Logistic 迴歸模型。表中顯示在 95%之信賴水準下，預期違約機率對於樣本公司 是否違約具有顯著正向之影響，意即透過 Merton 模型之概念，以股價資訊並假
<1% 1%~20% 20%~40% 40%~60% 60%~80% 80%~100%
違約樣本
違約樣本個數
77
40
8 1 0 0
<1% 1%~20% 20%~40% 40%~60% 60%~80% 80%~100%
正常樣本
正常樣本個數
‧
‧
究以各變數之變異數膨脹係數（Variance Inflation Factor, VIF ）檢視是否 有共線性之問題存在，一般來說 VIF 大於 10 即代表變數間具明顯共線性，表 3-6 中各變數之 VIF 皆相當低，顯示本模型並無共線性之問題。表 4-7 之結果顯示在加入財務比率變數後，模型之解式能力有明顯的提升 (R-Square 上升至 0.564)。而迴歸模型中，預期違約機率、資產收益率、資產/
股東權益以及貸款對存款比率皆呈顯著之影響，其中預期違約機率依然為正相關，
顯示 Merton 模型對於違約機率之預期越高，該公司在未來發生違約之機會越大；
資產收益率則呈負相關，代表公司在資產報酬上績效越好，則能有降低違約發生 之影響；貸款與存款比率則為正向影響，如本研究先前所描述，此比率越高代表
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
35
越高的流動性風險，故亦越容易導致公司違約。
以上之顯著變數之相關性皆具合理性之解釋，唯資產/股東權益變數與常理 不符，一般而言，此變數越大代表公司具有較高之財務槓桿，高財務槓桿固然是 金融產業之特性，不過該變數越高亦代表著公司違約之風險較大，不過在模型中 此變數卻為顯著負向之影響，與本研究之預期相反。推究原因可能是違約樣本的 不足導致與常理不符之結果。
表 4-8 為本模型之預測能力分析結果，其結果與單變量模型並無明顯差異，
本模型依然有相當高之預測之正確率，同樣的隨著分割點的上調，在違約樣本的 預測正確率也逐漸的下降。
表 4-7:多變量模型之 Logistic 迴歸分析
多變量 Logistic 迴歸
參數 DF 估計值 P-Value VIF Intercept 1 -3.502 0.308 0.000 預期違約機率 1 0.083*** 0.0054 1.425 資產規模 1 -0.964 0.191 1.235 資產收益率 1 -0.542* 0.0882 1.596 淨值成長率 1 0.009 0.701 1.488 成本與收入比率 1 0.049 0.147 1.648 資產/股東權益 1 -0.307* 0.0623 1.846 貸款與存款比率 1 0.040** 0.0194 1.257
*表在 90%信賴水準下顯著，**表在 95%信賴水準下顯著
***表在 99%信賴水準下顯著
R-Square 0.564
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
36
表 4-8:多變量模型預測能力分析
預測結果 正確 不正確
預測正確率 分割點 違約 正常 違約 正常
0.1 8 105 21 6 80.7
0.3 7 117 9 7 88.6
0.5 6 121 5 8 90.7
0.7 5 125 1 9 92.9
0.9 3 126 0 11 92.1
由於本研究之樣本公司包含美國公司和非美國公司，而樣本期間亦包含金融 海嘯之期間，故考慮加入此兩項性質之屬性自變數對模型進行修正。其中美國公 司變數表公司是否屬於美國公司(美國公司為 0，其他為 1)，金融海嘯變數則以 2008 和 2009 年為金融海嘯年(2007 年為 0，其他為 1)，表 4-9 為加入屬性自變 數修正後之迴歸分析結果。
分析結果在變數顯著性方面與先前並無太大差別，而在模型之解釋能力有些 微的提升。值得注意的是美國公司變數具有顯著之正相關性，顯示非美國公司較 美國公司有更高的違約風險。
由表 4-10 可發現，加入屬性自變數後之模型預測能力依然無明顯差異，僅 在分割點為 0.7 時，出現了較高之預測正確率(93.6)，同樣地，模型對於違約樣 本之預測效果依然不如正常樣本。
‧
‧
<1% 1%~20% 20%~40% 40%~60% 60%~80% 80%~100%