國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
M2300 電子工業 356 59.93 M2500 建材營造 24 4.04 M2600 航運業 7 1.18 M2700 觀光事業 9 1.52 M2800 金融業 31 5.22 M2900 貿易百貨 8 1.35 M3000 証券 8 1.35 M3200 文化創意業 10 1.68 M9700 油電燃 3 0.51 M9900 其他 33 5.56
合計 594 100
資料來源：本研究整理
第三節 模型設計與變數定義
一、事件研究法
本研究採用事件研究法(Event Study)，以探討獨立董事辭職宣告對於公司股價的影 響。事件研究法起源於1960 年代 Ball and Brown 及 Fama, Fisher, Jensen, and Roll，近代 大量應用於會計及財務領域實證研究上。其主要目的是探討當某一資訊或事件發生時，
是否會引起股價的異常變動。大體而言，目前應用事件研究法的文獻可以分為四大類(沈 中華與李建然，2000)：
1. 市場效率性研究(Market efficiency studies)：主要在評估股票市場是否快速、不偏 地反映某項新資訊。
2. 資訊內涵研究(Information content studies)：即探討資訊有用性的研究，用以評估 股價對某一資訊揭露的反應程度。
3. 解釋異常報酬率研究(Metric explanation studies)：目的在於進一步了解影響異常 報酬率之因素。
4. 方法論之研究(Methodology studies)：探討事件研究法的改進，並多以模擬 (simulation)的方式進行。
上述分類並非互斥的，例如：探討資訊內涵之研究，亦同時可進行解釋異常報酬的 分析。
儘管事件研究法在技術上仍有許多分歧，但其基本邏輯是一致的。一般而言，將依 照下列五個步驟進行：
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
1. 事件日之選擇
2. 估計期與事件期之設定 3. 定義及估計異常報酬率 4. 異常報酬率之檢定 5. 分析結果
本節將說明對於事件日之選擇、估計期與事件期之設定與異常報酬率之定義及估 計，詳細之檢定結果及分析，將於後續章節詳述。
1. 事件日之選擇
本研究之事件，即為獨立董事辭職宣告。其事件日之定義，為上市櫃公司在公 開資訊觀測站發布有關獨立董事辭職之重大資訊的日期為基準，以t=0 表示。一般 而言，會將事件日定義為第0 日，事件日前一天定義為-1 日，前兩天定義為-2 日；
事件日之後一天則為+1 日，後兩天則為+2 日，依此類推。
2. 估計期與事件期之設定
估計期係用以估算正常報酬的區間，估計期之長短並無客觀的標準，本研究參 考林霈菱(2012)及 Pan and Liao(2018)之研究，選取宣告日前 201 個交易日至宣告日 前21 個交易日(t=-201~-21)，共計 180 個交易日為估計期。
事件期之設定，本研究選取宣告日前1 個交易日至宣告日後 1 個交易日(t=
-1~+1)，共計 3 個交易日為事件期。估計期與事件期如圖 3-1 所示：
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖3 - 1 事件研究法之期間圖
3. 定義及估計異常報酬率
在研究某一事件發生對於股價的影響時，需要先假設當股價未受到事件影響時 的預期報酬率，再以事件發生時的實際報酬率減去預期報酬率，藉此得到異常報酬 率(abnormal return, AR)。
在事件研究的相關文獻中，估計預期股票報酬率時，多採用市場模式(market model)，且根據相關研究指出，市場模式與其他較複雜的模式一樣好(沈中華、李建 然，2000)，故本研究採用市場模式估計股票的預期報酬率，並用其計算各樣本之異 常報酬與統計量。
市場模式係以估計期之資料，以普通最小平方法(Ordinary Least Square, OLS)建 立下列個別股票之迴歸模型：
𝑅𝑖𝑡 = 𝛼𝑖 + 𝛽𝑖𝑅𝑚𝑡+ 𝜀𝑖𝑡 ，t=𝑡1,…𝑡2 (1) i=1,2,…,N
其中，
𝑅𝑖𝑡為i 公司於估計期第 t 日之報酬率；
𝑅𝑚𝑡為第t 日之市場加權指數報酬率；
𝛼𝑖及𝛽𝑖為估計參數；
t=-201 t=-21 t=-1 t=+1
估計期 事件期
