本研究的敘述統計變量模型如表 4-1，該數據可以證明大陸產業總資產中不可預測 的部分，其市場價值的相關性。本研究發現市場價值的比重歸因於實質選擇權帳戶，
約占平均總市值 85.4%、中位數為 86.5%、和其標準差為 137%。
表 4-1 敘述統計-所有產業類型
ROR SKEW R＆D BETA LEV ACT CS RE/TA Mean 0.854 -0.056 0.018 1.155 0.556 14.484 0.296 -5.929 Median 0.865 -0.129 0.000 1.112 0.346 14.276 0.231 0.115
Std 1.347 1.278 0.061 0.854 5.990 1.321 0.232 219.123 Range 90.058 3.464 1.064 42.423 278.706 16.188 1.056 9766.014
Min 0.003 -1.732 0.000 -9.456 0.000 3.932 -0.077 -9765.333 Max 90.062 1.732 1.064 32.967 278.706 20.120 0.978 0.681
N 4800 4800 4800 4800 4800 4800 4800 4800 數據來源台灣經濟新報-中國數據 表 4-1 中，變數定義如下：
1. ROR 是衡量該公司非實質資產的市場價值除以總市值比率。
2. SKEW 為衡量股票收益的偏態。
3. R&D 是指研究和開發費用除以銷售額的比率。
4. BETA 是股票價值透過 CAPM 計算出來的風險係數。
5. LEV 為公司負債的帳面價值除以總資產的比率。
表 4-2 顯示出大陸科技產業的敘述統計，大陸科技產業 ROR 占總市值約 84.7%、
中值約 89.1%、標準差為 32.6%和其最大最小值分別為 0.3%到 521%。美國科技公司的 研究者 Andres-Alonso et al.(2006)則發現 ROR 的平均值為 75.2%，相較而言大陸科技 公司平均 ROR 較美國的高，表示近年來大陸科技公司的無形資產比例較於美國高。這 可能是因為近年來大陸邁向國際化，開始全力打造自我品牌，走入國際市場。此外，
該產品生命週期的衡量是以未分配利潤和總資產的比例(RETA)為 4.9%。
表 4-2 敘述統計-科技產業
ROR SKEW R＆D BETA LEV ACT CS RE/TA Mean 0.847 -0.052 0.041 1.210 0.358 14.301 0.150 0.049 Median 0.891 -0.099 0.000 1.188 0.267 14.173 0.108 0.156 Std 0.326 1.293 0.101 0.544 0.792 1.112 0.154 1.490 Range 5.210 3.464 1.064 19.984 14.585 10.882 0.848 28.570
Min 0.003 -1.732 0.000 -9.456 0.000 9.238 0.001 -27.889 Max 5.214 1.732 1.064 10.528 14.585 20.120 0.849 0.681
N 1331 1331 1331 1331 1331 1331 1331 1331 數據來源為台灣經濟新報-中國數據
本研究針對大陸市場中的科技產業、傳統產業和創業板進行研究，更進一步探討 了其產業變數的平均值，結果如表 4-3。表 4-3 顯示出了大陸的傳統產業 ROR 為 88.2%，
具有較高的實質選擇權價值，其可能原因為大陸傳統市場公司具有較大的基礎規模，
可供該產業進行固定資產的投資，以提升 ROR 的價值。
表 4-3 各產業類型變數之平均值
科技產業 傳統產業 創業板
ROR 0.847 0.882 0.828
SKEW -0.052 -0.042 -0.079
R＆D 0.041 0.001 0.030
BETA 1.210 1.041 1.278
LEV 0.358 0.573 0.201
ACT 14.301 15.065 13.943
CS 0.150 0.473 0.173
RE/TA 0.049 -0.158 0.138
數據來源為台灣經濟新報-中國數據
為了研究變數之間的相關性，本研究估計的相關係數如表 4-4，其中我們可以發現 ROR 除了和 LEV 為正相關，和其他變數都為負相關，更令人驚訝的是這些相關度是 非常低的，因此在變數之間並不會出現有共線性的問題。雖然 ACT 和 ROR 具有較高 的相關係數，但不會造成太大的影響。
表 4-4 ROR(K)和其他變數之間的相關性
