第三章 研究方法
第一節 研究架構
本研究目的有以下：（1）探討智慧資本各構面與財務績效之關聯性；
與（2）以多階段資料包絡分析法探討臺灣生技產業經營績效。
由第二章相關研究探討，本研究將智慧資本分成：（1）人力資本；（2）
結構資本；與（3）顧客資本等三構面，並輔以平衡計分卡構面具先後因 果關聯（吳安妮，2005），探討各構面關聯性，本研究第一階段各探討：（1）
人力資本對結構資本關聯性，以人力資本指標（薪資費用率、人力資本蓄 積能力、員工人數與每人營業利益）為自變項，以結構資本指標（固定資 產、商譽與無形資產）為依變項；（2）結構資本對顧客資本之關聯性，以 結構資本指標（固定資產、商譽、無形資產與研發生產力）為自變項，以 顧客資本3指標（產品接受率、應收帳款率與存貨周轉率）為依變項；與（3）
各以人力資本指標、結構資本指標與顧客資本指標為自變項，以財務指標
（每股淨值、股東權益總額、稅後淨利、股東權益報酬率、資產報酬率、
淨值報酬率、營業毛利率、銷貨毛利率、營業毛利率與稅後淨利率）為依 變項，探討智慧資本三構面對財務指標之關聯性。
本研究第二階段接續本研究第一階段篩選智慧資本三構面與財務構
3 本研究之顧客資本屬於文獻探討中之關係資本，為使研究更為精確，故選取關係資本中之顧客
面適當指標，以資料包絡分析法探討各構面效率情形，說明如下：（1）以 人力資本指標（薪資費用率、人力資本蓄積能力、員工人數與每人營業利 益）作為投入項，以結構資本指標（固定資產、商譽、無形資產與研發生 產力）為產出項，探討其效率情形；（2）以結構資本指標（固定資產、商 譽、無形資產與研發生產力）為投入項，以顧客資本指標（產品接受率、
應收帳款率、存貨周轉率）為產出項，探討其效率情形；（3）各以人力資 本指標、結構資本指標與顧客資本指標為投入項，以財務指標（每股淨值、
股東權益總額、稅後淨利、股東權益報酬率、資產報酬率、淨值報酬率、
營業毛利率、銷貨毛利率與稅後淨利率）為依變項產出項，探討其效率情 形。綜合本研究第一階段與第二階段，其研究架構如圖 3-1 所示，其各構 面所對應之指標如表 3-2 所示，而圖 3-2 為本研究流程圖。
圖 3-1 研究架構圖
表 3-1
本研究構面與對應指標
構面 選取指標
人力資本 薪資費用率
人力資本蓄積能力 員工人數
每人營業利益
結構資本 固定資產
商譽 無形資產 研發生產力 關係資本（顧客資本） 產品接受率 應收帳款率 存貨周轉率 財務資本（經營績效） 每股淨值
股東權益總額 稅後淨利
股東權益報酬率 資產報酬率 淨值報酬率 營業毛利率 銷貨毛利率 稅後淨利率 資料來源：本研究整理
圖 3-2 研究流程圖 資料來源：本研究整理
訂定研究計畫 研究背景動機
研究目的 研究假設 研究限制 名詞釋義
文獻探討 智慧資本
各構面理論
指標選取與篩選 皮爾森相關
多元迴歸
資料包絡分析法
資料處理與分析
結論與建議
撰寫研究報告
第二節 研究方法
本研究主要目的係以智慧資本觀點探討臺灣生技產業之經營績效。由 第二章文獻探討經營績效部分，多位學者使用資料包絡分析法進行產業績 效探討，本節為資料包絡分析法之介紹。
壹、Farrell 效率觀念
效率之基本概念係用來描述資源使用之特徵。以投入與產出要素觀點 而言，效率可視為將一組投入因素轉換成產出過程之績效；以資源分配與 產品組合觀點而言，效率指於既定產出水準下追求最少之成本收入，抑或 是於既定成本下追求極大化產出水準。Farrel（1957）提出以「非預設生產 函數」代替「預設函數」預估效率值，奠定資料包絡分析法的理論基礎。
Farrell 利用實際被評估單位與效率前緣的相對關係，求取被評估單位 的相對效率性，此效率稱為技術效率（technical efficiency, TE）。技術效率 係指該評估單位於現有技術上，以一定投入水準所能創造的最大可能產出。
落在生產前緣線上的被評單位稱為有效率單位，效率值為 1。而價格效率
