研究變數

根據對投入資本報酬率（ROIC）公式的解構，可得到九項財務比率：

1. 營運效率：銷貨成本／銷售淨額、研究與發展費用／銷售淨額、折舊／

銷售淨額、管銷費用／銷售淨額、營業所得稅／銷售淨額、無形資產／銷 售淨額 2. 資本槓桿： 應收帳款／銷售淨額、應付帳款／銷售淨額、總資 產／銷售淨額。

由於套裝軟體產業特性，本研究更改以下變數以符合套裝軟體產業真 實的狀況

1. 去除存貨(Inv)的變數：絕大部分公司的產品為提供軟體服務或僅有 極少數的實體存貨

2. 以總資產(Total Asset)取代固定資產(Fixed Asset)：因軟體公司絕少部 分將資產投資於廠房及生產設備上。

3. 加 上 無形 資產 (Intangible Asset) ： 由於 軟 體公 司投 資在智 慧 資產 (intellectual Property)的比例較高，而且一家軟體公司的硬實力通常表 現在無形資產上。

3.4

研究方法

因素分析（factor analysis）屬多變量分析中相依分析方法（analysis of interdependence）的一種技術。依使用目的而言，可區分為探索性因素分析

（EFA, exploratory factor analysis）與驗證性因素分析（CFA, confirmatory factor analysis）兩類。探索性因素分析試圖通過多個可觀測變量間的相關，

探查不可觀測變量的屬性，簡言之，探索性因素分析所做的是模型的建立，

並無明確的理論依據與預設立場。另一方面，驗證性因素分析乃依據一定 的理論，對潛在變量與觀察變量間關係做出合理的假設，並對假設進行模 型驗證的統計分析方法。

本研究採用探索性因素分析。目的在於用簡潔、精確的方法來描述眾 多變項之間的交互關係，以協助研究者對這些變項的概念化（Gorsuch, 1983）。

概念上而言，使用探索性因素分析的目的有下列四點（Hair Jr. et al., 1998）：

1. 辨認資料或變項的結構

2. 進行資料構面的縮減，以少數的因素來代表眾多的變項 3. 以因素分析的結果進行其他的統計分析

4. 透過因素分析選擇重要的變項

採用探索性因素分析的主要目的為歸納變數（summarization），將不同 的財務指標歸納成幾個有概念化意義的面向；另一方面因素分析為資料重 整（data reorganization），經因素分析後的資料，仍需用來做進一步的資料 分析，以驗證研究架構中的研究假設是否成立。本研究利用因素分析後各 個變項上的因素分數（factor scores），繼續進行後續的集群分析。

3.4.2 集群分析

集群分析（Cluster Analysis）主要應用在多變量資料上，為多變量分析 中相當實用的分析工具之一，其目的為發現或偵測資料中的群眾現象，使 得每一集群中資料有高度的同質性，而不同集群中有較大差異，為分析高

維度資料及大型資料庫中重要資料採礦（data mining）的工具之一。作法是 以「距離」作為分類的依據，將比較相似的樣本聚集在一起形成集群，相 對距離愈近相似程度愈高，將距離相近者歸類為同一群組，並使各集群間 的距離相遠。此統計分析方法不需要任何的假設。集群分析主要分為階層 式 集 群 分 析 法 （ Hierarchical Clustering ） 及 非 層 級 式 集 群 分 析 法

（Nonhierarchical Clustering）兩種。若研究中觀察值的個數較多或資料檔非 常龐大（通常指觀察值樣本數在 200 個以上），通常建議採用非階層式群集 分析當中最典型的 K-帄均法（K-means method）作為分析的依據。不過為 了使集群之結果更為理想，通常研究者會以兩階段方法來進行集群分析

（two-stage cluster analysis）(Hair, 1998)。首先，第一階段以華德最小變異 法 (Ward’s minimum variance method) ：目的是希望合併後集群內的聯合 組內變異量達到最小；決定群組個數後，第二階段再以 K-帄均法進行集群 分析，最後再進行集群的分析及命名。

K 帄均法 (K-mean method) ：

1. 依預先假定的集群個數 k，設定 k 個種子點 (seed)。

2. 計算每個觀察體到各集群形心的距離，並將其分派到最近的一群。

3. 重新分派每個觀察體到適當的集群，直到達到事前訂定的停止標準 為止。

4. 重複步驟 2、3，直到無法重新分派為止。。

3.4.3 區別分析

區別分析(discriminate analysis)乃是在樣本已事先分群的情況下，利用 特定區別變數來找出有效的區別函數，以便得知區別變數鑑別各分群的能 力並預測樣本應歸屬到那一群集。在財務管理上，在已知樣本公司是繼續 經營或解散的情況下，我們希望透過一些財務指標，來找出什麼是影響公 司繼續經營與否的關鍵，再針對這些重大的影響因素來加以調整，以求繼

續生存。在策略管理上，當企業進入新市場之投資方式不同時(合資或獨資)，

我們希望透過調查企業之組織特性，來瞭解何種組織特性是造成公司採取 何種進入方式的影響因素，並根據研究公司之組織特性，來推估可能較為 適當的進入方式(Cooper, 2010)。

進行區別分析的目的

1. 利用變數來建立區別函數，以衡量群集間的差異。

2. 找出在不同群集間，最具區別能力的變數。

3. 透過區別函數來預測新樣本屬於那一群集。

區別分析(Discriminant Analysis) 和多變量變異數分析(MANOVA)的比 較，區別分析和多變量變異數分析相似之處是兩者都是使用同樣的方式來 計算分組間的統計顯著性，亦是說求得區別函數 F 值最大，不同之處是區 別分析則是使用多個自變數來計算區別函數，MANOVA 使用多個依變數來 計算區別函數，圖示如下：

區別分析

Y = X1+ X2+….+Xn 計算區別函數 多變量變異數分析

Y1 + Y2 + …+Yn = X1+ X2+….+Xn 計算區別函數