實證結果

灣 模

型 tolerance 0.613 0.595 0.767 0.631 0.637 0.534 0.925 0.548 0.896

VIF 1.733 1.967 1.397 1.230 1.254 1.427 1.588 1.740 1.130 南

韓 模

型 tolerance 0.577 0.508 0.716 0.813 0.798 0.701 0.630 0.575 0.885

VIF 1.596 1.718 1.329 1.265 1.279 1.526 1.242 1.664 1.114 整

體 模

型 tolerance 0.627 0.582 0.752 0.790 0.782 0.655 0.805 0.601 0.898

第三節 實證結果

本研究利用追蹤資料分析台灣、南韓資訊科技產業資本結構，被解釋變數為負債比 率 (%)，解釋變數為財務網絡聯結構面及公司特性構面等變數，估計模型結果請參見表 9。

如前章所述，本研究採 F-test 檢定固定效果模型與古典最小平方法何者為最佳估計 模型，檢定結果顯示，F-test 之 p-value 值小於 0.01，表示固定效果模型較古典最小平方 法之模型佳；並利用 LM test 判斷隨機效果模型是否優於古典最小平方法模型，檢定結 果顯示，在 1%顯著水準下傾向採用隨機效果模型。由此可見，對於台灣與南韓而言，

追蹤資料模型 (panel data model)為本研究之最佳模型，最後利用 Hausman test 之檢定，

判斷採用固定效果模型或隨機效果模型，兩國檢定之結果均否決虛無假設 (在 1%顯著 水準下)，因此本研究採固定效果模型為本研究實證分析之依據。

依據表 9 發現，對台灣 IT 廠商而言，在財務網絡聯結構面中，美國廠商之營運資 本對台灣負債比率呈顯著負相關現象，公司特性變數方面，企業獲利能力對其負債比率 呈負相關、廠商規模對其負債比率呈負相關，廠商規模平方項對其負債比率呈正相關，

由此可見，廠商規模對其負債比率之影響，呈非線性之〝∪〞型關係，資產抵押價值與 負債比率呈正相關，企業研發密集度對其負債比率呈負相關；對南韓 IT 廠商而言，在 財務網絡變數方面，唯有美國現金對於南韓 IT 廠商呈顯著負相關，公司特性方面，廠 商負債比率與其獲利能力、企業研發密集度呈負相關，與其資產抵押價值呈正相關，廠 商規模與負債比率呈顯著正相關，但規模平方項則呈顯著負相關，由此可見，廠商規模 對其負債比率之影響為非線性之〝∩〞型關係。而成長機會則對兩國皆不顯著。本研究 將之研究結果與預期假說之比較整理至表 10。

表 9. 台灣與南韓資本結構模型（固定效果模型） Hausman test

[df] (p-value)

註 3：*表 p-value < 0.1；**表 p-value < 0.05；***表 p-value < 0.01。

表10. 預期結果與實證結果比較

實證結果

變數 預期結果

台灣 南韓

營運資本

－ － ×

淨現金流量

－ × ×

財務網絡 聯結構面

現金

－ × －

獲利能力

＋/－ － －

成長機會

＋/－ × ×

非負債稅盾

－ × －

廠商規模

＋/－ ∪ ∩

資產抵押價值

＋ ＋ ＋

公司特性 構面

企業研發密集度

－ － －

註：＋，顯著正相關；－，顯著負相關；∪，非線性之 U 型影響；∩，非線性之∩型影響；×，無顯著影

響。

本研究之研究目的之一，乃對於受到下游廠商財務網絡聯結影響下的台灣與南韓 IT 產業資本結構決定因素作結構性差異比較與分析，初步觀察台灣與南韓在表 9 與表 10 之追蹤資料模型檢定結果，顯示出極大的差異，因此本研究進一步運用 Chow test 檢定 兩國財務網絡變數、公司特性變數與整體模型方面是否於如預期般呈現結構性差異；檢 定結果如表 11 所示，無論是財務網絡聯結變數、公司特性變數、或整體資本結構決定 因素模型而言，Chow test 檢定統計量分別為 4.8967、3.1298、4.8158，p-value 值在 0.05

顯著水準下，皆符合本研究之預期，兩國 IT 產業之此三模型呈現顯著的差異，並於下 節加以分析討論。

表 11. 結構性差異檢定

Chow Test [df1, df2]

p-value

財務網絡聯結變數 3.1298^** [ 3, 487] 0.0123 公司特性變數 4.8158^*** [ 7, 487] 0.0002

註 1：整體模型，包含財務網絡聯結構面與公司特性構面。