雖然在前一小節中針對各研究變數的基本檢定中，已可說明在不同生命週期階段及 產業間，具有不同的公司經營特性與財務績效，然而在以資本結構組成為考量的公司策 略上，上述生命週期階段、產業別與各項影響因素，其分類上的實質意義與影響程度，
則需進一步利用相關的迴歸模型進行分析，才能獲得更完整的解釋與說明。
為了避免多元迴歸時研究變數之間產生共線性(colinearity)的問題，本研究首先針對 各項研究變數進行自變數間的相關係數表，以及自變數變異膨脹因子(Variance Inflation Factor, VIF)的計算，計算結果於以下表 4.11 及 4.12 中列示。從表 4.11 中的主要變數相 關係數的表現中可發現，個別變數兩兩之間的相關係數並未有特別顯著的值出現，且係 數絕對值在0.004 至 0.454 之間20。此外，表4.12 中的 VIF 值亦可發現，並無任一變數 的VIF 值超過 10。因此根據以上判斷準則，可初步排除在各解釋變數間產生共線性的 問題。
表4.11 主要變數相關係數表
DR NDTS RD ROA LN_SIZE FAGR MVBV OWNER IND DR -
NDTS -0.004 -
RD -0.143*** 0.080*** -
ROA -0.253*** -0.107*** -0.025** - LN_SIZE 0.131*** 0.117*** -0.061*** 0.144*** -
FAGR -0.006 -0.059*** 0.010 0.104*** 0.046*** -
MVBV -0.334*** 0.008 0.215*** 0.454*** 0.005 0.111*** -
OWNER -0.034*** -0.028** -0.020 -0.001 0.007 0.012 -0.015 -
IND 0.030*** -0.006 0.410*** 0.084*** 0.027** 0.057*** 0.217*** -0.017 - 註1：各項變數定義如下。NDTS 為公司非負債稅盾利益；RD 為研發密度；ROA 為公司總資產報酬率；
LN_SIZE 為公司規模；FAGR 為固定資產成長率；MVBV 為公司市值與帳面價值比；OWNER 為 公司年底董監事及經理人持股比率；IND 為產業虛擬變數。
註2：係數估計值在 1%、5%，及 10%的顯著水準下具有不為零的表現，分別以***、**，及*代表。
資料來源：本研究整理。
20 一般而言，若相關係數大於 0.9，則此兩個變數之間便有產生共線性的可能。
表4.12 自變數變異膨脹因子值(VIF)
NDTS RD ROA LN_SIZE FAGR MVBV OWNER IND VIF 1.048 1.266 1.344 1.054 1.023 1.381 1.002 1.237 註：各項變數定義如下。NDTS 為公司非負債稅盾利益；RD 為研發密度；ROA 為公司總資產報酬率；
LN_SIZE 為公司規模；FAGR 為固定資產成長率；MVBV 為公司市值與帳面價值比；OWNER 為公 司年底董監事及經理人持股比率；ICT 為產業虛擬變數。
資料來源：本研究整理。
由於在敘述統計量的檢定與分析中，負債比率在不同生命週期階段的表現上，具有 顯著的變化趨勢差異，而根據前述文獻有關動態資本結構調整的回顧，公司會根據所處 經營環境的改變，對其資本結構進行調整，然而此一調整行為可能會受到不同因素的影 響而在速度上有所變化，因此為了觀察公司資本結構是否確實具有調整能力，本研究利 用部分調整模型(partial adjustment model)對實際負債比率與目標負債比率間的差異，進 行不同生命週期與產業間調整速度的分析。然而在計算負債比率調整速度()之前，必 須先利用工具變數(instrument variable)及二階段迴歸(2SLS)的方式估計各公司年度之目 標負債比率，以避免一階自我迴歸產生估計偏誤的影響。因此本研究首先利用(5.1)式之 模型，利用整體樣本進行迴歸並得到估計式中各項自變數的係數後，再將各項自變數樣 本實際值代入式(6)，以求得各公司年度之目標負債比率估計值(DR )•it 21。
