本研究測量之資訊內容為財務資訊與 MD&A 的一致性對市場投資者的反 應，有別於 Li（2010）、Brown and Tucker（2011）以 MD&A 的語調為主要研究 變數，本研究採財務數據與敘述性資料之一致性指標為新資訊，以觀測市場反應。
實證模型與控制變數參考 Griffin（2003）、Li（2010）及 Brown and Tucker（2011）， 以 CAR 及分析師盈餘預測修正或進行新盈餘預測事件於市場反應模型中，綜合 前節所述之研究假說，本研究提出之一致性市場反應模型如下：
|𝑅𝑅𝑅𝑅𝑅𝑅| = 𝑎𝑎0 + 𝑎𝑎1𝐶𝐶𝐶𝐶𝐶𝐶_𝐶𝐶𝐶𝐶_1 + 𝑎𝑎2𝐶𝐶𝐶𝐶𝐶𝐶_𝐶𝐶𝐶𝐶_2 + 𝑎𝑎3𝑀𝑀𝑅𝑅 + 𝑎𝑎4𝑅𝑅𝑅𝑅𝑅𝑅_𝑠𝑠𝑠𝑠 + 𝑎𝑎5𝑅𝑅𝐸𝐸𝐸𝐸_𝑠𝑠𝑠𝑠𝑠𝑠 + 𝑎𝑎6𝑅𝑅𝐶𝐶𝑂𝑂 + 𝑎𝑎7𝑂𝑂𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑎𝑎𝐹𝐹𝐹𝐹 + 𝑎𝑎8𝑁𝑁𝐶𝐶𝑁𝑁𝐹𝐹𝑠𝑠𝑠𝑠 + 𝑎𝑎9|𝐶𝐶𝐶𝐶𝑅𝑅| + 𝜀𝜀𝑖𝑖𝑖𝑖 （3.1）
|𝑅𝑅𝑅𝑅𝑅𝑅| = 𝑎𝑎0+ 𝑎𝑎1𝐶𝐶𝐶𝐶𝐶𝐶_𝐶𝐶𝐶𝐶_1 + 𝑎𝑎2𝐶𝐶𝐶𝐶𝐶𝐶_𝐶𝐶𝐶𝐶_2 + 𝑎𝑎3𝑀𝑀𝑅𝑅 + 𝑎𝑎4𝑅𝑅𝑅𝑅𝑅𝑅_𝑠𝑠𝑠𝑠 + 𝑎𝑎5𝑅𝑅𝐸𝐸𝐸𝐸_𝑠𝑠𝑠𝑠𝑠𝑠 + 𝑎𝑎6𝑅𝑅𝐶𝐶𝑂𝑂 + 𝑎𝑎7𝑂𝑂𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑎𝑎𝐹𝐹𝐹𝐹 + 𝑎𝑎8𝑁𝑁𝐶𝐶𝑁𝑁𝐹𝐹𝑠𝑠𝑠𝑠 + 𝑎𝑎9|𝐶𝐶𝐶𝐶𝑅𝑅| + 𝜀𝜀𝑖𝑖𝑖𝑖 （3.2）
zCAR = 𝑎𝑎0+ 𝑎𝑎1𝐶𝐶𝐶𝐶𝐶𝐶_𝐶𝐶𝐶𝐶_1 + 𝑎𝑎2𝐶𝐶𝐶𝐶𝐶𝐶_𝐶𝐶𝐶𝐶_2 + 𝑎𝑎3𝑀𝑀𝑅𝑅 + 𝑎𝑎4𝑅𝑅𝑅𝑅𝑅𝑅_𝑠𝑠𝑠𝑠 + 𝑎𝑎5𝑅𝑅𝐸𝐸𝐸𝐸_𝑠𝑠𝑠𝑠𝑠𝑠 + 𝑎𝑎6𝑅𝑅𝐶𝐶𝑂𝑂 + 𝑎𝑎7𝑂𝑂𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑎𝑎𝐹𝐹𝐹𝐹 + 𝑎𝑎8𝑁𝑁𝐶𝐶𝑁𝑁𝐹𝐹𝑠𝑠𝑠𝑠 + 𝜀𝜀𝑖𝑖𝑖𝑖 （3.3）
其中，
|REV| = 分析師預測修正幅度：被解釋變數。定義 10-K 申報日前 90 天至後 30 天內（Brown and Tucker 2011），分析師曾 經進行新的財務預測，預測值改變量除以年初公司股價以 控制不同公司間之差異性（Lang and Lundholm 1996）。
|ERR| = 分析師預測錯誤幅度：被解釋變數。定義 10-K 申報日前 90 天至後 30 天內，分析師間預測測與實際值的差距改變 量，除以實際值平減公司間差異。
zCAR = 股票累積異常報酬：被解釋變數。10K 申報日前一日至後 三日累積之公司股價異常報酬，採市場指數調整模式
（Market Adjusted Returns model），此外將 CAR 標準化有 助於提高檢定異常報酬率之能力（Zibart 1985）。
𝐶𝐶𝐶𝐶𝑅𝑅𝑖𝑖(𝑖𝑖1,𝑖𝑖2) = ∑𝑖𝑖2 𝐶𝐶𝑅𝑅𝑖𝑖𝑖𝑖 𝑘𝑘=𝑖𝑖1
Con_Co = 一致性指標：解釋變數。利用 K-Means 和 TFICF（TFIDF）
技術將 MD&A 之內容加以分群及評分，並透過群集分析
（clustering analysis）將 MD&A 語調與財務績效加以分群 及比較。該變數為虛擬變數，分別代表持平（資料編碼為 0）、樂觀（編碼為 1）及悲觀（編碼為 2）。一致性指標之 情境說明則整理如下表 3-4 所示，模型中變數 Con_Co_1 表示樂觀，變數 Con_Co_2 為悲觀，表 3-5 則顯示各產業 別下的一致性指標分布。
MV = 公司市值：控制變數。取樣本公司期初市價取自然對數。
由於大企業的資訊環境較良好，故市場投資人或分析師對 於 10-K 申報資訊預期反應較小，故此變數於三個模型之 預期符號均為負。
ROE_sd = 股東權益報酬率之標準差：控制變數。取樣本公司前五年 ROE 資料計算標準差。根據 Lang and Lundholm（1996）
為影響分析師進行預測之誘因，在模型一與模型二預期符 號為正，模型三則不確定。
EPS_sur = 盈餘意外：控制變數。定義為本期與前期 EPS 改變量除以 期初股價。根據 Lang and Lundholm（1996）為影響分析 師進行預測之誘因，預期符號為不確定。
