第三章 研究方法
第三節 研究方法與變數說明
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
27
第三節 研究方法與變數說明
本研究使用複迴歸分析檢驗假說1、2及3；另外，利用事件研究法檢測假說4。
以下說明本研究所採用之研究方法、檢定以及變數說明：
壹、 複迴歸分析
複迴歸分析主要兩大用途為模型解釋能力與預測能力，將所要研究之變數區 分為應變數（Dependent Variable）與自變數（Independent Variable），並根據相關 理論建立應變數為自變數函數之模型，藉以說明預測變數與因變數之間的關聯強 度與關聯方向。
以下說明迴歸分析中所使用到之變數及其衡量方式。
一、 被解釋變數
(一) 異常融券放空(Abnormal Short Sales)
我們依據 Anderson, Reeb , and Zhao(2012)之方法來計算季盈餘宣告前之異常 融券放空，其計算方式為﹛［(當季盈餘宣告前 30 天到前 1 天之平均每日融券放空 量)/(整年度平均每日融券放空量-當季盈餘宣告前 30 天到前 1 天之平均每日融券放 空量)］-1﹜。
二、 控制變數
(一) 公司規模(Firm size)
Diether et al (2009)指出市值較高之公司其相對市值低之公司，其融券放空行為 較多。周燕玲(2001)的研究亦發現帳面價值愈低之公司，其平均融券數額愈大。我 們對企業之總資產帳面價值取自然對數來衡量公司規模(Firm size)。
(二) 帳面市值比(Book-to-market ratio)
Diether et al (2009)的研究發現低帳面市值比(成長型股票)之公司相對於高帳 面市值比(價值型股票) 之公司會有較多融券放空之行為。D’Avolio(2002)和 Jones and Lamont(2002)亦證實低帳面市值比的股票之融券放空比率(當前融券放空股數/
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
28
平均每日股票交易量)會較高。我們使用帳面市值比(Book-to-market ratio)作為成長 機會之替代變數，控制這方面可能之影響，其計算方式為企業每股普通股之帳面 價值除於每股普通股之市值。
(三) 交易量
交易量代表了市場之流動性。Shleifer and Vishny (1997)的研究指出，流動性較 低之股票可能使投資人在面臨會對企業股價產生負面影響之事件時，付出較多之 成本與花費，因此會使擁有資訊優勢之交易人迅速地將其股票賣空，以免損失更 多，而流動性較高之股票由於成本比較低，故較常有融券賣出之情形。我們對當 季所有交易日之平均日交易量取自然對數作為交易量之衡量。
(四) 企業營運表現
簡瑞廷(2001)的研究發現過去經營績效較佳之公司在內部人交易後，竟出現經 營績效轉差之情況，因此內部人之賣出交易可能隱含著公司未來獲利轉差之可能 性，故公司內部人可利用自身掌握之未公開資訊，在尚未發布盈餘資訊前，提早 融券賣出股票，以賺取異常報酬。 為企業前一季的資產報酬率，計 算方式為前一季季底之非經常性損益前之收入除於前一季季底之總資產帳面價 值。
(五) 股票報酬波動度
當企業之股票價格波動度愈高，愈能吸引賣空者之關注，因此，我們使用當 季股票日報酬之標準差作為股票價格波動度之衡量。
(六) 資訊揭露透明度
文獻上普遍認為當公司之資訊揭露透明度愈高時，能讓內部或外部監督機制，
獲得更多且更可靠之資訊，進而更能有效監督公司，故可抑制因私有資訊交易行 為之發生。故我們使用證基會公佈之「資訊揭露平間系統的結果」，以虛擬變數方 式將資訊揭露分為較透明與較不透明兩組，將第 9 屆之六等級評分標準取前二分 之一作為本研究資訊揭露透明度較透明企業，亦就是說，將評分結果為 A++、A+、
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
29
A 前三個等級定義為資訊揭露較透明組，虛擬變數設為 1，其他三個等級 B、C、
C-則定義為資訊揭露較不透明組，虛擬變數設為 0。