（price efficiency, PE）為另外加入成本函數之項目價格比，價格效率係指 在既定價格比率與技術效率下，投入項目的成本為所有組合中最低者。總 效率（overall efficiency, OE）為技術效率與價格效率二者乘積。
Farrel（1957）以邊界生產函數（frontier production function）衡量廠 商於現有技術水準下，與既定之要素組合，衡量其生產效率水準，若生產 達到潛在最大化產出水準則屬最有效率之生產點，連接各個最具效率之生 產點為生產邊界；反之則將發生生產無效率之情形。
Farrel（1957）將效率分類如下：（1）技術效率（technical efficiency）
與（2）分配效率（allocative efficiency），技術效率係指廠商於既定技術水 準下有效運用既定投入要素以達到最大產出能力；而分配效率係指廠商於
既定技術水準與要素價格下，使生產要素投入數量之比例分配為最適以達 成本最小。
Charnes, Coopers, and Rhodes（1978）結合 Farrell and Fieldhouse（1962）
的包絡線理論與 Farrell（1957）確定性無參數法，建立一般化數學模型，
命名為資料包絡分析法（data envelopment analysis, DEA），此方法是以生 產邊界（product frontier）作為衡量效率的基礎，用以評估多投入與多產出 之相對效率值。
貳、 資料包絡法特性
資料包絡分析法屬於前緣推論法的一種，此方法特性如下：（1）可同 時處理重投入與產出項，容納不同計量單位產出與投入項；（2）資料包絡 分析法係求得效率前緣，非平均值，其結果為一綜合指標，可評估不同環 境下之決策單位之效率；（3）資料包絡分析法的效率值為一單一綜合相對 效率指標，可以瞭解單位資源使用狀況；（4）投入產出加權值由線性規劃 產生，不受人為主觀因素影響，對每個決策單位能符合公平原則；（5）可 同時處理定性與定量因素；（6）不須設定投入與產出函數關係；（7）不用 事先設定投入與產出的權數，因此不受人為主觀因素影響；（8）可因應決 策單位中不可控制因素而做調整；與（9）可處理模式中之類別變數
（categorical variable）存在問題。
參、分數規劃模式
分數規劃模式假設固定經濟規模報酬。假設有一生產可能集合
（production possibility set, P），其中 P 有 n 個同質性（homogeneous）的決 策單位（DMU），每個 DMUj（j=1,…,n）使用 m 項投入 xi（i=1,…,m），生 產 s 項 yr(r=1,…,s)。以投入產出比率評估地 k 個 DMU 的效率值 h 如下所 示。
∑
∑ 第 r 個產出項數量；
第 r 個產出項權數；
第 i 個投入項數量；
第 i 個投入項權數；
將此一觀念應用到同時 n 個決策單位（DMU）之比較上，Charnes 等 人（1978）以分數規劃模式（fractional programming），估計一個 DMUo之 效率值：
Max ∑
∑ s. t.∑
∑ 1; 1, … , （2.1）
, ε
1, … , ; 1, … , 目標 DMU 效率值；
第 j 個 DMU 之 r 個產出項數量；
第 j 個 DMU 之 i 個產出項數量；
第 r 個產出項權數；
第 i 個投入項權數；
ε 非阿基米德常數（non archimedean constant），為極小正數，
目的在使所有 , 均為正。
式(2.1)中限制是每一個 DMU 的實際產出與實際投入比值介於[0,1]之 間， , 最佳值由式（2.1）式估計各 DMU 之效率值中所獲得；
參、線性規劃模式
線性規劃模型將式(2.1)之分數規劃模型非線性模型轉換為線性規劃模
型，模型如下：
Max
s. t. 0 2.2
1
, ε
