本章為實證結果分析，根據第三章的實證流程與方法，分別列 出各項實證結果，第一節為敘述性統計分析，第二節說明Google 搜 尋量指標對於股票報酬的影響，第三節探討媒體曝光度對於股票報 酬與公司績效之影響，第四節為Google 搜尋量指標與媒體曝光度對 於公司績效之影響。
第一節 敘述統計與相關分析
首先進行研究變數的敘述統計分析，表 4-1 為日資料變數之敘 述統計，樣本期間為2014 年 1 月 1 日至 2018 年 12 月 31 日。由表 4-1 可知，樣本公司股票平均日報酬率為 0.037%，標準差為 1.535%。
Google 搜尋量指標(SVI)平均數為 41.957，標準差為 20.143；市場報 酬率平均數為 0.013%，標準差為 0.825%。由此可知，樣本公司在 研究期間的平均報酬率約為加權指數報酬率的三倍，但波動幅度也 較大。由偏態係數可知，股票報酬率與 SVI 為右偏分配；市場報酬 率為左偏分配。由峰態係數可知，股票報酬率及市場報酬率皆為高 狹峰；SVI 為低闊峰。
表4-1 日資料變數之敘述統計表
平均數 標準差 偏態 峰態 最小值 最大值
FirmRet 0.037 1.535 0.208 8.994 -10.000 10.000 SVI 41.957 20.143 0.348 2.881 0.000 100.000 MktRet 0.013 0.825 -0.799 8.789 -6.313 3.580 註：1.FirmRet 為樣本公司之股票日報酬率，SVI 為每日 Google 搜尋量指標，
MktRet 為市場日報酬率。
2.公司股票報酬率與市場報酬率之平均數及標準差，其單位皆為百分比 (%)。
28
表 4-2 為月資料變數之敘述統計，樣本期間為 2009 年 1 月至 2018 年 12 月。在應變數方面，公司股票平均月報酬率為 1.251%，
標準差為 7.569%；資產報酬率(ROA)平均數為 2.284%，標準差為 2.104%； 股 東 權 益 報 酬 率 (ROE) 平 均 數 為 3.184%， 標 準 差 為 2.926%。
在自變數方面，月資料之 Google 搜尋量指標(SVI)平均數為 44.297，標準差為 20.419，與日資料差距不大；公司名稱媒體曝光 度之平均新聞則數為7.212 則，標準差為 9.451；CEO 媒體曝光度之 平均新聞則數為0.828則，標準差為 1.444；平均市場報酬率為 0.73%，
標準差為 4.555%。此外，全部的變數皆為右偏分配，且除了 SVI 以外，全部的變數皆為高狹峰。
表4-2 月資料變數之敘述統計表
平均數 標準差 偏態 峰態 最小值 最大值
FirmRet 1.251 7.569 0.703 7.477 -34.241 57.942 ROA 2.284 2.104 1.233 5.492 -2.280 14.100 ROE 3.184 2.926 3.082 44.969 -9.720 48.940 SVI 44.297 20.419 0.266 2.774 2.000 100.000 Media 7.212 9.451 2.959 14.760 0.000 88.000 MediaCEO 0.828 1.444 3.050 17.643 0.000 18.000 MktRet 0.730 4.555 0.332 4.420 -10.941 15.002 註：1. FirmRet 為樣本公司之股票月報酬率，ROA 為總資產報酬率，ROE 為股 東權益報酬率，SVI 為每月 Google 搜尋量指標，Media 為公司名稱媒體曝
光度之每月新聞則數，MediaCEO 為公司負責人媒體曝光度之每月新聞則
數，MKTRET 為市場月報酬率。
2.公司股票報酬率、ROA、ROE 和市場報酬率的平均數與標準差，其單位 皆為百分比(%)。
接下來探討變數間之相關性，日資料變數間之相關係數如表 4-3，
由表 4-3 可知，公司股票報酬率與市場報酬率呈現顯著正相關，相 關係數達0.513，但其與 SVI 的相關係數則不高。
29
