國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
28
第四節 研究方法
首先，本研究為了控制極端值對分析結論之影響，除了董監連結與策略聯盟 資料外，將財務原始資料前後 1%作溫賽化(winsorized)處理8。本研究將針對研究 資料中所有變數作統計敘述之分析，敘述統計之結果於第肆章呈現，主要內容為 應變數及自變數的資料分布概況以及資料的平均數、25%分位數、中位數、75%
分位數，以及最大值、最小值、標準差相關的敘述統計，透過敘述統計了解樣本 概況。
本研究亦使用列聯表分析檢驗變數，列聯表分析是將一組隨機樣本，以兩個 類別變數(Categorical Variables)，如 A 變數(分為 a 個類別)與 B 變數(分為 b 個類 別)，在各自分割成幾個類別下製成列聯表(Contingency Table)，列聯表以按行與 列方式以矩陣型態呈現。透過列聯表分析，不僅可以得到交叉分組下的次數分配 表分佈，亦採卡方獨立性檢定，用以檢定兩個類別變數之間是否互相獨立，進而 得到變數之間的相關關係。
：A 變數與 B 變數獨立
：A 變數與 B 變數不獨立
虛無假設為兩變數間沒有關聯性，只有在計算檢定值大於有適當自由度的卡 方分配臨界值時，才會被拒絕9。與列聯表相關的統計值為 Phi 係數、列聯係數
8 過去文獻對於控制極端值的作法，包括將變數分佈前後 1%的樣本截斷排除(Defond and Park,1999)，亦有針對前後 1%的變數 winsorize (Garvey and Milbourn,2003)。本研究再刪除沒有財 務資料之樣本後，樣本減少甚多，若將財務資料前後 1%的樣本刪除恐會失去更多樣本，故選擇 對變數分配在前後 1%以外之樣本 Winsorize，將該變數值設定為 1%與 99%的數值加以分析。
9 自由度等於列數(r)減1和欄數(c)減1的乘積。即 df＝(r－1)(c－1)。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
29
與 Cramer’s V 係數。首先 的表格可以用 Phi 係數來測量關係強度，Phi 係數 是卡方統計值的開根值百分比，若無關聯性則值為 0，若變數為完全相關時，Phi 值為 1。而列聯係數可用來評估任何大小表格之關係強度，列聯係數亦在 0 與 1 之間。至於 Cramer’s V 係數為 Phi 係數的修正值，主要用在大於 的表格上。
若拒絕虛無假設，則利用上述與列聯表相關之統計值來決定變數之間關係的強 度。
本研究之實證模型採用羅吉斯迴歸及多變項羅吉斯迴歸測試假說，假說一與 假說三採用羅吉斯迴歸分析；假說二則採多變項羅吉斯迴歸分析。
由於本研究主要針對樣本公司是否形成策略聯盟與是否形成董監連結兩者 作分析，當應變數的資料型態為二元分布時，誤差項已無法服從連續標準常態分 配，故無法以一般線性模型來推估。二元選擇模型一般是透過 Probit 或 Logit 模 型進行分析，此兩種分析模型原理相同，皆為機率模型，主要差異在於 Logit 模 型是透過 Logistic 分配函數進行轉換；而 Probit 模型則是透過標準常態分配函數 進行轉換，一般而言選擇 Probit 或 Logit 模型主要必須看樣本的分布，由於標準 常態分配與 Logistic 分配函數二者在中間部分非常接近，但在尾部的差異較大，
故兩模型估計結果差異不大。本研究參考 Gulati 和 Westphal(1999)的研究選擇 Logit 統計分析方法進行假說一及假說三之研究。進行分析之前，以下先對 Logit 原理進行簡單的介紹。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
30
i=1,2,3…n，n=65,507 j=1,2,3…n，n=65,507
模型中 是具有標準常態分配的隨機干擾項，E( 下標 i、j
代表不同樣本公司。而 為一隱性、潛在的效用函數，企業在決定結盟與否的過
程中，必定會考量各種因素， 是一組獨立於誤差項 之解釋變數，在 解釋變 數中本研究選擇了董監連結與樣本公司財務資訊變數，其包括董監連結的有無 (INTERLOCK1)、董監連結的經驗(EXP_BOARD)、年度(YEAR)、企業規模 (SALES)、企業表現(ROA, MTB)、企業流動性(QRATIO)、企業償債能力
