𝐴𝐴𝐼 + 𝛼8 𝐿𝐴𝐿𝐴 + 𝛼9 𝐼𝐿

+ 𝑦𝑦𝑦𝑦𝑦 𝑦𝑎𝑎 𝑖𝑎𝑎𝑖𝑦𝑖𝑦𝑖𝑦𝑦 𝑦𝑒𝑒𝑦𝑒𝑖𝑦 + 𝜀

(4) 𝐴𝐴𝐿𝐶 = 𝛼₀+ 𝛼₁ 𝑍𝐴 + 𝛼₂ 𝐿𝐴𝑆𝐼 + 𝛼₃ 𝐿𝐴𝐴𝐶𝐴𝐴𝐿𝐼 + 𝛼₄𝑆𝑍𝐴𝑍 + 𝛼₅ 𝐻𝐴𝐴𝐴𝑆𝐴𝐿

+ 𝛼6 𝐿𝐴𝐴𝐴𝐴𝐼 + 𝑦𝑦𝑦𝑦𝑦 𝑦𝑎𝑎 𝑖𝑎𝑎𝑖𝑦𝑖𝑦𝑖𝑦𝑦 𝑦𝑒𝑒𝑦𝑒𝑖𝑦 + 𝜀

(5) 以下為變數相關說明：

(一) 應變數

1. 分析師預測準確度(ACCY)

分析師預測準確度，為分析師盈餘預測與實際盈餘發佈之落差程度 (Barron et al. 1998)，代表分析師對於未來盈餘的不確定性。根據 Lang and Lundholm (1996)，分析師預測準確度計算方式為，分析師針對同一間公司所作出盈餘預測之平均數，與公司實際盈餘差之絕對值，平減前一期股價，

再取負值使此項數值愈大代表預測愈準確。本研究使用公司實際盈餘發佈日前兩個月至前三天之分析師盈餘預測資料計算。若此期間中，同一分析

‧ 國

立政治大學

‧

N a tio na

l C h engchi U ni ve rs it y

師若發佈多次預測，將採用離實際盈餘發佈日最近之預測計算之。

𝐴𝐶𝐶𝐴𝑡= (−1)|𝐹𝐴𝐴𝐼𝐶𝐴𝐿𝐴_𝑡^𝑡−1− 𝐼𝐶𝐿_𝑡| 𝐶𝐴𝐴𝐶𝐼𝑡−1

(6) 其中𝐹𝐴𝐴𝐼𝐶𝐴𝐿𝐴_𝑡^𝑡−1為分析師對於公司第 t 期盈餘預測之平均值

𝐼𝐶𝐿𝑡為公司第 t 期實際之盈餘 𝐶𝐴𝐴𝐶𝐼_𝑡−1為公司第 t-1 期之股價

2. 分析師預測離散度(DISP)

分析師預測離散度，代表分析師盈餘預測之共識程度(Imhoff and Lobo 1992; Barron and Stuerke 1998)。根據 Lang and Lundholm (1996)，分析師針對同一間公司所作出盈餘預測之標準差，再平減前一期股價衡量之。本研究使用公司發佈實際盈餘之前兩個月至前三天之分析師盈餘預測資料計算，

而每一家公司單一年度必須有四個以上之分析師盈餘預測資料才予以計算。

𝐴𝐴𝐿𝐶_𝑡 =𝐿𝐴𝐴(𝐹𝐴𝐴𝐼𝐶𝐴𝐿𝐴_𝑡) 𝐶𝐴𝐴𝐶𝐼_𝑡−1

(7) 其中𝐹𝐴𝐴𝐼𝐶𝐴𝐿𝐴𝑡為分析師對公司第 t 期盈餘之預測

𝐶𝐴𝐴𝐶𝐼_𝑡−1為公司 t-1 期之股價

(二) 測試變數

1. 審計品質(AUDITOR ; INSPEC ; AUDITOR X INSPEC)