ROR SKEW R＆D BETA LEV ACT CS RE/TA ROR 1
SKEW -0.016 1
R＆D -0.015 -0.001 1
BETA -0.022 -0.016 -0.005 1
LEV 0.004 0.018 -0.004 -0.017 1
ACT -0.032 0.022 -0.027 -0.047 -0.202 1
CS -0.024 0.030 -0.055 -0.098 -0.015 0.462 1
RE/TA -0.003 -0.017 0.003 0.011 -0.994 0.209 0.035 1
本研究運用 Panel Data Model 分別對三種產業和總產業進行分析，以測量解釋總 市值中非實質資產部份的意義。本研究應確保固定效應模型、隨機效應模型和傳統最 小平方法的應用來測試方法的效益，並以 Hausman Test 對 Panel Data Model 的固定效 果模型和隨機效果模型進行區分。在此隨機效應模型因具較高效率故先被設立為虛無 假設。
本研究中的數據具有時間序列和橫截面特性。因此使用 Panel Data Model 的固定 效應模型分析來測試股票價格是否反映了投資者對實質選擇權相關價值的期望。表 4-5 反映出了大陸科技產業市價非實質資產的部分，結果顯示出固定資產(CS)的係數和 T 值分別為 0.767 和 4.368，對 ROR 具有正向顯著影響；公司負債(LEV)的係數和 T 值為 -0.377 和-3.636，和 ROR 呈現負向顯著影響，公司規模(ACT)的部分系數和 T 值則為 -0.056 和-2.32，對 ROR 也是為負向顯著影響。其中，產品生命週期(RETA)的係數和 T
會越來越具有負影響。該整體數據分析 F 值和 Hausman Test 為 5.187 和 21.234，皆具 較高的顯著水準，表示該數據具有良好的顯著水準。
結果表明，就預測實質選擇權方法而言，市場價值非實質資產的部分，其獨立變 數是可作為預測實質選擇權的方法，這也表示出公司該部分的市場價值也可視為投資 者對實質選擇權的期望。CS 呈現正向顯著影響也確認了公司非實質資產的部分對應了 該公司的實質選擇權。LEV 具負向顯著影響，就過去文獻中，Myers 提到投資不足的 問題，表示了財務負債和實質選擇權之間具有負顯著相關的證據。最後 RETA 的部分 為負向顯著影響，也證明了低產品生命週期的公司實質選擇權具有更高的價值。
表 4-5 Panel Data 迴歸-科技產業
Variable Coefficient t-Statistic
C 1.683*** 4.956
SKEW 0.006 0.995
RD -0.056 -0.606
BETA 0.001 0.064
LEV -0.377*** -3.636
ACT -0.056** -2.320
CS 0.767*** 4.368
RETA -0.197*** -3.640
F-statistic 5.187***
Chi-Sq. Statistic (Hausman Test)
21.234***
表 4-6 則反映出了大陸傳統產業市價非實質資產的部分。結果如表 4-6 顯示出 ROR 會因變數公司規模(ACT)呈現正向顯著影響，該數據的係數和 t 值分別為 0.339 和 3.135；
公司固定資產(CS)則是負向顯著影響，該數據的係數和 t 值則是-2.016 和-3.087。但其 他的變數並無顯著影響。該整體數據分析 F 值和 Hausman Test 分別為 1.396 和 21.842，
也都具有高顯著水準。
上述結果表明，其獨立變數會因為產業的差異而有所不同。這也表示了投資者對 實質選擇權的期望也會因為產業的差異而有所影響。ACT 具有正向顯著影響，表示投 資者了解公司作為價值來源的基礎，也證明了實質選擇權的評估的假設也是一致的，
因為公司規模可視為該公司管理者有效管理能力的基礎指標(Adam and Goyal,2002)。
CS 是負向顯著影響證明，研究結果和 Andres-Alonso et al.(2006)是不一樣的，這可能 是因為產業特性上的差異性所產生的結果，傳統產業公司在高固定資產的投資下提升 整個公司的利潤，提高實質資產價值，使得非實質資產價值的比例降低，進而降低實 質選擇權的價值。
表 4-6 Panel Data 迴歸-傳統產業
Variable Coefficient t-Statistic
C -3.397** -2.089
SKEW -0.030 -0.803
RD -5.090 -0.623
BETA -0.083 -1.384
