因資訊不對稱無法直接觀察得知，故本研究採用會計盈餘變動量、研發費用 佔營收的比例、無形資產佔總資產的比例、生技產業等作為資訊不對稱之替代變 數，而以債、可轉換債券、可轉換特別股、可轉換債券搭配可轉換特別股等融資 工具之使用程度作為被解釋變數，如圖1-3-1所示：
圖 1-3-1 研究架構圖 會計盈餘變動量 研發費用
佔營收的比例 無形資產
佔總資產的比例 生技產業
融資工具的選用 資訊不對稱
二、創投融資的特性 2.1 環境不確定性與資訊不對稱
所謂資訊不對稱即是處於市場交易之雙方，有一方知道一些對手所不知道的 資訊，因此造成處於弱勢的一方想取得這些額外的資訊，需要付出一定代價，而 處於資訊優勢一方則藉此獲取交易好處，可概分為以下兩點：
1、隱藏的特性(Hidden Characteristics)：係指交易的一方知道其本身的某些 特質，另一方想要了解，但卻無從得知。例如：製造商知道自己所生產的產品品 質，顧客則無法清楚獲知產品品質。
2、隱藏的行為(Hidden Actions)：係指交易的一方某種行為影響交易的進行，
另一方卻無法直接觀察。例如：僱主不知道員工有無怠工行為傾向；保險公司不 清楚火災被保險人在保險後是否疏於防火。
近年來由於新創事業活絡，創業者的資金需求亦隨之提升，在創投融資的理 論研究中，Bergemnann and Hege(1997)討論關於創投融資、道德風險與學習的關 係。文中討論到資訊不對稱發生的可能性會隨著融資計畫獲得資金挹注後而提 高，此種資訊不對稱的來源是來自於創投投資者無法觀察到資金應用狀況，投資 者對於創業計畫成功的可能性評估也可能較困難。
Jensen和Meckling(1976)的研究顯示，管理者與投資者之間的衝突，也就是 所謂的代理問題（Agency problem），將影響到債與權益(Equity)的持有人提供資 金的意願。例如公司自外部投資者取得權益，因為經理人不須負擔資金成本，他 就有誘因將取得之權益做過度浪費的支出，以謀得不當利益。相同地，如果說該 公司採取舉債的方式，經理人也可能將風險提高到令人無法想像的程度，因此，
資金的提供者意識到此類問題，他們將會要求超額報酬以為補貼。
創投投資者的投資計畫通常伴隨著一定程度的失敗風險，只有少數的新創投 資案件享受到高實現報酬，在Sahlman(1990)的研究中顯示僅有15%的創投投資者 能夠順利獲得超額報酬，大約50%的投資案僅能夠取回其投資金額，且大部分是 透過新創公司上市(IPO)而回收，超過三分之一的投資個案會產生淨損失。其他 的新創公司則有些是私下出售公司或是被併購，當然這也意味著可能是平穩的成 功或是伴隨著重大損失的失敗。少數則是被清算，作為沖銷創投投資者的投資金 額。以2000年的網路泡沫化為例，當時的新創網路公司數量大為減少，代表著環 境不確定性的疑慮，將使得創投公司的資金駐足不前。
2.2 雙重道德風險
因 為 環 境 不 確 定 性 和 資 訊 不 對 稱 ， 在 創 業 投 資 的 過 程 中 ， Repullo 和 Suarez(1999)認為創業家與創投，都無法觀察對方的努力行為，無法有效監督另 一方的投入程度，並缺乏激勵機制，使得其中一方為了提高自身的利益，而產生 雙重道德風險的問題。此雙重道德風險問題將影響各階段的融資，為了分析融資 問題，Repullo和Suarez 建立「證券設計方法」的模型，認為最佳化的契約可以 利用可轉換特別股，以降低投資者初期之風險，並可防止其股權被稀釋化。
而在Biais 與Casamatta (1999)的研究將道德風險分為兩種類型：
（一）經理人努力不足的問題(effort problem)。
（二）經理人追求高風險的問題 (risk-shifting problem)。
