國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 研究結果
一、 三個樣本庫的描述性統計資料
樣本庫 Data.final 相關變數的描述性統計資料見表 4.1。
表 4.1 樣本庫 Data.final 的描述性統計資料
N 最小值 最大值 平均數 標準偏誤
垂直整合△VI 1259 -44.237% 50.428% 0.00044 0.06836 資產特用性△AS 1259 -74.710% 79.681% 0.00284 0.08263 利得展望 GP 1259 - 134.897 1.757 8.590 損失展望 LP 1259 -124.157 - -1.000 6.169 審慎程度 DOP 1259 -16.178 44.071 -0.361 1.931 有效的 N（listwise） 1259
從表 4.1 中可見，應變數垂直整合變化程度△VI 的變異性很高，其取值範圍介於【-44.237%~+50.428%】區間，考慮到 VI 的取值區間在【0，1】，也就是說在我們觀測的期 間，其垂直整合的增長幅度最高可超過五成；但是△VI 的平均數不到萬分之五，説明 研究觀測期間樣本庫縂的垂直整合程度非常穩定；而控制變數資産特用性變化程度△
AS 的變異性更高，其取值範圍介於【-74.71%~+79.681%】區間，同樣，AS 的取值區間 也在【0，1】，在我們觀測的期間，其資產特用性的增長幅度最高可近八成；△AS 的平 均數也不到千分之三，説明觀測期間樣本庫縂資產特用性也很穩定；自變數的變異性高，
有助於確保估計結果的有效性。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 4.2 風險趨避樣本庫 Data.final.ra 的描述性統計資料
N 最小值 最大值 平均數 標準偏誤 垂直整合△VI 707 -42.035% 35.066% -0.206% .06466 資產特用性△AS 707 -74.710% 79.681% 0.123% .08980 利得展望GP 707 .00160 134.89682 3.12817 11.27708 有效的 N（listwise） 707
表 4.3 風險尋求樣本庫 Data.final.rs 的描述性統計資料
N 最小值 最大值 平均數 標準偏誤 垂直整合△VI 552 -44.237% 50.428% 0.363% .07275 資產特用性△AS 552 -41.882% 47.522% 0.490% .07245 損失展望LP 552 -124.15667 .00000 -2.27978 9.16284 有效的 N（listwise） 552
我們單獨查看二分類檢定後的兩個樣本庫表 4.2 和表 4.3，發現△VI 的變異取值範 圍在風險尋求樣本庫 Data.final.rs 中是（-44.237%~+50.428%），其變化的上下限絕對值 都要大於風險趨避樣本庫 Data.final.ra 的（-42.035%~+35.066%），而同時△AS 的變異取 值範圍在風險尋求樣本庫 Data.final.rs 中是（-41.882%~+47.522%），在變化的上下限都 遠遠小於風險趨避樣本庫 Data.final.ra 的（-74.71%~+79.681%），根據 TCE 的理論，垂 直整合 VI 的變化與資產特用性 AS 正相關，理應二者的變化幅度同步才合理，但是這 兩個樣本庫中應變數 VI 和自變數 AS 的變化幅度（圖 4.1）直覺上就明顯反差。對照本 研究提出的假説 H4.1，可以理解成在風險趨避情境下，「保持選擇權」和「維持現狀」
的因素有效地抑制了垂直整合程度的變化，導致樣本庫 Data.final.ra 中自變數△AS 的變
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
異幅度大，但是對應的應變數△VI 卻沒有發生變異幅度同步變化。
圖 4.1 兩個樣本子庫的變異程度比對
二、 模型 A 和模型 B 的變數相關性矩陣
本研究通過對樣本庫Data.final的分析，得到模型A的相關變數的相關性矩陣見表 4.4。（爲了簡化論述，下文的△VI用VI’代替，△AS用AS’代替）。從相關性矩陣看，自 變數之間的相關係數的絕對值在0.009~0.033，表明自變數之間不存在共綫性問題，而 應變數「垂直整合VI’」與各個自變數都具有一定的關係，其中「資產特用性AS’」的 相關係數ß
4
最高為0.206，「利得展望GP」的相關係數ß2.1