21 有關目標負債比率的估計結果表現，本研究會於第五章中進一步加以說明分析。
表4.13 整體與個別產業樣本對負債比率迴歸模型 DRt+1估計結果 NDTSit
-0.185*** LN_SIZEit
1.005*** FAGRit
0.009 MVBVit
5.298*** OWNERit
-0.023**
F-statistic 236.100 60.295 227.152 註1：各項變數定義如下。ࡰࡾ௧為目標負債比率的估計值；NDTS 為公司非負債稅盾利益；RD 為研發密
度；ROA 為公司總資產報酬率；LN_SIZE 為公司規模；FAGR 為固定資產成長率；MVBV 為公司 市值與帳面價值比；OWNER 為公司年底董監事及經理人持股比率；IND 為產業虛擬變數。 債比率一開始即具有一特定的初始值(initial value)，且此一負值的表現說明了台灣整體 產業的負債比率設定策略，可能具有較為保守的傾向。而從這樣的初步模型估計結果中，
此一數值亦可顯示與過去文獻在討論有關台灣的負債比率時，平均表現低於其他地區或 國家的推論一致(Barro, 2001; Deesomsak, et al., 2004; Driffield, et al., 2005)。
在個別解釋變數的部分，負債比率除受到前期最適負債比率估計值(DR )的顯著正•it
向影響外(0.876, p < 0.01)，其他決定因素的影響表現上，非負債稅盾利益(NDTS)比率則 與負債比率呈現顯著負向關係(-0.815, p < 0.01)，顯示當公司可獲得的非負債稅盾利益愈 大時，則公司愈不傾向進行負債融資。此一結果除符合本研究假說2.1，代表公司在其 他情況不便下，採行靜態抵換理論的觀點以降低負債水準外，亦與過去實證研究中，有 關非負債稅盾利益對資本結構影響的結果一致(Titman and Wessels, 1988; Ozkan, 2001;
Fama and French, 2002; Heshmati, 2002; Lööf, 2004; Nivorozhkin, 2004; Flannery and Rangan, 2006)。
而在研發密度(RD)的影響上，該支出比率與公司負債比率之間，則未呈現顯著負向 關係。此一結果代表整體公司並未因研發相關支出比率愈高，而使公司負債比率有明顯 降低的現象。雖然此一變數影響方向與抵換理論的預期一致，且符合過去相關研究的預 期結果(Bradley, et al., 1984; Titman and Wessels, 1988; Lööf, 2004; Frank and Goyal, 2009)，
但由於顯著性不足，因此在估計整體樣本的影響上，並無法支持本研究假說2.2 的推論。
在公司獲利性(ROA)部分，變數與負債比率間則呈現顯著正向關係(0.116, p < 0.05)，
顯示當公司獲利性愈佳，可能因有營運風險較低的訊號顯示，因而使公司能降低破產成 本，同時能進行較高的融資舉債融資。在整體樣本的估計結果表現上，除了符合抵換理 論對於公司獲利影響資本結構的預期方向以外，也與部分學者的對於獲利能力影響長期 資本結構的研究看法一致(De Miguel and Pindado, 2001; Frank and Goyal, 2009)，同時並 可支持本研究假說2.3 之推論。
在公司規模(LN_SIZE)的表現上，則與公司負債比率之間呈現顯著正向關係(1.005,
p < 0.01)。此一結果代表當公司規模愈大時，則公司可能因所表現的破產風險較低，而