（2011），投資人對 10K 申報之反應可能來自文件中對於現 金流量之資訊，本研究將現金流量做為控制變數以分離對 解釋變數之計量效果。以當期來自營運現金流量減去前 期，除以當期年初總資產。模型一與模型二預期符號為不 確定，模型三則預期為正。
Filelate = 延遲申報 Form 10K：虛擬變數，編碼 1 表示申報時間超 過 90 日，其他編碼為 0。自 2004 年起，Form 10K 依照公 司的規模大小而有不同的申報期限，但超過 90 日者為確 定延遲申報（Brown and Tucker 2011），而延遲申報可能 顯 示 存 有 潛 在 重 大 問 題 （ Choudhary, Merkley, and Schloetzer 2011）。在模型一與模型二中，預期符號為正；
在模型三中，預期符號為負。
Nomiss = 無遺漏資訊數：控制變數。投資人能透過完整 Form 10-K 取得盈餘宣告以外之資訊，以 Compustat 資料庫中非遺漏 值之數量做投資人取得額外資訊之代理變數（Brown and Tucker 2011）。在模型一與模型二中，預期符號則為正；
模型三則不預期符號。
|CAR| = 股票累積異常報酬：控制變數。為申報日前一日至後三日
市場累計異常報酬，分離市場投資報酬對分析師預測之影 響，不預期符號。
表 3-4 一致性指標情境說明
情境 說明
持平 為最單純的情境，市場僅針對正常的 MD&A 資訊反應（透過上 述無遺漏資訊數（Nomiss）做為代理變數），並不會對一致性指 標有所反應。由於在持平的情況下，可視為市場無新資訊可使 用，故可將此類樣本作為與其他情境相比較之控制樣本。
樂觀 由波麗安娜假說，人類往往記住好事忘掉壞事，回憶事件傾向
使用正面積極的詞彙(即便偶爾與現實不吻合)，企業對於歷史 年報中採較偏向樂觀的語調揭露 MD&A，而從動量假說可能代 表管理者確實看好企業未來，因而採取正面的方式來詮釋當期 績效，若如此則相對於持平情況來說，市場應該會對一致性指 標有正向評價的反應。
相對波麗安娜假說或動量假說，若由公司治理角度出發，樂觀 的一致性指標可能代表企業公司治理有瑕疵，或是管理者嘗試 透過更多的解釋或掩飾當期較不理想之經營績效（如：較低的 股東權益報酬率或較高的應計項目），因而導致市場負面評價的 反應。故無法推測結果之方向，應由模型迴歸結果分析。
悲觀 從規模假說、風險假說、公司治理等觀點，企業以較偏向保守
悲觀之語調揭露 MD&A 資訊，可能僅代表管理階層單純採取較 具謹慎態度說明當期經營績效，因此，相對於持平情境，市場 對此一致性指標並未有所反應；但若依據 Li (2010)與動量假 說觀點，悲觀語調可能代表管理階層對公司未來前景看壞，因 而利用 MD&A 預先釋放較不利的訊息，若市場能「看穿」此一 現象，預期亦將造成市場負面評價之反應。
表 3-5 各模型產業別下一致性指標分布
產業別 模型一 模型二 模型三
持平 樂觀 悲觀 持平 樂觀 悲觀 持平 樂觀 悲觀
農林漁業
個數 2 0 868 2 0 861 0 0 0
比例 0.23 0 99.77 0.23 0 99.77 0 0 0
礦業
個數 6 3 536 6 3 534 3 0 181
比例 1.1 0.55 98.35 1.1 0.55 98.34 1.63 0 98.37 營建業
個數 49 0 729 49 0 724 0 0 29
比例 6.3 0 93.7 6.34 0 93.66 0 0 100
製造業
個數 0 0 837 0 0 834 46 7 800
比例 0 0 100 0 0 100 5.39 0.82 93.79
運輸及供電業
個數 2 0 523 2 0 521 0 0 423
比例 0.38 0 99.62 0.38 0 99.62 0 0 100
批發業
個數 2 0 39 2 0 39 1 0 66
比例 4.88 0 95.12 4.88 0 95.12 1.49 0 98.51
產業別 模型一 模型二 模型三
持平 樂觀 悲觀 持平 樂觀 悲觀 持平 樂觀 悲觀
零售業
個數 4 0 318 4 0 318 0 0 194
比例 1.24 0 98.76 1.24 0 98.76 0 0 100
金融保險與不動產業
個數 1 0 119 1 0 116 1 0 25
比例 0.83 0 99.17 0.85 0 99.15 3.85 0 96.15