LEV 0.389 0.935
ACT 0.339*** 3.135
CS -2.016*** -3.087
RETA 0.050 0.673
F-statistic 1.396***
Chi-Sq. Statistic (Hausman Test)
21.842***
註：***表示 p-value < 0.01；**表示 p-value < 0.05；*表示 p-value < 0.1
表 4-7 則反映出了大陸創業板市價非實質資產的部分。結果如表 4-7 顯示股票風 險(BETA)的係數和 T 值為 0.015 和 2.369，和 ROR 呈現正向顯著影響，和它相同有正 向顯著影響的是公司負債(LEV)，係數和 t 值分別為 0.247 和 2.657；和 ROR 有負向顯 著影響的是公司規模(ACT)和產品生命週期(RETA)，ACT 的係數和 t 值分別為-0.083 和-3.678，RETA 則是-0.898 和-6.952。此外股票收益偏態(SKEW)、研究和開發(R&D) 與固定資產(CS)意外的都不具顯著影響。該數據分析 F 值和 Hausman Test 為 4.128 和 15.471，也都具有高顯著水準。
增加其系統風險。LEV 為正向顯著影響，該數據和過去文獻 Myers 的分析較為不同，
Myers 認為投資不足的問題，表示了財務槓桿和成長選擇權之間具有負相關的證據，
這可能是因為大陸創業板較多為中小企業，需要向他人貸款，作為營運資本或是投資。
ACT 和 RETA 為負向顯著影響，RETA 為負向顯著影響，這意味著低生命週期的公司，
該實質選擇權價值會更高；ACT 和過去文獻較為不同，Adam and Goyal(2002)認為公 司規模可以視為該公司有效管理能力的指標，然而這樣的原因可能也是因為創業板多 為中小企業，需要藉由較大的借貸資金進行科技研發新產品使該公司得到獲利，但因 大量的公司負債影響該公司無法順利擴張規模。
表 4-7 Panel Data 迴歸-創業板
Variable Coefficient t-Statistic
C 2.048*** 6.565
SKEW 0.003 0.730
RD -0.029 -0.293
BETA 0.015** 2.369
LEV 0.247*** 2.657
ACT -0.083*** -3.678
CS 0.025 0.229
RETA -0.898*** -6.952
F-statistic 4.128***
Chi-Sq. Statistic (Hausman Test)
15.471**
註：***表示 p-value < 0.01；**表示 p-value < 0.05；*表示 p-value < 0.1
表 4-8 則反映出了大陸三種產業市價非實質資產的部分。結果如表 4-8 顯示出公 司規模(ACT)對 ROR 呈現正向顯著影響，該數據系數為 0.129，t 值則為 2.625；固定 資產(CS)則是負向顯著影響，係數為-0.875，t 值則是-2.930。其他的變數並不具顯著影 響。這可能是因為其他產業真正影響 ROR 的變數不同，所產生出來的結果。該數據整 體分析 F 值為 1.552，Hausman Test 則是 24.356，也是具有高顯著水準。
從上述結果顯示，ACT 對所有產業類型公司的 ROR 具有正向顯著影響，這個結 果和 Andres-Alonso et al.(2006)的研究結果是相同的，Adam and Goyal(2002)也認為公
對 ROR 的影響，那有可能是該產業的一種特性之一。CS 為負向顯著影響，這樣的結 果和 Andres-Alonso et al.(2006)的研究卻是不相同的，這可能是因為科技產業和創業板 是近年來所興起的產業，並不像傳統產業較具有長遠的時間價值，因此在所有產業類 型的分析上會受到傳統產業的影響。
表 4-8 Panel Data 迴歸-所有產業類型
Variable Coefficient t-Statistic
C -0.746 -1.059
SKEW -0.008 -0.521
RD -0.000 -0.499
BETA -0.026 -1.112
LEV 0.052 1.281
ACT 0.129*** 2.625
CS -0.875*** -2.930
RETA 0.001 1.225
F-statistic 1.552***
Chi-Sq. Statistic (Hausman Test)
24.356***
註：***表示 p-value < 0.01；**表示 p-value < 0.05；*表示 p-value < 0.1