最低，為-0.015，「損失展望LP」的相關係數ß
3.1
為0.060；從相關係數的顯著性檢驗結果看，應變數「垂直整合VI」和自 變數「利得展望GP」的相關係數ß2.1
顯著性P值為0.589，大於0.05，表明VI’和利得展望 GP之間的關係不是很密切，與本文的假說H4 預計的ß2.1
統計不顯著相一致。而應變數「垂直整合VI’」和自變數「資產特用性AS’」 的相關係數ß
4.1
顯著性P值為0.000，遠小‧
AS’」的關係密切，而且相關係數ß4.1
符號是正的，完美支持Williamson的定理1和本文 的假説H5預測的ß4.1
>0；應變數「垂直整合VI’」和自變數「損失展望LP」的相關係數 ß3.1
顯著性P值為0.032，略大於0.01但是遠小於0.05，表明應變數「垂直整合VI’」和自 變數「損失展望LP」的關係密切，而且相關係數ß3.1
符號也是正的，有力地支持了本文‧
‧
型之外。模型1的資產特用性AS’的R2
為0.043，改變的F值為55.582，模型2輸入自變量 損失展望LP後，判定係數R2
增加了0.004，相較增比將近10%，有效增加了對應變數的解 釋量，R2
較低的部分原因可能是因爲我們的數據太過分散，尤其是未作區分的廣泛行業 定義，也可能表明存在其他因素（不是模型中的因素）對垂直整合策略的確定起了重要 作用。損失展望LP進入模型後改變的F值為5.079，顯著性水準P值為0.024，標明損失展 望LP進入模型後增加的個別解釋力達到顯著水準。D-W的檢驗結果為2.201，接近2，表‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 4.8 模型 A 的變異數分析
a
模型 平方和 df 平均值平方 F 顯著性 1 迴歸 .250 1 .250 55.852 .000
b
殘差 5.628 1257 .004 總計 5.878 1258 2 迴歸 .273 2 .136 30.556 .000
c
殘差 5.605 1256 .004 總計 5.878 1258 a. 應變數: 垂直整合 VI’
b. 預測值：（常數），資產特用性 AS’
c. 預測值：（常數），資產特用性 AS’，損失展望 LP
根據表4.8和表4.9的分析，本文設立的多元綫性回歸模型（A）通過了整體的變異數 檢驗和單個回歸係數t檢驗，説明模型（A）為顯著。從回歸係數表4-6可以得出非標準化 的回歸方程式（4.1）如下：
y=0.001+0.171 x
1
+0.001 x2
（4.1）即：垂直整合VI’=0.001+0.171 x 資產特用性AS’+0.001 x 損失展望LP
然而，由於非標準化回歸方程包含常數項（截距），無法比較預測自變量之間的相 對重要性，通過求回歸標準係數將原始回歸方程轉化爲標準化回歸（Standard regression coefficient）方程式（4.2）如下：
y = 0.207 x
1
+0.062 x2
（4.2）即：垂直整合VI’=0.207 x 資產特用性AS’+0.062 x 損失展望LP
其他不變，資產特用性AS’每變化一個標準單位，垂直整合VI’變動20.7%
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖4.2和圖4.3爲回歸標準化殘差直方圖和P-P圖。可以看出，圖4-2的標準化殘差值 的頻率分佈與常態分佈曲綫基本吻合，說明樣本觀測值大致符合常態性分佈的假設。同 樣，圖4-3標準化殘差值的累積可行性概率點較爲均勻地分佈於45度角的直線兩側，說 明觀測值很接近常態分佈的假設。綜合兩圖，我們可以認爲殘差分佈服從常態分佈，也 就是説，樣本觀測值基本呈常態分佈。
圖 4.2 模型 A 的回歸標準化殘差直方圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4.3 模型 A 的回歸標準化殘差 P-P 圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖4.4和圖4.5分別是應變數「垂直整合VI’」和回歸標準化預測值的交叉散佈圖、標 準化殘差和回歸標準化預測值的散佈圖。從圖4.4可以看出，應變數和標準化預測值成 多元綫性關係，而且方向一致。圖4.5的散點隨機地分佈於e=0的橫綫上下，說明樣本觀 測值符合常態分佈及變異數齊性的假設。
圖 4.4 應變數「垂直整合 VI’」和回歸標準化預測值的交叉散佈圖（模型 A）
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4.5 標準化殘差和回歸標準化預測值的散佈圖（模型 A）