(DEBASSET)與企業資本結構(LEVERAGE)。 或許不易觀察且待估計，我們可
觀察到的是一個二進位變量 之間的關係表
示如下：
=1 若
=0 若
= P( = 而後運用 logistic 分配轉換：
F(
轉換後再使用最大概似法(maxium likelihood)估計。
本研究亦採用勝算比(Odds Ratio)來解釋實證結果，若有策略聯盟或董監連
結之勝算為 ，而無策略聯盟或董監連結之勝算為 ，此兩比
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
31
例之比值稱為勝算比。
勝算比(Odds Ratio)=
本研究中的勝算比為發生策略聯盟或董監連結事件機率與不發生事件機率 的比值，若勝算比大於 1 表示發生策略聯盟或董監連結的機率比不發生大；若發 生策略聯盟或董監連結之勝算比為 1.5 時，表示發生策略聯盟或董監連結之機率 增加 50%。
本研究主要分析董監連結是否會影響策略聯盟形成，以 Logit 模型檢驗策略 聯盟形成與否，是否和企業有無董監連結相關及其機率；此外也檢驗企業的董監 連結數目對於策略聯盟形成之影響和其機率。此處需強調，本研究著重在將企業 的董監連結視為資訊來源，觀察對該企業產生的策略聯盟之影響，非以企業連結 樣本討論，即本研究並非僅討論樣本公司與 A 公司之董監連結，是否對於樣本 公司與 A 公司策略聯盟形成之間的影響，而是以資訊網絡的概念視兩者之間之 影響。此外本研究不僅考量同一年度的結盟與董監連結，也考量了兩者時間上前 後影響，舉例來說，迴歸式(1)、(2)中的應變數若為 2004 年結盟與否(SA)，自變 數為 2000 年至 2004 年間董監連結與否(INTERLOCK1)及董監連結的數目 (NUM_BOARD)。本研究設計下列兩迴歸式測試假說一：
SA=α+β1INTERLOCK1+β2EXP_SA+β3YEAR+β4SALES+β5ROA+β6QRATIO+
β7DEBASSET+β8MTB+β9LEVERAGE+ε (1) SA=α+β1NUMBOARD+β2EXP_SA+β3YEAR+β4SALES+β5ROA+β6QRATIO+
β7DEBASSET+β8MTB+β9LEVERAGE+ε (2) 其中：
SA =樣本公司第 t 年是否有與其他企業形成策略聯盟，有為 1;無 則為 0。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
32
INTERLOCK1=樣本公司在(t-4)~t 年是否有與其他企業形成董監連結，有為 1;無則為 0。
NUMBOARD =樣本公司在(t-4)~t 年與其他企業形成董監連結的數目。
EXP_SA =樣本公司(t-3)至(t-1)年累積的策略聯盟數目。
YEAR =董監連結發生、策略聯盟宣告與財務資料年度，本研究期間 為 2004 至 2013 年。
SALES =樣本公司第 t 年淨銷貨取對數。
ROA =樣本公司第 t 年排除非常項目之收益除以總資產。
QRATIO =樣本公司第 t 年流動資產扣除存貨再除以流動負債。
DEBASSET =樣本公司第 t 年長期負債除以流動資產。
MTB =樣本公司第 t 年排除非常項目之收益除以總資產及公司市值 除以淨資產帳面價值。
LEVERAGE =樣本公司第 t 年總負債除以總資產。
本研究接下來將針對樣本公司董監連結對形成策略聯盟的數目是否有影 響，做進一步的分析。當應變數資料型態為順序尺度時，亦無法以一般線性機率 模型來推估。當應變數為順序尺度時，一般透過 Ordered Logit 或 Ordered Probit 進行分析，此兩種分析模型原理相同，皆為機率模型，主要差異在於 Ordered Logit 模型是透過累加 Logistic 分配函數進行轉換；而 Ordered Probit 模型則是透過累 加標準常態分配函數進行轉換。本研究採用 Ordered Probit 統計模型(Mckelvey and Zavoina, 1975)進行假說二的研究。進行研究前，亦先針對 Ordered Probit 原 理進行簡單的介紹。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
33
i=1,2,3…n，n=65,507 j=1,2,3…n，n=65,507
模型中 是具有標準常態分配的隨機干擾項，E( 其中被解