使舉債資金的調整成本下降，進而促使公司能獲得較多的舉債融資來源，使公司愈可能 傾向進行舉債融資。公司規模變數對負債比率的關係，除代表具顯著證據支持本研究假 說2.4 外，亦與多數學者實證研究結果(Heshmati, 2002; Nivorozhkin, 2004; Drobetz and Wanzenried, 2006; Flannery and Rangan, 2006; Frank and Goyal, 2009)及抵換理論的推論 一致。因此就本研究以台灣整體產業的樣本資料估計結果而言，公司規模與負債比率的 變化關係上，較傾向以抵換理論所預期之結果來進行解釋。在公司固定資產成長率(FAGR)的表現上，與負債比率之間則呈現不顯著的正向關 係。顯示在整體樣本的估計下，雖然公司會因增加固定資產而提高舉債，且符合 Shyam-Sunder and Myers (1999)在融資順位理論下，對固定資產增加影響舉債變化的推 論，然此一現象並不顯著，且無法支持本研究假說2.5。
在公司成長性(MVBV)對整體產業負債比率的影響上，則呈現顯著正向影響(5.298, p
< 0.01)，亦即公司市值與帳面價值比愈高，負債比率的表現亦愈高。此一結果雖然拒絕 本研究假說2.6 的推論，但在影響的表現上，則傾向與融資順位理論的預期一致。此外，
過去研究亦指出，以帳面價值為基礎所計算的負債比率，其公司成長性會對長期借款組 形成正向影響(Fama and French, 2002; Frank and Goyal, 2009)。而本研究則認為，在觀察 台灣整體產業的表現時，市值的高低除了是投資人衡量公司未來發展性的一項重要指標 以外，也代表公司會考慮在市值較高的時點上，發行公司債或進行融資借款，以獲得相 對較低的資金調整成本，並累積供未來投資使用。因此若不考慮獲利能力的高低，則台 灣上市公司大多會以融資順位理論，來預期未來成長性與資本結構之間的變化。
在公司董監事及經理人持股比率(OWNER)的部分，則與公司負債比率之間呈現顯 著的負向影響(-0.023, p < 0.05)，代表公司董監事持股比率愈高，則公司愈不傾向進行舉 債融資。此一顯著關係的迴歸結果，除拒絕本研究假說2.7 的推論外，亦與過去相關實 證研究所獲得之結果相互矛盾。本研究認為形成此一表現的主要原因，可能在於台灣產 業中的上市公司，多半具有家族企業的經營色彩，因此在風險趨避的考量下，可能會採 行降低舉債融資的保守經營方式來規避風險。這樣的結果表現，可初步與過去有關家族 企業的實證結果推論一致外(Romano, et al., 2001; King and Santor, 2008; Molly, et al., 2010)，也間接說明何以台灣企業的平均負債比率有較低的現象。然此一部分仍須利用 跨產業及跨時間的模式進行更深入的分析。
最後在整體樣本的產業虛擬變數(IND)中，本研究發現產業差異對負債比率呈現顯 著正向影響(4.758, p < 0.01)，意即屬於 ICT 產業的公司樣本，在資本結構的組成上具有 較高的舉債意願。為了進一步瞭解產業差異是否亦會對負債比率的顯著決定因素產生影 響與變化，因此本研究以下透過不同產業別樣本的迴歸模型估計，藉以分析顯著影響因 素的組成是否不同。
4.2.2 跨產業樣本估計結果分析
在以(6)式為基礎的迴歸模型中，本研究將原有屬於解釋變數向量中的產業虛擬變數 (IND)剔除後，利用 ICT 產業及非 ICT 產業的個別公司/年度樣本分別進行估計，以分析 ICT 產業與非 ICT 產業的負債比率影響因素上，是否會因產業別樣本資料的分類而出現 差異。
首先在ICT 產業的係數估計值的部分，從表 4.13(II)的估計結果中可發現，在各項 解釋變數對負債比率的影響關係與顯著性上，相關表現大多與整體產業樣本一致，但在 截距項上的表現，則呈現正向不顯著的影響，初步說明ICT 產業並沒有具備顯著的負債 比率初始值。若從前期負債比率估計的影響上來看，則與整體樣本相較之下，ICT 產業 又具有較高的調整速度(= 0.347, 1 – 0.653)。此外，ICT 產業中研發密度(RD)對負債比 率的負向影響則轉為顯著(-0.316, p < 0.01)，代表 ICT 產業能由研發支出中所獲得的現金 流動性較高，抑或是由研發支出所產生的投資抵減，導致ICT 產業傾向降低負債比率水
準。然而在公司獲利能力(ROA)的影響上，ICT 產業中的 ROA 變數對負債比率之間的關
準。然而在公司獲利能力(ROA)的影響上，ICT 產業中的 ROA 變數對負債比率之間的關