創投公司在投資期間，除了提供資金，有時也提供管理人才、協助與供應商 及經銷商的議價、經營管理…等各方面的諮詢，亦可能介入公司的營運。創投公 司所扮演的角色，不僅是投資者，也是新創公司的諮詢顧問。而大型創投公司無 論在產業面、經驗上、公司的聲譽都較一般的新創公司具有優勢，因此不僅新創 公司經營者可能發生道德危機，創投公司也可能付出努力不足。
2.3 融資工具的選用
創業者融資工具有許多的選擇，例如：債、普通股、可轉換公司債、可轉換 特別股…等，還有往往是可遇而不可求的天使資金(Angel Capital)。
Myers(1984) 曾就資訊不對稱與代理成本之問題，提出融資順位理論(The Pecking Order Theory)，指出好公司所偏好的融資方式依序為：內部現金、舉債、
發行股票。
2.4 融資契約的設計
Gompers(1995)實證研究結論：透過階段性融資(Staged Financing)可以降低道 德風險的產生。因為階段性融資，投資者可以掌握是否繼續投資的選擇權，進而 對創業家形成約束的效果。
此外，Schmidt(2003)也提出了利用可轉換證券(Convertible Securities)的特 性，可產生激勵機制，對於創投投資者與創業者之間都有誘因投入新創公司的經 營管理，作為 因應雙重道德危機問題的解決方案。然而其假設創投投資者使用
可轉換證券後將持有100%的公司股權，創投投資者則將成為公司的所有人，如 果公司經營績效良好，若依此假設，創業者會不願見到創投投資者將大量可轉換 證券轉換為股權，從而有低報盈餘的動機，以避免公司所有權被移轉。
三、假說
因為普遍存在資訊不對稱（Information Asymmetry）問題，創投家較難對新 創事業做即時性的監控，惟其或許能夠透過融資工具的設計來抑制策略性行為，
並監控潛藏逆選擇(Adverse Selection)和道德危機（Moral Hazard），本研究之假說 如下：
(1) 其他條件相同時，創投投資者提供資金角色越顯著，新創事業越有可能 搭配可轉換特別股或是可轉換公司債融資工具，因採用這些融資工具或 能夠減輕創投投資者（Venture Capitalist）道德危機問題。
(2) 其他條件相同時，若新創公司的盈餘較不穩定或無法預期，以及處於盈 餘可能受操弄支配狀態，新創公司較有可能採用可轉換證券或是以債搭 配可轉換證券做為融資工具。採用這些融資工具或能夠減輕創業家
（Entrepreneur）浮誇績效的問題。
(3) 其他條件相同時，若新創公司的盈餘較不穩定或無法預期，新創公司較 有可能採用可轉換證券或是債搭配可轉換證券，做為融資工具。採用這 些融資工具或能夠減輕創業家道德危機的問題。
(4) 其他條件相同時，若新創公司受雙邊道德危機（Double Moral Hazard）
加上處於盈餘可能受操弄支配（Earnings Manipulation）狀態的可能性越 大，新創公司越有可能採用可轉換證券融資工具。亦即對於這些公司來 說，可轉換證券比起債與股的結合，更普遍被使用為融資工具。
(5) 創投投資者的相對談判優勢越強，(2)、(3)、(4)部份所測得係數會更顯著。
(6) 可轉換證券可作為一個有效的誠實表述（Truth-Telling）的機制，特別是 在較小的融資投入個案上。
H11：會計盈餘變動大者，其傾向使用較多的債權融資。
H21：研發費用高者，其傾向使用較多的債權融資。
H31：無形資產比重高者，其傾向使用較多的債權融資。
H41：生技產業，其傾向使用較多的債權融資。
H12：會計盈餘變動大者，較傾向使用可轉換債券融資。
H22：研發費用高者，較傾向使用可轉換債券融資。
H32：無形資產比重高者，較傾向使用可轉換債券為融資。
H42：生技產業，較傾向使用可轉換債券融資。
H13：會計盈餘變動大者，較傾向使用可轉換債券＋可轉換特別股融資。
H23：研發費用高者，較傾向使用可轉換債券＋可轉換特別股融資。
H33：無形資產比重高者，較傾向使用可轉換債券＋可轉換特別股融資。