式(2.2)為 Charnes 等人（1985）以經濟學角度說明目標追求最大實際 產出，受限於實際投入，且實際投入不超過實際產出之條件，最大效率值 增加，可藉由某些投入向數量增加或某些產出量減少而得，此為柏拉圖
（Pareto）最適化條件。
肆、對偶模型
對偶模型為 Boussofiane 等人（1991）將式（2.2）轉換為對偶模型，
將原來限制式個數（n+s+m+1）減少為（s+m），使之小於等於變數個數（s+m），
於計算更具效率，該模型如下所示：
Min θ ε
s. t. 0 θ 2.3
, , 0, 1, … , ; 1, … , ; 1, … , 第 i 個投入項之差額變數
第 r 個產出項之差額變數
第 j 個決策單位之權數，目的使被評估決策單位提供所有產出項
得上界限制與所有投入項的下界限制；
θ 所有投入量等比率所減之尺度 第 j 個 DMU 之 r 個產出項數量；
第 j 個 DMU 之 i 個產出項數量；
受評估決策單位之 CCR 效率可能出現下列情形：（1）θ 1，則該決 策單位無 CCR 效率；（2）θ 1，且 或 不為 0，則該決策單位具發散 效率（radial efficiency）或稱弱效率（weak efficiency），不具 CCR 效率；
與（3）θ 1，且 與 為 0，此時該決策單位具 CCR 效率，即稱
Pareto-Koopmans 效率係指一個有效率之決策單位改善其任一投入或產出，
不會使某些投入或產出變得更差。若僅改變投入項（或產出）比例，便可 達到有效率，則稱該決策單位技術無效率，不僅改變投入項（或產出項）
比例，尚需減少部分投入項數量或增加不分產出項數量，才能達到 CCR 效率，則稱該決策單位具混合無效率（mixed inefficiency）。
一、 CCR 產出導向模型
在使用現有投入水準下，其模型目標在追求產出極大化，CCR 產出導 向分數規劃模型如下：
Min ∑
∑ s. t.∑
∑ 1; 1, … , 2.13 , ε
1, … , ; 1, … , 式（2.13）式之線性規劃模型為：
Min
s. t. 0 2.14
1
, ε 式(2.14)之對偶問題如式(2.15)所示
Max θ ε
s. t. 0 θ 2.15
, , 0, 1, … , ; 1, … , ; 1, … , 第 i 個投入項之差額變數
第 r 個產出項之差額變數
第 j 個決策單位之權數，目的使被評估決策單位提供所有產出項 得上界限制與所有投入項的下界限制；
θ 所有投入量等比率所減之尺度 第 j 個 DMU 之 r 個產出項數量；
第 j 個 DMU 之 i 個產出項數量；
二、投入導向 BCC 模型
Banker 等人（1984）提出 BCC 模型，假設變動規模報酬（variable return to scale, VRS），意即部份投入增加，不會使得產出項亦有相對一部份增加，
此模型可計算各決策單位之純技術效率（pure technical efficiency）、規模效 率（scale efficiency）與規模報酬（returns to scale）。BCC 投入導向分數規 劃如：
Max ∑
∑
s. t.∑
∑ 1, 1, … , 3.1 , ε
1, … , ; 1, … , 式（3.1）轉成線式規劃模型如下
Max
s. t. 0 3.2
1
, ε 式（3.2）轉成對偶模型如下
Min θ ε
s. t. 0 θ 3.3
1
若θ 1且差額變數 與 均為 0 情況下，則該決策單位具 BCC 效 率。
對於無 BCC 效率之決策單位可經由與有效率之參考集合（reference set）
進行比較，得知其無效率原因。
三、產出導向 BCC 模型
Min ∑
∑ s. t.∑
∑ 1; 1, … , （3.13）
, ε
1, … , ; 1, … , 式（3.13）轉成線式規劃模型如下
Max
s. t. 0 3.14
1
, ε 式（3.14）轉成對偶模型模型如下
, ε 式（3.14）轉成對偶模型模型如下