表4-3 日資料變數之相關係數表
Correlation FirmRet SVI MktRet
FirmRet 1.000
新聞則數，MediaCEO 為 CEO 媒體曝光度之每月新聞則數，MktRet 為市場月 報酬率。
月資料變數間之相關係數如表4-4，由表 4-4 可知，公司股票報 酬率與市場報酬率為正向顯著相關，相關係數達0.566。公司股票報 酬率與ROA、ROE、公司名稱媒體曝光度有顯著正相關，但相關係
30
數很低。
ROA 與 ROE 為顯著正相關，相關係數達 0.6；ROA 與 SVI、公 司媒體曝光度、CEO 媒體曝光度為有顯著正相關，但相關係數不高。
ROE 與 SVI 有顯著正相關，但相關係數不高。SVI 與公司媒體曝光 度以及CEO 媒體曝光度有顯著正相關，但相關係數不高。
第二節 Google 搜尋量指標對於股票報酬之影響
[模型一]
公式(1)至公式(3)：以 Google 搜尋量指標(SVI)作為解釋變數，分別 以三因子、四因子及五因子模型進行分析
𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡 = 𝑏𝑏0+ 𝑏𝑏1𝑆𝑆𝑆𝑆𝑆𝑆𝑖𝑖,𝑡𝑡 + 𝑏𝑏2𝑀𝑀𝑀𝑀𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑡𝑡+ 𝑏𝑏3𝑆𝑆𝑀𝑀𝑆𝑆𝑡𝑡+ 𝑏𝑏4𝐻𝐻𝑀𝑀𝐻𝐻𝑡𝑡
+ 𝑐𝑐𝑖𝑖 + 𝑢𝑢𝑡𝑡+ 𝜀𝜀𝑖𝑖,𝑡𝑡 (1)
𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡 = 𝑏𝑏0+ 𝑏𝑏1𝑆𝑆𝑆𝑆𝑆𝑆𝑖𝑖,𝑡𝑡 + 𝑏𝑏2𝑀𝑀𝑀𝑀𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑡𝑡+ 𝑏𝑏3𝑆𝑆𝑀𝑀𝑆𝑆𝑡𝑡+ 𝑏𝑏4𝐻𝐻𝑀𝑀𝐻𝐻𝑡𝑡
+ 𝑏𝑏5𝑀𝑀𝑅𝑅𝑀𝑀𝑡𝑡+ 𝑐𝑐𝑖𝑖 + 𝑢𝑢𝑡𝑡 + 𝜀𝜀𝑖𝑖,𝑡𝑡 (2) 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡 = 𝑏𝑏0+ 𝑏𝑏1𝑆𝑆𝑆𝑆𝑆𝑆𝑖𝑖,𝑡𝑡 + 𝑏𝑏2𝑀𝑀𝑀𝑀𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑡𝑡+ 𝑏𝑏3𝑆𝑆𝑀𝑀𝑆𝑆𝑡𝑡+ 𝑏𝑏4𝐻𝐻𝑀𝑀𝐻𝐻𝑡𝑡
+ 𝑏𝑏5𝑅𝑅𝑀𝑀𝑅𝑅𝑡𝑡 + 𝑏𝑏6𝐶𝐶𝑀𝑀𝑅𝑅𝑡𝑡 + 𝑐𝑐𝑖𝑖 + 𝑢𝑢𝑡𝑡+ 𝜀𝜀𝑖𝑖,𝑡𝑡 (3)
公式(4)至公式(6)：係將公式(1)至公式(3)之 SVI 改以 Difference of SVI (DSVI) 作為解釋變數。
𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡 = 𝑏𝑏0 + 𝑏𝑏1𝐷𝐷𝑆𝑆𝑆𝑆𝑆𝑆𝑖𝑖,𝑡𝑡 + 𝑏𝑏2𝑀𝑀𝑀𝑀𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑡𝑡+ 𝑏𝑏3𝑆𝑆𝑀𝑀𝑆𝑆𝑡𝑡
+ 𝑏𝑏4𝐻𝐻𝑀𝑀𝐻𝐻𝑡𝑡+ 𝑐𝑐𝑖𝑖 + 𝑢𝑢𝑡𝑡 + 𝜀𝜀𝑖𝑖,𝑡𝑡 (4) 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡 = 𝑏𝑏0 + 𝑏𝑏1𝐷𝐷𝑆𝑆𝑆𝑆𝑆𝑆𝑖𝑖,𝑡𝑡 + 𝑏𝑏2𝑀𝑀𝑀𝑀𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑡𝑡+ 𝑏𝑏3𝑆𝑆𝑀𝑀𝑆𝑆𝑡𝑡
+ 𝑏𝑏4𝐻𝐻𝑀𝑀𝐻𝐻𝑡𝑡+ 𝑏𝑏5𝑀𝑀𝑅𝑅𝑀𝑀𝑡𝑡+ 𝑐𝑐𝑖𝑖 + 𝑢𝑢𝑡𝑡 + 𝜀𝜀𝑖𝑖,𝑡𝑡 (5) 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡 = 𝑏𝑏0 + 𝑏𝑏1𝐷𝐷𝑆𝑆𝑆𝑆𝑆𝑆𝑖𝑖,𝑡𝑡 + 𝑏𝑏2𝑀𝑀𝑀𝑀𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑡𝑡+ 𝑏𝑏3𝑆𝑆𝑀𝑀𝑆𝑆𝑡𝑡
+ 𝑏𝑏4𝐻𝐻𝑀𝑀𝐻𝐻𝑡𝑡+ 𝑏𝑏5𝑅𝑅𝑀𝑀𝑅𝑅𝑡𝑡 + 𝑏𝑏6𝐶𝐶𝑀𝑀𝑅𝑅𝑡𝑡 + 𝑐𝑐𝑖𝑖 + 𝑢𝑢𝑡𝑡+ 𝜀𝜀𝑖𝑖,𝑡𝑡 (6)