最後，我們使用產業虛擬變數來區別產業效果，共 19 個產業，設立 18 個虛 擬變數。同時，亦使用時間虛擬變數來區別時間效果，共 11 季，設立 10 個虛擬 變數。
三、 解釋變數
(一) 未預期盈餘(Unexpected Earnings)
Latané 與 Jones(1977)提出，在每季盈餘訊息宣告時，如果實際宣告盈餘與市 場原先所預期之盈餘水準之間存在差異，則所宣告之季盈餘訊息即成為市場之新 訊 息 ， 此 一 市 場 預 期 與 實 際 公 告 盈 餘 之 差 異 定 義 為 未 預 期 盈 餘 (Unexpected Earnings)。本研究採用 Anderson, Reeb , and Zhao(2012)之方法來計算未預期盈餘。
Unexpected Earnings: (1) :i 企業在 q 季宣告之每股盈餘
i 企業在 q 季前一季宣告之每股盈餘
i 企業在 q 季前四季(前一年)宣告之每股盈餘
i 企業在 q 季前八季(前兩年)宣告之每股盈餘
未預期盈餘
每家企業之未預期盈餘為回歸式(1)之殘差項( )，即無法透過前一季、前一 年和前兩年實際之 EPS 預測到之部分
(二) 家族控制企業(Family Firm)
Anderson and Reeb (2012)研究指出家族控制企業相對於非家族控制企業，在非 預期盈餘為負時，會有較多融券放空之行為。本研究採用葉銀華(1999)對家族控制 企業之定義，若家族成員(含配偶)或其控制之企業所有之持股比率總和超過必要控 制股數，且在董事會擁有席位或家族成員占企業董事會席位超過一半者為家族企 業。當企業符合以上定義時，其虛擬變數設為 1，否則為 0。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
30
(三) 家族經理人(Family CEO)、專業經理人(Professional CEO)
家族股東相對於其他股東，可以透過在企業擔任經營管理之職位或是成為董 事會成員，而得到較多資訊上之優勢(Anderson and Reeb,2004)。故我們將家族控制 企業分為 Family CEO 與 Professional CEO，以此區分企業之 CEO 是由企業創始人 或具親屬關係者擔任，還是由專業經理人擔任。
(四) 股份控制權(Family ownership)
家族之股份控制權是指家族所持有之股數占全部在外流通股數之比例，採 La Porta et al. (2002)之作法，即股份控制權(VR) = 控制股東對該公司之直接持股率 + Σ(各控制鏈對之最末端持股率)。
(五) 席次控制權(Family board seats)
家族之席次控制權為其所控制之董監事席次比例。
(六) 盈餘分配權(Family cash flow rights)
Anderson, Reeb , and Zhao(2012)發現盈餘分配權較低(<20%)之家族控制企業 相對於盈餘分配權較高之家族控制企業與非家族控制企業，在未預期盈餘為負時，
會有較多融券放空之行為。我們依據 La Porta et al. (2002)之作法，衡量控制股東對 該公司擁有之最終現金流量權，計算現金流量權則需沿著「控制鏈」(Control Chains) 計算間接持股率之乘積，即盈餘分配權等於控制股東對該公司之直接持股率 +Σ (各控制鏈之間接持股率乘積)。故我們使用虛擬變數來衡量盈餘分配權，當家族之 盈餘分配權小於 30%5，其虛擬變數為 1，否則為 0
(七) 股份盈餘偏離倍數(Deviation)
Shleifer 與 Vishny (1997)指出，當控制股東之控制權大於盈於分配權時，會產 生負的侵佔效果，亦就是，當控制股東持股較少，其參與公司利益(損失)分配之比 率亦較少，此時若從事私有資訊交易，個人投機能獲得之利益，大於公司價值損
5家族盈餘分配權之平均數為 31%，故取 30%作為判斷標準。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
31
害分配之損失，則有誘因作出有利於個人，但不利於公司之私有資訊交易行為。
