3.1 Panel Data Model (縱橫資料模型)
本研究使用 Eview7 軟體，使用其中的 Panel Data Model 進行統計分析，若是以較 為傳統的分析方型─最小平方法(OLS)，會產生評估無效率的情況，這是因為 OLS 只 能單獨處理橫斷面資料和時間序列資料，因此在橫斷面資料和時間序列資料同時存在 的情形下 OLS 會忽略橫斷面資料和時間序列資料的差異性，使其分析出現無效化。
Panel Data Model 具有同時分析橫斷面資料與時間序列資料的能力，可以避免掉 OLS 分析所造成的誤差。關於 Panel Data Model 在過去金融領域中具有大量的使用方法和 運用，且 Panel Data Model 具有控制樣本個體的行為差異、能讓樣本估計更具有效性 和提供更多的資訊等優點(呂文正，2009)。因為考量截距項假設的不同，因此 Panel Data Model 具有兩種評估模型，固定效果模型和隨機效果模型，本研究所蒐集的資料為 2010 年到 2014 年大陸產業的季資料，具有橫斷面資料和時間序列資料，因此將兩模型加入 研究進行探討，並闡述兩模型的方法。
3.1.1 固定效果模型(Fixed Effect Model)
該模型又稱最小平方虛擬變數模型(Least Square Dummy Variable Model, LSDV)，
模型中會加入虛擬變數將個別特定效果或是時間固定效果呈現在截距項上，因此又稱 虛擬變數( Dummy Variable)模型。該模型會依照樣本和時間兩因素，區分為一元固定 效果模型和二元固定效果模型，一元固定效果模型會參考樣本之間的差異性，但該差 異性不會因為時間因素而有所改變；二元固定效果模型會同時考量樣本和時間的差異
須透過抽樣選取樣本，而是透過整個母體來觀察所有研究樣本間的差異性，因此截距 項則表示每個個體具有不同的特性，不會隨時間的變化而有所不同，當缺少足夠變數 來解釋被解釋的變數時，也適合此模型。
3.1.2 隨機效果模型(Random Effect Model)
隨機效果模型又稱誤差成分(Error Component Model)模型，該模型也會同時分析橫 斷面資料與時間序列資料，但較於固定效果模型不同的是該模型特別著重於母體的整 體關係，非個別公司之間的差異，因此以隨機變數型態的截距項代表了每間公司之間 的差異性，也就是說固定效果模型以固定截距的形式來表是每個橫斷面具不同的結構，
隨機效果模型則是隨機變數截距。該模型將母體假設為高相似度，樣本差異程度小，
因此不會將所以母體資料進行分析，而是以隨機抽樣來選取分析樣本，較為著重在於 母體本身，分各別樣本的差異性。
3.1.3 Hausman Test
過去 Hausman (1978) 所提出 Hausman Test 是可檢驗資料型態並選擇該用固定效 果模型或是隨機效果模是。因此本研究以 Hausman Test 來選擇數據應該使用固定效果 模型或是隨機效果模型。若是 H 為 0 則做虛無假設，表示使用隨機效果模型。反之，
若不為 0 則用固定效果模型。該兩種模型皆具有不同的意義與優缺點，固定效果模型 運用虛擬變數進行分析，因此可以使自由度大幅降低，隨機效果模型則使截距項與自 變數不相關(柯元鈞，2012)。
3.2 變數定義和基礎模型
過去在金融領域中經常使用 Panel Data Model 進行研究分析，該模型可將橫截面 資料與時間序列資料同時進行分析，且 Panel Data Model 具有豐富和多變的特性，能 使數據的自由度大幅提高，將估計更具有效性，並降低變數間共線性的發生率。此外 Panel Data Model 還可控制樣本個別性質的隱藏因素，如，一些可能被忽略的時間序列 或橫截面而導致結果偏差。差異值是由公司特定的固有或基礎數據所抽取。其數據分
3.3 公司市場價值的評價
公司市場價值的定義，遵循 Andres-Alonso et al.(2006)的模型來證明該數據的意義。
因此 ROR(K)被定義為公司市價中非實質資產(VAIP)所占的比例。總資產市場價值(MV) 均系統風險。Chung and Kim(1997)表示，他們觀察到無負債公司的實質選擇權所受的 風險較大，因此，對應的投資成本可能會高於營運資金價值。然而， 是無法估計和必 須被代替的。因此為了更接近 K，本研究以公司的 CAPM 來估計公司資金成本的 ，
)
( M F
F
AIP R R R
K (3-5)
此處的為企業特有資產的數據。
為了獲得實證結果，本研究準確的控制了一些可能會影響研究結果的技術指標。
第一，本研究的分析包括固定資產(CS)做為控制變數，做為公司已實現選擇權的一個 部分。此變數取代物業、廠房或機械設備等等帳面價值佔總資產的比例。第二，本文 將產品生命週期取代為保留盈餘和總資產(RETA)的比例。過去研究中 De Angelo et al.(2006)對於應用生命週期理論來解釋股利對公司影響早已解釋。此外，Owen and Yawson（2010）也曾使用這些數據來探討以收購公司角度來看企業生命週期對收購活 動的影響。
3.4 研究樣本
本研究分析基於大陸上市公司的樣本做為樣本，相關數據使從台灣經濟新報數據 庫(TEJ)中獲得，本研究專注於大陸科技產業、傳統產業和創業板。在變數上，由於大 陸公司較多都是新興公司，公司數據只有近年來才被公開，因此本研究樣本數據從 2010 年 1 月到 2014 年的 12 月(共 5 年)的季報酬率作為分析樣本，數據總數約 4800 筆 資料，共 240 家公司。本研究排除企業不可用的數據和那些負現金流、負資產帳面價 值或是 ROR(K)<0 的資料。