31
表4-5 為模型一檢定結果表，模型選取結果如下：(一)普通最小 平方法模型(OLS)或固定效果模型 (Fixed Effect Model)之選取：在 10%的顯著水準下，依 F test 檢定值及 p 值顯示，公式(1)至公式(3) 因各公司之截距項不完全相同，以選取固定效果模型為佳。公式(4) 至公式(6)因無法拒絕各公司之截距項完全相同，故選取普通最小平 方法為佳。(二)普通最小平方法模型或隨機效果模型 (Random Effect Model)之選取：在 10%的顯著水準下，依 LM test 檢定值及 p-value 顯示，公式(1)至(6)因無法拒絕各公司之截距項不具有隨機變數性質，
故選取普通最小平方法為佳。
表 4-5 模型一檢定結果表
𝐻𝐻0: OLS OLS 適合
𝐻𝐻1: Fixed Random 模型
檢定 F p 值 適合模型 LM p 值 適合模型
(1) 1.3191 0.0806 固定效果 1.1464 0.2843 OLS 固定效果 (2) 1.3207 0.0797 固定效果 1.1608 0.2813 OLS 固定效果 (3) 1.3208 0.0797 固定效果 1.1593 0.2816 OLS 固定效果 (4) 1.1958 0.1799 OLS 0.6010 0.4382 OLS OLS (5) 1.1978 0.1777 OLS 0.6156 0.4327 OLS OLS (6) 1.1953 0.1804 OLS 0.5980 0.4393 OLS OLS
表4-6 為 Google 搜尋趨勢指標對公司股票報酬影響之迴歸分析，
Panel A 是以 SVI 作為解釋變數，Panel B 是以 DSVI 作為解釋變數。
由表 4-6 得知，不論是採用三因子、四因子或五因子模型，SVI 與 DSVI 對於公司股票報酬皆有非常顯著的正向影響，表示當搜尋量指 標(SVI)愈大時，表示投資人對該股票的關注度愈高，顯示對該股票 的投資意願也較高，因而報酬率愈高。同樣地，當搜尋量指標高於 前五日平均(DSVI)的值愈大，表示投資人對該股票的關注度愈提升，
股票報酬率也愈高。綜合上述，Google 搜尋趨勢指標愈高的股票，
代表投資人關注度愈高，其報酬率也愈高。
32
表 4-6 Google 搜尋趨勢對公司股票報酬影響之迴歸分析
Panel A：dependent variable 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡
Variables (1) (2) (3)
Intercept -0.0127
(-0.8809) -0.0103
(124.9056) 0.9339***
(125.0828) 0.9316***
(124.0312)
Panel B：dependent variable 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡
Variables (4) (5) (6)
Intercept 0.0166***
(2.6652) 0.0189***
(124.8942) 0.9338***
(125.0763) 0.9314***
(124.0174)
33
第三節 媒體曝光度對於股票報酬與公司績效之影響
[模型二]
公式(1)至公式(3)：以公司名稱媒體曝光度作為解釋變數，並分別以 三因子、四因子及五因子模型進行迴歸分析，檢視媒體曝光度對公 司股票報酬率(FirmRet)的影響。
𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡 = 𝑏𝑏0 + 𝑏𝑏1𝑀𝑀𝐹𝐹𝑀𝑀𝐹𝐹𝑀𝑀𝑖𝑖,𝑡𝑡 + 𝑏𝑏2𝑀𝑀𝑀𝑀𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑡𝑡 + 𝑏𝑏3𝑆𝑆𝑀𝑀𝑆𝑆𝑡𝑡