t=0 (事件日)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
𝜀𝑖𝑡為 i 公司於第 t 日之誤差項，一般假設為白噪音(Gaussian white noise)，即 𝜀𝑖𝑡~N(0,σ)。
經過最小平方法即可以得到估計值𝛼̂ 與𝛽𝑖 ̂ ，因此，事件期第 t 日的預計報酬率𝑖 為：
𝐸(𝑅̂ ) = 𝛼𝑖𝑡 ̂ + 𝛽𝑖 ̂ 𝑅𝑖 𝑚𝑡 (2) 再進一步利用事件期實際報酬率減去預計報酬率計算出異常報酬率：
𝐴𝑅𝑖𝑡 = 𝑅𝑖𝑡− 𝐸(𝑅̂ ) 𝑖𝑡 (3) 其中，
𝐴𝑅𝑖𝑡為i 公司在事件期第 t 日之異常報酬率；
𝑅𝑖𝑡為i 公司在事件第 t 日之實際報酬率；
𝐸(𝑅̂ )為 i 公司在事件期第 t 日之預計報酬率。 𝑖𝑡
由於個別公司之異常報酬，除受到研究事件影響外，還可能受到其他個別事件 干擾，故透過計算所有樣本之平均數，可以降低這些干擾事項之影響。其平均異常 報酬(Average abnormal return, AR)計算為：
𝐴𝑅𝑡 = 1
𝑁∑ 𝐴𝑅𝑖𝑡
𝑁
𝑖=1
(4)
其中，N 為樣本數。
最後，將事件期間內平均異常報酬(AR)累加起來，以作為在事件期間內該事件 對股價的整體影響，稱為累積平均異常報酬率(Cumulative average abnormal return, CAR)，計算如下：
𝐶𝐴𝑅(𝑡1,𝑡2) = ∑ 𝐴𝑅𝑡
𝑡2
𝐸=𝑡1
(5)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4. 異常報酬率之檢定
為檢定事件宣告之效果，本研究採用兩種方法進行檢定，有母數檢定使用傳統 法(Traditional method)，無母數檢定使用符號法(Sign Test)作為統計檢定量之計算。
傳統法及符號法廣為事件研究文獻所使用，檢定事件期間之 AR 與 CAR 是否顯著 異於0。本研究的異常報酬與計算與檢定，係使用 TEJ 之事件研究系統計算而得之。
二、多元迴歸模型：
本研究接下來將探討具有專業背景獨立董事辭職時，對於市場之反應為何。利用事 件研究法所計算出來之累積異常報酬(CAR)與獨立董事之專業背景進行多元迴歸分析，
迴歸模型如下：
𝐶𝐴𝑅𝑖(−1,+1) = 𝛼0+ 𝛼1𝐹𝑖𝑛𝑎𝑛𝑐𝑒𝑖𝑡+ 𝛼2𝐿𝑎𝑤𝑖𝑡+ 𝛼3𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝑖𝑡+ 𝛼4𝐴𝑐𝑎𝑑𝑒𝑚𝑖𝑐𝑖𝑡+ 𝛼5𝑇𝐴𝑖,𝑡−1+ 𝛼6𝑅𝑂𝐴𝑖,𝑡−1+ 𝛼7𝐷𝑒𝑏𝑡𝑖,𝑡−1+ 𝛼8𝐸𝑙𝑒𝑐𝑡𝑟𝑜𝑛𝑖𝑐𝑠𝑖𝑡+ 𝛼9𝑋𝑃𝐸𝐶𝑖𝑡 +
𝛼10𝐹𝑜𝑟𝑐𝑒𝑖𝑡+ 𝜀𝑖𝑡 (6) 三、變數定義：
1. 應變數
累積異常報酬(CAR)：使用事件研究法算出獨立董事辭職的事件期間之累積異 常報酬，本研究將採用事件期間(-1,+1)進行分析。
2. 自變數
本研究從 TEJ 的董監經理人學經歷資料庫以及上市櫃公司的年報中取得獨立 董事學經歷的資訊，再透過學歷及主要經歷判斷獨立董事的專業背景，將其分為以 下四類，並設虛擬變數，若屬於該專業背景者則為1，否則為 0：
(1) 財務背景(Finance)：具有財務或會計相關學歷，或是擁有會計師執照、相 關產業工作經驗等。
(2) 法律背景(Law)：具有法律相關學歷，或是具有律師執照、曾擔任檢察官、
法官等職位等。
(3) 產業專家背景(Industry)：具有與該公司產業類別相關之學經歷。
(4) 學術背景(Academic)：現任或曾任大學助理教授以上、國家研究機構之研 究員。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
3. 控制變數
本研究之控制變數除參考多數文獻都會採用的公司規模(TA)、資產報酬率 (ROA)及負債比率(Debt)外，產業變數以電子業(Electronics)作為區分，設虛擬變數，
若為電子業則為 1，若非電子業則為 0。時間變數原先考量按照樣本年度區分，但 受到樣本數的限制，改以樂陞案(XPEC)發生之時間 2016 年 9 月 1 日做為分界，設 虛擬變數，若辭職發生時間在2016 年 9 月 1 日之後則為 1，之前則為 0。以及考慮 到自願性或強制性設置之樣本，增加了強制設置獨立董事(Force)的變數，若該獨立 董事屬於強制設置則為1，若非則為 0。
‧
Electronics 此為產業變數，若為電子業則為1，若非電子業則
為0。 ?