釋變數 為一隱性、潛在的效用函數，企業形成策略聯盟的數目之決策過程中 必會考量許多不同之因素，此部份主要探討董監連結的有無及數目是否對於策略 聯盟形成數目所有影響，即董監連結的有無及董監連結的數目增加是否具有使企 業增加策略聯盟數目之可能性，由於本研究資料中樣本公司策略聯盟形成個數主 要分布在 0 到 3 之間，故本研究將此變數分為 4 群，分別為策盟數目為 0 到 3，
數目在 3 以上則歸類至策盟數目 3。即 為待估計的序數反應變數，依序分別 為「結盟個數為 0」、「結盟個數為 1」、「結盟個數為 2」、「結盟個數為 3 或以上」
之四種結盟數目之結盟行為。下標 i 代表不同的樣本公司， 則為一組獨立於
誤差項 的解釋變數，在 的選擇中，本研究包含了董監連結之影響與財務資訊 變 數 ， 其 包 括 董 監 連 結 的 有 無 (INTERLOCK1) 或 董 監 連 結 的 數 目 (NUMBOARD)、策略聯盟的經驗(EXP_SA)、年度(YEAR)、企業規模(SALES)、
企業表現(ROA, MTB)、企業流動性(QRATIO)、企業償債能力(DEBASSET)與企 業資本結構(LEVERAGE)。
由於被解釋變數 為無法觀察到的變數，但為各樣本公司所知之待估計的 序數反應變數，因此我們僅能觀察到其所落置的範圍，可表示如下：
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
34
其中 為未知之門檻參數(Threshold Parameters)，下標所表示的 0,1,2 和 3 分 別對應於「結盟個數為 0」、「結盟個數為 1」、「結盟個數為 2」、「結盟個數為 3 或以上」之四種結盟數目之結盟行為。由於我們僅能觀察到各樣本公司對於所選 擇的結盟個數之序數狀態，為了能明確地標示出對於樣本公司結盟個數之選擇的 落置機率，因此定義下列之指示變數為：
，若結盟個數為 3 或以上。
因此根據董監連結與財務方面相關等變數迴歸出企業選擇結盟個數之機率 可表示為：
，
，
， 其中Φ(.)為標準常態累積密度函數。
本研究不僅考量同一年度的結盟與董監連結，也考量了兩者時間上前後影 響 ， 舉 例 來 說 ， 迴 歸 式 (3) 、 (4) 中 的 應 變 數 若 為 2004 年 結 盟 數 目 的 選 擇 (GR_NUMSA)，自變數則為 2000 年至 2004 年間董監連結與否(INTERLOCK1) 及董監連結的數目(NUMBOARD)。本研究設計了以下兩迴歸式測試假說二：
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
35
GR_NUMSA=α+β1INTERLOCK1+β2EXP_SA+β3YEAR+β4SALES+β5ROA+
β6QRATIO+β7DEBASSET+β8MTB+β9LEVERAGE+ε (3)
GR_NUMSA=α+β1NUMBOARD+β2EXP_SA+β3YEAR+β4SALES+β5ROA+
β6QRATIO+β7DEBASSET+β8MTB+β9LEVERAGE+ε (4) 其中：
GR_NUMSA =將 NUMSA 分群，NUMSA=0，則 GR_NUMSA =0；
NUMSA=1，則 GR_NUMSA =1；NUMSA=2，則 GR_NUMSA =2；NUMSA 3，則 GR_NUMSA =310。
INTERLOCK1=樣本公司在(t-4)~t 年是否有與其他企業形成董監連結，有 為 1;無則為 0。
NUMBOARD=樣本公司在(t-4)~t 年與其他企業形成董監連結的數目。
EXP_SA =樣本公司(t-3)至(t-1)年累積的策略聯盟數目。
YEAR =董監連結發生、策略聯盟宣告與財務資料年度，本研究期 間為 2004 至 2013 年。
SALES =樣本公司第 t 年淨銷貨取對數。
ROA =樣本公司第 t 年排除非常項目之收益除以總資產。
QRATIO =樣本公司第 t 年流動資產扣除存貨再除以流動負債。
DEBASSET =樣本公司第 t 年長期負債除以流動資產。
MTB =樣本公司第 t 年排除非常項目之收益除以總資產及公司市值 除以淨資產帳面價值。
LEVERAGE =樣本公司第 t 年總負債除以總資產。
前文曾提及過去較多的研究將董監連結納入自變數考量，並著重在董監連結
10 NUMSA 為樣本公司第 t 年與其他企業有策略聯盟的數目。