+ 𝑏𝑏4𝐻𝐻𝑀𝑀𝐻𝐻𝑡𝑡+ 𝑐𝑐𝑖𝑖 + 𝑢𝑢𝑡𝑡 + 𝜀𝜀𝑖𝑖,𝑡𝑡 (1) 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡 = 𝑏𝑏0 + 𝑏𝑏1𝑀𝑀𝐹𝐹𝑀𝑀𝐹𝐹𝑀𝑀𝑖𝑖,𝑡𝑡 + 𝑏𝑏2𝑀𝑀𝑀𝑀𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑡𝑡 + 𝑏𝑏3𝑆𝑆𝑀𝑀𝑆𝑆𝑡𝑡
+ 𝑏𝑏4𝐻𝐻𝑀𝑀𝐻𝐻𝑡𝑡+ 𝑏𝑏5𝑀𝑀𝑅𝑅𝑀𝑀𝑡𝑡+ 𝑐𝑐𝑖𝑖 + 𝑢𝑢𝑡𝑡 + 𝜀𝜀𝑖𝑖,𝑡𝑡 (2) 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡 = 𝑏𝑏0 + 𝑏𝑏1𝑀𝑀𝐹𝐹𝑀𝑀𝐹𝐹𝑀𝑀𝑖𝑖,𝑡𝑡 + 𝑏𝑏2𝑀𝑀𝑀𝑀𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑡𝑡 + 𝑏𝑏3𝑆𝑆𝑀𝑀𝑆𝑆𝑡𝑡
+ 𝑏𝑏4𝐻𝐻𝑀𝑀𝐻𝐻𝑡𝑡+ 𝑏𝑏5𝑅𝑅𝑀𝑀𝑅𝑅𝑡𝑡 + 𝑏𝑏6𝐶𝐶𝑀𝑀𝑅𝑅𝑡𝑡 + 𝑐𝑐𝑖𝑖 + 𝑢𝑢𝑡𝑡+ 𝜀𝜀𝑖𝑖,𝑡𝑡 (3)
公式(4)至公式(6)：係將公式(1)至公式(3)之公司名稱媒體曝光度，
改以CEO 媒體曝光度作為解釋變數，並分別以三因子、四因子及五 因子作為控制變數，檢視其對公司股票報酬率(FirmRet)的影響。
表 4-7 模型二檢定結果表
𝐻𝐻0: OLS OLS 適合
𝐻𝐻1: Fixed Random 模型
檢定 F p 值 適合模型 LM p 值 適合模型
(1) 1.4179 0.0392 固定效果 2.1543 0.1422 OLS 固定效果 (2) 1.4241 0.0374 固定效果 2.2072 0.1374 OLS 固定效果 (3) 1.4097 0.0418 固定效果 2.0881 0.1484 OLS 固定效果 (4) 1.3127 0.0854 固定效果 1.6859 0.1941 OLS 固定效果 (5) 1.3142 0.0845 固定效果 1.7055 0.1916 OLS 固定效果 (6) 1.3104 0.0867 固定效果 1.6674 0.1966 OLS 固定效果
34
表4-7 為模型二檢定結果表，模型選取結果如下：(一)普通最小 平方法模型(OLS)或固定效果模型(Fixed Effect Model)之選取：在 10%的顯著水準下，依 F test 檢定值及 p 值顯示，公式(1)至公式(6) 因各公司之截距項不完全相同，以選取固定效果模型為佳。(二)普 通最小平方法模型或隨機效果模型(Random Effect Model)之選取：在 10%的顯著水準下，依 LM test 檢定值及 p 值顯示，公式(1)至(6)因 無法拒絕各公司之截距項不具有隨機變數性質，故選取普通最小平 方法為佳。
表4-8 為媒體曝光度對公司股票報酬率影響之迴歸分析， Panel A 是以公司名稱媒體曝光度作為解釋變數，而 Panel B 是以 CEO 媒 體曝光度作為解釋變數。由表 4-8 得知，公司名稱媒體曝光度對於 公司股票報酬有顯著正向的影響，表示公司名稱被媒體報導的次數 愈多，其知名度與資訊透明度愈高，可能吸引投資人對該公司給予 較多關注，進而可能產生投資興趣，使得股票報酬率愈高。至於CEO 媒體曝光度對公司股票報酬沒有顯著影響，有可能是因為只有少數 幾家大公司的 CEO 為投資人所熟知，其餘公司的 CEO 不見得會受 到投資人的注意。
35
表 4-8 媒體曝光度對公司股票報酬率影響之迴歸分析
Panel A：dependent variable 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡
Variables (1) (2) (3)
Intercept 0.4382***
(3.5102) 0.3883***
Panel B：dependent variable 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡
Variables (4) (5) (6)
Intercept 0.6444***
(6.0991) 0.6000***