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第肆章 實證結果分析 第一節 事件研究法分析
本研究首先將探討獨立董事辭職宣告對於公司股價是否會產生異常報酬，採用事件 研究法分析，以獨立董事辭職宣告日為基準，宣告日前201 個交易日至宣告日前 21 個 交易日為估計期，以宣告日前1 個交易日至宣告日後 1 個交易日為事件期間，採用市場 模式進行分析。
獨立董事辭職宣告之異常報酬率走勢如圖4-1 所示。由表 4-1 可以看出在宣告日當 天(t=0)時，異常報酬(AR)為-0.1439%，雖然傳統法並未達到顯著水準，但符號法有達到 1%之顯著水準。在事件期間(-1,+1)之中，累計異常報酬(CAR)在傳統法未達到顯著水準，
但符號法有達到 5%之顯著水準，額外測試事件期間(-2,+2)、(-1,0)及(0,+1)的結果也相 同。另由表4-2 可知在獨立董事辭職宣告發布的事件期間中，異常報酬(AR)及累積異常 報酬(CAR)都是負向反應多於正向反應，代表市場對於獨立董事辭職普遍會有負向的反 應，惟只有在符號法有達到顯著水準，假說一未能成立，但對於獨立董事辭職市場具有 負向反應符合Fahlenbrach, Low and Stulz(2014)、Bar-Hava et.al(2015)、Gupta and Fields (2009)、林霈菱(2012)之研究結果。
圖4 - 1 獨立董事辭職宣告之異常報酬率走勢圖
-0.0206
0.0112
-0.1439
0.0079
-0.0299
-0.0206 -0.0094
-0.1533 -0.1454
-0.1753 -0.2
-0.15 -0.1 -0.05 0 0.05
-2 -1 0 1 2
異常報酬率走勢圖
AR CAR
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表4 - 1 宣告日之異常報酬率檢定結果
事件期間 -2 -1 0 1 2
AR -0.0206 0.0112 -0.1439 0.0079 -0.0299 傳統法統計量 -0.1966 0.1072 -1.3761 0.0756 -0.2859 p-value 0.8441 0.9146 0.1688 0.9398 0.7750 符號法統計量 -1.8053* -0.4924 -2.7901*** -1.1489 -1.0668
p-value 0.0710 0.6225 0.0053 0.2506 0.2861 事件期間 (-1,+1) (-2,+2) (-1,0) (0,+1)
CAR -0.1247 -0.1752 -0.1326 -0.136 傳統法統計量 -0.689 -0.7495 -0.8973 -0.9196
p-value 0.4908 0.4536 0.3696 0.3578 符號法統計量 -2.1336** -2.2977** -2.4618** -1.9695**
p-value 0.0329 0.0216 0.0138 0.0489
表4 - 2 宣告日之異常報酬率分布情形 事件期間 正向 % 負向 %
AR
-2 275 46.30 319 53.70 -1 291 48.99 303 51.01 0 263 44.28 331 55.72 +1 283 47.64 311 52.36 +2 284 47.81 310 52.19 CAR
(-1,+1) 271 45.62 323 54.38 (-2,+2) 269 45.29 325 54.71 (-1,0) 267 44.95 327 55.05 (0,+1) 273 45.96 321 54.04
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 敘述性統計
表4-3 為迴歸變數之敘述性統計量，辭職宣告在窗期(-1,+1)之平均累積異常報酬率 (CAR)為-0.1246%。辭職之獨立董事中，具有財務背景(Finance)佔 17.17%、法律背景 (Law)佔 7.91%、產業專家背景(Industry)佔 39.56%、學術背景(Academic)佔 35.18%，大 部分辭職的獨立董事以具備產業專家背景或學術背景者居多。總資產取自然對數(TA)平 均為15.4164，上一年度資產報酬率(ROA)平均為 5.445%，最小值為-67.54%，最大值為 43.98%，上一年度負債比率(Debt)平均為 45.12%，最小值為 1.83%，最大值為 98.56%。
樣本公司多數屬於電子產業(Electronics)佔 59.93%，辭職發生時間在樂陞案發生以後 (XPEC)佔 18.85%，大多數樣本屬強制設立獨立董事公司(Force)佔 91.07%。
第三節 相關係數分析
表4-4 為迴歸變數之相關係數分析，由表中可發現各變數間的相關係數不高，共線 性不嚴重。累計異常報酬(CAR)與財務(Finance)、法律(Law)、產業專家(Industry)、學術 (Academic)等四個專業背景均呈現負相關，與預期之方向相同，且財務背景與法律背景 達統計上之顯著水準。
表4 - 3 樣本之敘述性統計表
變數名稱 平均數 標準差 最小值 中位數 最大值
CARi(−1,+1) -0.1246 5.0265 -22.3445 -0.2622 21.2042
