控制變數及資料來源

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

第三節 控制變數及資料來源

在控制變數中必須控制其他可能會影響企業財務績效的公司特徵。首先由於 規模經濟是最常見影響財務績效的因子，例如正處於成長期的企業，因為資產規 模較小，所以其財務績效也尚未展現出來，因此本研究將對樣本內的公司總資產 取自然對數來控制資產規模的影響(Log Total Asset; LogTA)；而負債比率的高低 也會影響投資人的風險，因此使用會計帳面的負債比率(Debt Ratio; DBR)做為控 制因子；由於進行 Tobin’s q 是屬於市場基礎的指標，而公司的成長預期會影響 市場投資人的評價，因此本研究也會加入過去三年的年複合營收成長率(3 Year CAGR; Growth)做為控制變數。

此外國內學者沈翔麟和林怡君(2007)提到過去相關的實證文獻都忽略了研 發這個變數本身就會對 CFP 造成影響，因此本研究也將控制取自然對數後的研 發費用(Log R&D Expense; LogRD)。而依照學者 Fisman et al.(2005, 2006)所指 出，產業的競爭情況也會影響 CSP 對 CFP 的影響，在越競爭的產業中，行銷支 出會越多，因此參考 Harjoto and Jo(2011)的實證模型後本研究也將控制取自然對 數後的行銷費用(Log Advertising Expense; LogAD)，作為控制變數。

本研究的研究期間橫跨九個年度(2002－2010)，因此將會控制在不同年的影 響(Year)。此外，本研究的樣本大部分皆為 S&P 500 成分股，但也有少部分並非 S&P 500 成分股，為了避免可能因此產生的影響，因此使用當年度是否屬於 S&P 500 成分股的虛擬變數(D_SP500)做為控制變數。

再來，由於主要變數使用的是 DJSI World 在美國上市的成分股，但 DJSI World 採取的篩選標準是產業內最佳(Best-in-class)，Statman(2008)提到若採取產 業 內 最 佳 此 種 方 法 下 所 選 出 來 的 企 業 會 包 含 一 般 SRI 會 避 開 投 資 的 企 業 (Shunned Stock)，像是酒類(Alcohol)、菸草(Tobacco)、博奕(Gambling)、武器 (Firearms)、軍事(Military)及核能(Nuclear)等產業，而且能夠讓投資組合產生超額

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

報酬，而由於對照組當中有上述的產業，因此本研究將樣本中屬於這種產業的企 業用迴避產業(Shunned Industry; S_Industry)做為控制的變數，性質是虛擬變數，

用以檢驗 Statman(2008)的論述。

最後根據 Fane, Noel and Tice (2009)，企業價值和流動性有高度正相關，因 此本研究將計算樣本內各公司每年的週轉率(當年成交量除以當年年底流通在外 股數)作為流動性的控制變數。而 Spiegel and Wang (2005)則認為股價的非系統風 險(Idiosyncratic Risk)會和投資人的要求報酬率成反比，也就是越高的非系統風險 會造成投資人的要求報酬率越高，再加上市場系統風險的高低將會影響投資人的 要求報酬率，因此本研究先利用 CAPM 模型計算個別公司在樣本點前 24 個月股 價溢酬(股價報酬減掉市場無風險利率)和 S&P 500 指數的每月指數溢酬(指數報 酬減掉市場無風險利率)所計算而得的系統風險(Beta)，做為控制系統風險的變 數，再來利用 Beta 找出當月的預期報酬率，先求得殘差(實際報酬率和預期報酬 率的差距)，接著計算殘差的標準差做為非系統風險的控制變數，由於本研究有 包含資產規模的控制變數，再加上本研究的應變數是 Tobin’s q 類似於股價淨值 比，因此使用 CAPM 的單因子模型，而不採用 Fama-French 三因子模型計算。

所有的控制變數和相關的公司資料來源都是來自於 Compustat，而是否被認 定為有較佳 CSP 公司的資料則是根據 DJSI 每年所選入 DJSI World Index 的成分 股，資料的來源有些來自於 DJSI 官方網站所公佈的年度資料，由於在近幾年 DJSI 並未在其官方網站上公佈年度資料，因此近幾年的資料來源取得則是使用網路上 所流通的第二手資訊取得，因此在這一部分的資料來源上可能是比較有品質上的 限制。若公司被選入 DJSI 則是代表有較佳 CSP，變數值為 1，而沒在 DJSI 的公 司則認為 CSP 較差，變數值為 0。除了 DJSI 的資料是從 2002 到 2010 年之外，

其於變數的樣本都是從 2000 年蒐集到 2010 年，此外由於本研究在實證模型上會 採用延遲一期的數值去處理可能存在的內生性，因此變數代號後面加上 lag1(_L1) 代表是延遲一期的數值，而所有變數相關代號和計算方式整理如下表 3-1。

‧

D_SP500 當年度 S&P 500 成分股，虛擬變數 Compustat 提供 1 代表 S&P500，0 大表 Non-S&P500

LogAT 取自然對數後的企業資產規模，當作公司

特徵控制變數

Compustat 取得然後取自然對數

DBR 公司的帳面負債比 Compustat 取得然後計算：公司總負債/公司帳面總資產

Growth 成長預期對企業價值的影響，使用的是過 去三年的營收幾何成長率

Compustat 取得然後取自然對數

LogAD 行銷對企業價值的影響 Compustat 取得然後手動取自然對數

LogRD 研發對企業價值的影響 Compustat 取得然後手動取自然對數

Liquidity 股票流動性對企業價值的影響 當年度交易量/流通在外股數

Idiorisk 企業非系統風險(Idiosyncratic Risk) 樣本點前 24 個月股價溢酬(股價報酬減掉市場無風險 利率)和 S&P 500 指數的每月指數溢酬(指數報酬減掉 市場無風險利率)兩者在普通線性迴歸後的殘差 (residual)的標準差

Beta 企業的系統風險(Systematic risk) 樣本點前 24 個月股價報酬和 S&P500 指數迴歸求得的 相關係數

S_Industry 迴避產業，屬於虛擬變數性質 總共有五個產業被列入，SIC code 為 2215(Casino

&Gaming)、6270(Areospace & Defense)、

3050(Tobacco)、3270(Brewers)、3280(Distillers &

Vintners)

1 代表屬於迴避產業，0 代表不屬於迴避 產業。

Year 年份，排除年份的影響 2002 年定義為 1，2003 年定義為 2，以此類推

‧

一、跨期迴歸模型 (Pooled Ordinary Least Square; Pooled OLS)

針對本研究擬實證的假設 H1 以及 H2，也就是企業社會績效和企業財務績 效及企業價值三者之間的相關性，本研究將先使用下列的一般迴歸模型(Ordinary Least Square; OLS)：

( )

LogAT it DBR it Growth it LogAD it LogRD it Liquidity it

Idiorisk it D SIndustry i Year t

β β β

其中，Q 是在每年年底衡量的指標，MEBIT、PEX、Leverage、OROA 則是 利用拆解的方式求得每年年底的值。D_DJSI 是當年度是否隸屬於 DJSI 成分股， CFP 的影響，因此將採取下列延遲一期(lag 1 period)的迴歸模型作為初步處理內 生性問題的方法。迴歸式如下：