H43：生技產業，較傾向使用可轉換債券＋可轉換特別股融資。
H14：會計盈餘變動大者，較傾向使用可轉換特別股融資。
H24：研發費用高者，較傾向使用可轉換特別股融資。
H34：無形資產比重高者，較傾向使用可轉換特別股融資。
H44：生技產業，較傾向使用可轉換特別股融資。
四、樣本資料與研究方法 4.1 資料來源與樣本選取
本研究採用 Compustat 的 North America 資料庫，先選取 1996~2007 年之間 所有公司的財務資料，再以 Private Equity Fund 所持有之投資組合中新創事業的 Cusip Number 作為選取樣本的條件，經排除遺缺資料(Missing data)後，具完整觀 察值之資料計有 12,149 筆。
4.2 研究模式與變數定義
因 Compustat 資料庫中的新創公司，其財務比率大多不符合常態分配的假 設，故本研究採用 Logit 模型來建立模式。本法為先將樣本區分為兩群(例如：可 能發生資訊不對稱公司或正常公司)，估計結果則是以機率值的型態表示。估計 方法說明如下：首先，假設真正模式(true model)如下：
i
其中 G 為 的累積分配函數(Cumulative distribution function)，由於此一模 式，我們所觀察得到的 值不是 0 就是 1，因此，可視其為機率如(3.14)式描述 的二元分配(Binomial)，故其概似函數(Likelihood function, L)為：
ui
∏ ∑
其最大概似估計量(Maximum Likelihood Estimator, MLE)可以下式表達：
) 0
Y1：債佔總資產比例，(lt-dcvt)/at;
Y2：可轉債佔總資產比例，dcvt/at;
X2：研發費用佔營收的比重，R&D Expense/Total Revenue X3：無形資產佔總資產的比重，Intangible Assets/Total Assets
X4：產業標準分類碼（SIC Code），以虛擬變數做分類，生技產業（前 三碼為 283 者）設為 1，其他非生技產業則設為 0
控制變數變數定義如下：
X5：稅前盈餘/所得稅費用，(Net Income＋Income Tax) / Income Tax
X6 ： 管 銷 費 用 佔 營 收 的 比 重 ， Selling and general administration Expense/Total Revenue
X61：管銷費用，Selling and general administration Expense X7：利息保障倍數，EBIT / Interest Expense
X8：可轉換債券佔總資產的比重，Convertible Debt/Total Asset X9：可轉換債券佔總負債的比重，Convertible Debt/Total Liability X10：可轉換債券佔總資產之跨期變動量，(dcvt-lag(dcvt))/lag(at);
X11：可轉換特別股佔總資產之跨期變動量，(pstkc-lag(pstkc))/lag(at);
五、實證結果 5.1 基本統計量
基本統計量如表 5-1- 1 所示，本研究在被解釋變數上以平均數為截斷點，設 定為 logistic 模型，而由表 5-1-2 可知測試變數與控制變數間確定具有相關性，
因此，本研究選取控制變數與測試變數之交乘項，根據圖 5-1-3 可知私募基金業 者於被投資企業在發行 IPO 前後三年的融資工具選擇具有變遷的效應，因此本 研究採取逐步迴歸法以 logistic 做為基礎分析模型，以逐步迴歸法，選取合適之
因此，本研究選取控制變數與測試變數之交乘項，根據圖 5-1-3 可知私募基金業 者於被投資企業在發行 IPO 前後三年的融資工具選擇具有變遷的效應，因此本 研究採取逐步迴歸法以 logistic 做為基礎分析模型，以逐步迴歸法，選取合適之