Finance 0.1717 0.3774 0 0 1 Law 0.0791 0.2701 0 0 1 Industry 0.3956 0.4894 0 0 1 Academic 0.3518 0.4779 0 0 1 TA 15.4164 2.0935 10.6557 14.9174 22.8194 ROA 5.4450 11.6161 -67.5400 5.6500 43.9800 Debt 45.1271 21.7963 1.8300 44.4450 98.5600 Electronics 0.5993 0.4904 0 1 1 XPEC 0.1885 0.3914 0 0 1 Force 0.9107 0.2853 0 1 1 註：變數定義詳見表3-3。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表4 - 4 樣本之相關係數表
變數名稱 CARi(−1,+1) Finance Law Industry Academic TA ROA Debt Electronics XPEC Force
CARi(−1,+1) 1 -0.0685* -0.0581 -0.0503 -0.0208 0.0754* -0.0552 0.0205 -0.0713* 0.0675 -0.0346
Finance -0.0910** 1 -0.0838** -0.3501*** -0.0830** -0.0521 0.0333 -0.0395 -0.0012 0.0544 0.0485
Law -0.0691* -0.0838** 1 -0.0968** -0.0592 -0.0218 -0.0700* 0.1315*** -0.0403 0.0978** 0.0261
Industry -0.0418 -0.3501*** -0.0968** 1 0.0959** 0.1262*** 0.1087*** -0.0895** 0.2540*** -0.0467 -0.0124
Academic -0.0356 -0.0830** -0.0592 0.0959** 1 0.1482*** 0.0601 -0.0173 -0.0234 -0.0577 -0.0785*
TA 0.0381 -0.0456 -0.0106 0.0941** 0.1543*** 1 0.2264*** 0.3544*** -0.0889** 0.0205 -0.1207***
ROA -0.1113*** 0.0191 -0.0567 0.1250*** 0.0705* 0.2308*** 1 -0.2571*** 0.1628*** 0.0614 -0.0495
Debt 0.0439 -0.0483 0.1475*** -0.0925** -0.0143 0.4249*** -0.1899*** 1 -0.2069*** -0.0575 -0.0237 Electronics -0.0841** -0.0012 -0.0403 0.2540*** -0.0234 -0.1560*** 0.1536*** -0.2308*** 1 0.1508***
XPEC 0.0238 0.0544 0.0978** -0.0467 -0.0577 -0.0104 0.0541 0.0165 -0.0537 1 0.0574
Force -0.0694* 0.0485 0.0261 -0.0124 -0.0785* -0.1131*** -0.0554 0.0534 0.0574 0.1508*** 1
註1：對角線左下方為 Pearson 相關係數；右上方為 Spearman 相關係數。
註2：***,**和*分別表示雙尾檢定達 1%, 5%和 10%的顯著水準。
註3：變數定義詳見表 3-3。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四節 回歸分析
本研究假說二探討獨立董事具專業背景辭職時對累計異常報酬(CAR)之影 響，此處以CAR(-1,+1)為被解釋變數，其結果如表 4-5 所示。實證結果發現，具 財務背景(Finance)或是具法律背景(Law)之獨立董事辭職時，與累積異常報酬之 關聯性各達5%及 10%之統計上顯著，顯示市場投資人會因為具有某些專業背景 之獨立董事辭職而給予更強烈的反應，支持假說 2-1 及 2-2；然而，產業專家背 景(Industry)與學術背景(Academic)則未達到統計上之顯著，並未支持假說 2-3 及 2-4。
關於控制變數方面，資產報酬率(ROA)呈現顯著負相關，達到 1%的顯著水 準，符合Friedman and Singh(1989)的研究結果，當公司績效不好時，若執行長辭 職，則市場會給予正向的反應；相反的，若公司績效好時，若執行長辭職，則市 場會給予負向的反應。強制設立獨立董事(Force)達到 10%的顯著水準，符合預期 方向，當屬於強制性樣本時，由於是受到外部規範而設置，正常情況下比較不會 隨意辭職，因此辭職時的市場負向反應較自願性樣本大。其他項目則未達顯著水
關於控制變數方面，資產報酬率(ROA)呈現顯著負相關，達到 1%的顯著水 準，符合Friedman and Singh(1989)的研究結果，當公司績效不好時，若執行長辭 職，則市場會給予正向的反應；相反的，若公司績效好時，若執行長辭職，則市 場會給予負向的反應。強制設立獨立董事(Force)達到 10%的顯著水準，符合預期 方向，當屬於強制性樣本時，由於是受到外部規範而設置，正常情況下比較不會 隨意辭職，因此辭職時的市場負向反應較自願性樣本大。其他項目則未達顯著水