為衡量審計品質，本研究採用是否選任四大會計師事務所為簽證會計師事務所及事務所之產業專精度此兩項變數。其中是否選任四大會計師事務 所為簽證會計師事務所(AUDITOR)為虛擬變數，為公司是否選擇四大會計 師事務所作為簽證會計師事務所，是則為 1，否則為 0。

‧

事務所對於單一產業之擅長程度。本研究參考 Choi and Doogar (2005)，產業專精度之計算方式為，以 SIC 產業代碼的前兩碼做產業之分類依據，計算事務所當年度簽證同產業公司總資產平方根的和除以該事務所當年度簽證所有公司總資產平方根的和。為剔除小事務所因客戶數少而產生高估產業專精度之偏誤，將單年度簽證公司總數小於 15 家之事務所刪除。

此外，為檢驗是否選任四大會計師事務所(AUDITOR)與產業專精度 (INSPEC)之交互作用，於模型中放入兩者之交乘項(AUDITOR X INSPEC)。

Behn et al. (2008)預期公司若選任四大會計師事務所，則分析師盈餘預測準確度提高，離散度降低，若簽證會計師事務所產業專精度高，則分析師盈

Demerjian et al. (2012)發展出一套方法，可將經理人能力經計算化為分數(MA-Score)，其概念為經理人是否能有效利用企業資源以創造出最大效

‧ 國

立政治大學

‧

N a tio na

l C h engchi U ni ve rs it y

(9) 𝑣₁, 𝑣₂… , 𝑣_𝑚 ≥ 0

(10) 𝑖₁, 𝑖₂, … , 𝑖_𝑚 ≥ 0

(11) 式 8 為投入與產出效率之計算，共有 s 個產出項目及 m 個投入項目，

投入與產出有固定的權重加權，分別為 u_i與 v_i，公司 k 第 i 項之產出及第 j 項投入分別為 yik與 xik。藉此將可計算出公司資源利用的效率，最有效率之公司，在給定投入的情形下，將獲得最大的產出；亦或是給定產出的情形下，僅需最少的投入。式 9 為限制式，經調整後，最有效率之公司(可能不只一家公司)計算出之效率分數為 1。此外式 10 及式 11 亦為限制式，其要求產出及投入之權重為非負數，以避免最佳解中包含負投入的情況。

𝑚𝑦𝑚𝑣𝜃 = 𝐿𝑦𝑎𝑦𝑦

𝑣1𝐶𝐶𝐶𝐿 + 𝑣2𝐿𝐶&𝐴 + 𝑣3𝐶𝐶𝐼 + 𝑣4𝐴𝑂𝑦𝐿𝑦𝑦𝑦𝑦 + 𝑣5𝐴&𝐴 + 𝑣6𝐶𝐶𝐶𝑎𝐺𝑖𝑎𝑎 + 𝑣7𝐴𝑖ℎ𝑦𝑦𝐴𝑎𝑖𝑦𝑎

(12)

Demerjian et al. (2012)採用一項產出項目及七項資源投入項目作為公司效率的計算。收益是唯一的產出，也是公司經營主要目的，而能夠以最低的成本來創造最多收入的公司，便是最有效率的公司。為了產生收入所投入的成本，則以五個與資產相關的投入，以及兩個與費用相關的投入來衡量。在此分別闡述如下：

(1)銷貨成本(CoGS)

(2)行銷及管理費用(SG&A)

(3)土地、廠房及設備之淨額(PPE)

(4)未來五年營業租賃費用之折現值(OpsLease)。如此一來，對於那些營業

‧ 國

立政治大學

‧

N a tio na

l C h engchi U ni ve rs it y

內容相同，但分別選擇以購置或租賃來取得營運器具的公司，可增加其之間的比較性。

(5)研發支出淨額(R&D)。

(6)併購所產生的商譽(Goodwill)。其代表的是在併購時所支付超過被併購方公允價值的金額，通常這反映了一些沒有在資產負債表上入帳的無形資產，

如顧客關係、員工士氣等。

(7)其他購置或資本化的無形資產，包括商標、專利權等(OtherIntan)。

由於同產業間之公司，常有較為相似之商業模式與成本結構，故 Demerjian et al.(2012)以產業別來衡量公司的效率性。最有效率之公司其效率分數為 1，而同樣效率分數為 1 的公司將形成一條效率前緣，效率分數低於 1 的公司將落於效率前緣內。