Bebchuk et al. (2000)、Claessens et al. (2002)亦指出當控制權與盈餘分配權之偏離程 度加重時，會使得控制股東更傾向於作出不利公司，而有利於控制股東個人之決 策。故我們使用虛擬變數來衡量股份盈餘偏離倍數，當家族之股份控制權大於盈 餘分配權，其虛擬變數設為 1，否則設為 0。
(八) 外部大股東(Blockholders)
我們使用虛擬變數來定義企業是否有外部大股東(Blockholders)之存在，當企 業中有持股超過 5%且不屬於家族控制集團之股東，則其虛擬變數設為 1，否則為 0。
貳、 事件研究法
事件研究法（Event Study）在財務、會計等實證研究領域中被廣泛應用，主要 係在探討當某一資訊或事件發生時，是否會引起股價之異常變動，即是否會產生 異常報酬率（Abnormal Returns），此資訊可以用來瞭解證券價格與特定事件間是 否有關聯性。因此，我們可以檢驗受該事件影響之期望報酬率 與不受 該事件影響之報酬率 是否有差異，若有差異，則表示有異常報酬率產生，再 藉由對異常報酬率之檢定，來判斷該事件對股價之影響。因此，本研究採用由Fama, Fisher, Jensen and Roll (1967)所提出之「事件研究法」，來探討發生巨量融券後是 否存在著負之異常報酬，即較高之融券放空(巨量融券)可以預測未來股票異常報 酬率較低之情形。亦藉由將樣本分為家族與非家族控制企業來探討家族控制企業 相對非家族控制企業是否能提供較多之資訊來預測未來股票異常報酬率較低之情 形。
在研究過程中，須先確定事件之種類及發生日，並設定估計期及事件期，接 著選擇股票報酬率預期模式估算其預期報酬率，進而推算是否具有異常報酬，最 後再藉由統計檢定來檢視統計值是否具有顯著性。
股票報酬率預期模型之種類相當多，主要可以分為三類：
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
32
(1) 平均調整模型(Mean-Adjusted Returns Model)
此模型假設個別證券在事件期之預期報酬率即為個別證券在估計期之平均報 酬率，故此模型並未考慮事件期間證券報酬率之風險資訊。
(2) 市場指數調整模型(Market-Adjusted Returns Model)
此模型假設市場指數在事件期第t日之預期報酬率即為個別證券在事件期第t 日之預期報酬率，故此模型並未考慮個別證券報酬率和大盤報酬率之敏感性。
(3) 市場模型(Market Model)
此模型以估計期之資料，利用最小平方法(original least square, OLS)建立市場 模型，再利用市場模型估計個別證券在事件期之預期報酬率。
根據Brown and Warner (1980,1985)的模擬研究指出，市場模型的檢定力(power) 並不比市場指數調整模型差，且兩者之檢定力皆比平均調整模型佳，另外，
Armitage(1995)的研究亦發現，市場模型之檢定結果雖然和其他模型之結果相差不 遠，但在不同情況之統計檢定之下，市場模型之檢定力至少和其他模型一樣好。
此外，平均調整模型並未考慮事件期間證券報酬率之風險資訊，市場指數調整模 型並未考慮個別證券報酬率和大盤報酬率之敏感性。因此，本研究以市場模型作 為估計事件期預期報酬率之方法。
一、 融券指標的選定與衡量
本研究所選定之事件日為發生巨量融券當日，融券指標採用絕對融券指標，
即每家企業在每一會計年度交易日融券餘額最高之那一個交易日作為取樣依據。
二、 估計期與事件期的選定
(一)
事件日：本研究以發生巨量融券當日作為事件日。(二)
估計期：本研究以事件發生日前 200 個交易日至前 1 個交易日作為估計期 間，共計 200 個交易日。(三)
事件期：本研究以事件發生當日至事件日後第 100 個交易日作為事件期間，共計 101 個交易日。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
33
三、 估計異常報酬率與累積異常報酬率
本研究採用市場模型作為個別股價預期報酬之估算方式。市場模型假設個別
本研究採用市場模型作為個別股價預期報酬之估算方式。市場模型假設個別