表4.11所示是模型（B）的回歸係數及其顯著性t檢驗的結果，模型的t檢驗結果顯示 為顯著，允差（大於0.1）和變異數膨脹係數VIF（遠小於10）均表示模型無多元共綫性 問題。
根據表4.11的分析，本文設立的多元綫性回歸模型（B）通過了整體的變異數檢驗 和單個回歸係數t檢驗，説明模型（B）為顯著。從回歸係數表4-11可以得出非標準化的 回歸方程式（4.3）如下：
y=-0.35+0.013 x
1
+0.033 x2
（4.3）‧
化爲標準化回歸（Standard regression coefficient）方程式（4.4）如下：y= 0.056 x
1
+ 0.106 x2
（4.4）‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
係數ß
4.1
>0的假說一致，幷能通過顯著性水準爲1%的統計檢驗，說明公司的垂直整 合VI’與資産特用性AS’存在正相關關係，這與Williamson的交易成本經濟學TCE理 論定理1一致，完美支持了本文根據Williamson的垂直整合理論推衍出的假說H5——「垂直整合VI’與資産特用性AS’正相關」；
(2) 本文對模型（B）進行了檢驗，應變數「審慎程度DOP」和自變數「損失展望LP」
的標準化相關係數ß
3.2
=0.108，應變數「審慎程度DOP」和自變數「利得展望GP「的 標準化相關係數ß2.2
=0.059，係數符號均爲正，與H1和H3提出的相關係數ß3.2
>0 且 ß2.2
>0的假說一致，幷都能分別通過顯著性水準爲1%和5%的統計檢驗，說明應變數「審慎程度DOP」與自變數「損失展望LP」及「利得展望GP」都存在顯著相關關係，
由於LP<0，LP的絕對值越大則DOP越小，說明企業決策時的風險偏好越傾向於冒險，
也因為GP>0，GP越大則DOP越大，完美地支持了本文提出的假說H1——「審慎程 度DOP」與自變數「損失展望LP」負相關，以及假説H3——「審慎程度DOP」與自 變數「利得展望GP」正相關；
(3) 在對模型（A）的檢驗發現，垂直整合VI’和損失展望LP的相關標準化係數ß
3.1
=0.060，係數符號爲正，與本文提出的損失展望LP的相關係數ß
3.1
>0的假說一致，在5%的顯 著性水準上通過了統計檢驗，說明在控制了公司垂直整合理論中普遍認可的資産特 用性AS’對公司垂直整合程度的影響後，當公司的績效預期（PE）低於績效目標（PT）時，決策者的績效展望為損失展望LP，按照展望理論的推衍，其風險偏好為尋求風 險，根據Chiles & McMackin（1996）的理論，決策者會低估市場交易對手的機會主 義風險，看重市場分工帶來的利益，體現爲降低公司的垂直整合程度，這有力的支 持了本文提出的假說H2——「公司垂直整合程度VI’」與「損失展望LP」負相關，
以及Chiles & McMackin（1996）提出的理論定理2——「即使面臨更高的資産特用
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
水準，尋求風險的公司仍然會在市場中進行交易」；
(4) 在對模型（A）的檢驗中，應變數「垂直整合VI’」和自變數「利得展望GP」的相關 係數ß
2.1
=-0.15，係數符號爲負，與本文假說H4.0提出的GP的相關係數ß2.1
>0的假說 不一致，並且的顯著性檢驗為0.295（單尾），遠大於0.10，説明在績效預期高於績效 目標的情況下，決策者的績效展望為利得展望GP，雖然其風險偏好爲風險趨避，會 有增加垂直整合程度的傾向，但是在「保持選擇權」的投資態度和「不作為偏誤」導致的維持現狀因素作用下，這兩個因素在相反方向抑制了增加垂直整合程度的變 化，導致應變數「垂直整合VI’」和自變數「利得展望GP」不存在顯著的線性統計關 係，不支持本文提出的假說H4.0——公司的「垂直整合程度VI’」與「利得展望GP」
正相關，符合修正後的假說H4.1的預期，也同時挑戰了Chiles & McMackin（1996）
提出的理論定理3——「趨避風險的公司面臨較低的資産特用水準，就會垂直整合交 易」，即本研究的實證結果發現，風險偏好為風險趨避的公司未必一定會採取增加垂 直整合程度的策略；
(5) 本文基於展望理論推衍出的假說H6，因對損失的敏感程度遠遠高於對收益的敏感程 度，績效預期（Pe）低於績效目標（Pt）對於公司管理者的風險態度作用要大於績
(5) 本文基於展望理論推衍出的假說H6，因對損失的敏感程度遠遠高於對收益的敏感程 度，績效預期（Pe）低於績效目標（Pt）對於公司管理者的風險態度作用要大於績