然而，計算出各公司之效率分數後，公司之效率，仍受到多重因素之影響，如媒體報導程度、股價異常報酬、公司規模等，無法將其成果完全歸因於經理人能力。例如，大公司的經理人即使能力一般，仍然可能較小公司的優秀經理人，擁有更好的議價能力或談判空間。因此，Demerjian et al.(2012)利用計算出之公司效率後，進行修正，排除各種非歸因於經理人能力之因素，如公司規模(Total Assets)、市場佔有率(Market Share)、自由現金流入(Free Cash Flow)、公司歷史(Age)、多部門經營(Business Segment Concentration)或跨國經營(Foreign Currency Indictor)予以排除。依產業別進行 Tobit 迴歸模型：

Firm Efficiency = 𝛼

+ 𝛼

𝐿𝑎(𝐴𝐶𝑖𝑦𝑎 𝐴𝑦𝑦𝑦𝑦𝑖𝑦) + 𝛼

𝑍𝑦𝑦𝑘𝑦𝑖 𝐿ℎ𝑦𝑦𝑦 + 𝛼

₃

𝐶𝐶𝑦𝑖𝑖𝑖𝑣𝑦 𝐹𝑦𝑦𝑦 𝐶𝑦𝑦ℎ 𝐹𝑎𝐶𝐺 + 𝛼

₄

𝐿𝑎(𝐴𝐴𝑦) + 𝛼

𝐵𝑖𝑦𝑖𝑎𝑦𝑦𝑦𝐿𝑦𝐴𝑚𝑦𝑎𝑖𝐶𝐶𝑎𝑒𝑦𝑎𝑖𝑦𝑦𝑖𝑖𝐶𝑎

+ 𝛼

₆

𝐹𝐶𝑦𝑦𝑖𝐴𝑎 𝐶𝑖𝑦𝑦𝑦𝑎𝑒𝑦 𝐴𝑎𝑎𝑖𝑒𝑖𝐶𝑦 + 𝐴𝑦𝑦𝑦 𝐴𝑎𝑎𝑖𝑒𝑦𝑖𝐶𝑦 + 𝜀

(13)

‧ 國

立政治大學

‧

N a tio na

l C h engchi U ni ve rs it y

利用式 13 進行 Tobit 迴歸，排除相關因素後，其殘差項即為經理人能力。本研究預期經理人能力愈好，分析師預測準確度將愈高，離散度將愈低。

(三) 控制變數 1. 公司規模(SIZE)

當公司規模愈大時，公司資訊揭露政策將愈透明，媒體報導次數較多，

分析師所能獲取資訊之品質與數量增加，將使分析師預測準確度增加，離散度減少。本研究採用 Lang and Lundholm (1996)，公司規模為公司市值取自然對數來衡量，並預期公司規模愈大時，分析師預測準確度愈大，離散度愈小。

2. 公司前後年盈餘差異(SURPRISE)

Lang and Lundholm (1996)指出盈餘波動愈大，將使分析師預測準確度降低，離散度增加。本研究採 Lang and Lundholm (1996)之衡量方式，公司本年度 EPS 與上一年度 EPS 之差取絕對值，再平減公司上一年度股價。並預期當公司前後年盈餘差異愈大時，分析師預測準確度將愈小，離散度將愈大。

3. 公司前期是否虧損(LOSS)

前期虧損之公司，將會造成分析師預測失準。Hwang et al. (1996)指出，

若公司前期虧損，分析師盈餘預測之準確度將低於前期獲利公司之盈餘預測準確度。Ang and Ciccone (2001)也提到，公司在績效表現不佳時，會試圖隱瞞、或提供不明確甚至錯誤之資訊，試圖操弄相關資訊，使資訊品質下降，分析師預測準確度變降低。本研究以虛擬變數表示公司前期是否虧損，若前期有虧損則為 1，否則為 0。

4. Zmijewski

財務破產指數(ZMIJ)

‧ 國

立政治大學

‧

N a tio na

l C h engchi U ni ve rs it y

Zmijewski (1984)設計一 probit 模型，比對了 40 家破產公司與 400 家未破產公司之資料，經由多次實驗結果，得出一最適解，日後便以此模型計算出公司破產之可能性，其算式為：

𝑆𝑍𝐴𝑍 = −4.3 − 4.5 𝐴𝐴𝐴 + 5.7 𝐹𝐴𝐿𝐿 + 0.004 𝐿𝐴𝐿

(14) 其中 ROA 為資產報酬率，計算方式為淨利除以總資產

FINL 為公司負債比率，計算方式為總負債除以總資產 LIQ 為流動比率，計算方式為流動資產除以流動負債

根據此財務破產指數所計算出來之數值，愈大代表破產之可能性愈高，

本研究預期，若破產指數愈高，則盈餘不確定性愈高，公司較可能隱藏相關重要資訊，將使分析師預測準確度降低，離散度提高。

5. 分析師預測天數(HORIZON)

分析師發佈盈餘預測日距離實際盈餘發佈日愈靠近時，由於可獲取之資訊愈來愈充足，盈餘不確定之因素減少，分析師預測之準確度變高，離散度變小(Brown 2001)，本研究採用分析師預測發佈日距離公司實際盈餘發佈日之平均天數取自然對數，預期分析師預測天數愈少，分析師預測準確度

在文檔中審計品質與經理人能力對於分析師盈餘預測之相對有用性 - 政大學術集成 (頁 24-39)

第三章 研究設計

第一節 實證模型

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

第三章 研究設計

第一節 實證模型

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

(一) 應變數

1. 分析師預測準確度(ACCY)

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

2. 分析師預測離散度(DISP)

(二) 測試變數

1. 審計品質(AUDITOR ; INSPEC ; AUDITOR X INSPEC)

‧

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

Firm Efficiency = 𝛼

+ 𝛼

𝐿𝑎(𝐴𝐶𝑖𝑦𝑎 𝐴𝑦𝑦𝑦𝑦𝑖𝑦) + 𝛼

𝑍𝑦𝑦𝑘𝑦𝑖 𝐿ℎ𝑦𝑦𝑦 + 𝛼

𝐶𝐶𝑦𝑖𝑖𝑖𝑣𝑦 𝐹𝑦𝑦𝑦 𝐶𝑦𝑦ℎ 𝐹𝑎𝐶𝐺 + 𝛼

𝐿𝑎(𝐴𝐴𝑦) + 𝛼

𝐵𝑖𝑦𝑖𝑎𝑦𝑦𝑦𝐿𝑦𝐴𝑚𝑦𝑎𝑖𝐶𝐶𝑎𝑒𝑦𝑎𝑖𝑦𝑦𝑖𝑖𝐶𝑎

+ 𝛼

𝐹𝐶𝑦𝑦𝑖𝐴𝑎 𝐶𝑖𝑦𝑦𝑦𝑎𝑒𝑦 𝐴𝑎𝑎𝑖𝑒𝑖𝐶𝑦 + 𝐴𝑦𝑦𝑦 𝐴𝑎𝑎𝑖𝑒𝑦𝑖𝐶𝑦 + 𝜀

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

(三) 控制變數 1. 公司規模(SIZE)

2. 公司前後年盈餘差異(SURPRISE)

3. 公司前期是否虧損(LOSS)

4. Zmijewski

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

5. 分析師預測天數(HORIZON)

第三章研究設計

第一節實證模型

立政治大學

第三章研究設計

第一節實證模型

立政治大學

立政治大學

立政治大學

立政治大學

立政治大學

立政治大學

立政治大學