雖然在前一小節敘述統計的檢定結果中，僅整體樣本及非ICT 產業的負債比率波動 變幅，於成長期發展至成熟期階段之間具有顯著的降低改變，但從所有跨生命週期階段 的實際波動變幅變動趨勢來看，仍可與5.1 小節中有關目標負債比率於實際負債比率之 間的預期變動差異相仿。因此本研究認為，當公司逐漸朝向成熟階段的生命週期發展時，
相對在資本結構的調整上，可能會因有資本結構調整成本的因素考量，而使公司減少調 整資本結構的行動，而使資金來源的組成愈趨穩定。此一融資行為帳的改變，不但同時 讓調整幅度縮減，也因此會使實際波動變幅範圍減少。然至晚期階段，又可能因自有資 金不足而虛像外募集資金，但在晚期階段風險覺高的情況下，可能又使波動變幅加劇，
並導致向目標資本結構的策略因而扭曲，然因初步的檢定中並無法以顯著證據加以支持 變幅的增加，因此僅能嘗試以推論的方式進行說明。
然而若將此一結果整合不同生命週期的公司特性表現後，本研究發現在資本結構波 動變幅的資料表現上，有部分表現可初步符合Fischer, et al. (1989) 在有關動態資本結構 研究中所歸納出的推論，即經營風險較高23者，其負債比率隨著時間經過而有變動範圍 愈大的情況產生。然Fischer, et al. (1989)亦認為，其研究結果僅以交易成本的觀點進行 可能稍顯不足，且該研究假設公司特性並不隨時間變動而有所改變。有鑑於此，為了補 充負債比率波動變幅形成差異的實質影響因素，以及利用不同公司發展階段的時間變化 基礎，以了解各項因素是否對變幅具有不同的顯著影響，本研究以下利用CARRX 迴歸 應用模型，將負債比率波動變幅分別就產業別與不同生命週期階段間，以不同產業類別 群組資料進行迴歸模型的估計，並將結果加以分析後，以對動態調整範圍變化的顯著成 因進行整合說明。
有別於前一小節中的迴歸模型，CARR 模型除可對固定時間內進行變幅的取樣與探 討外，亦可針對時間序列中所產生的自我相關問題進行修正。由於前述迴歸模型分析結 果中，並沒有對各項自變數可能具有時間序列上的落後影響進行分析，因此本研究利用 修正後的CARRX p q M( , , )應用模型，將落後影響期數加入影響波動變幅的考量當中。在 落後期數的決定上，本研究首先利用軟體計算各項變數落後項之PAC (Partial
Autocorrelation)值及樣本分布，已初步決定可能之落遲期數(lag distribution)。其次，再 利用Panel Augmented Dicky-Fuller (ADF)單根檢定方式，以原始值(level)之 AIC (Akaike Information Criterion)值判定落遲期數之後，再進行一階差分之檢定，相關結果如表 5.4 所示。
23 在 Fischer, et al. (1989)的研究中，認為公司規模較小、風險較高、稅賦較低，以及破產成本較低的公司，
在負債比率調整的幅度上較大。而本研究僅以公司由成長期發展至成熟期階段，可能會因經營風險較 低而降低調整範圍的表現上，與該研究推論一致。
表5.4 各變數落遲 PAC 值及 AIC 建議落遲期數
落後一期 PAC 值
落後二期 PAC 值
PAC 落遲期數推估
AIC 準則 建議落遲期數
ࡾ 0.082 0.048 1-2 0-2
ࢵ 0.752 0.091 1 0-2
NDTS 0.845 -0.070 1 0-2
RD 0.732 0.068 1 0-2
ROA 0.512 0.092 1 0-2
LN_SIZE 0.893 -0.048 1 0-2
FAGR 0.056 -0.001 1 0-2
MVBV 0.633 0.165 1-2 0-2
OWNER 0.168 0.017 1 0-2
註1：PAC 落遲期數推估，係根據各變數在 Panel Correlogram 層級(level)落後資料分布的偏相關(partial correlation)表現中，選取 PAC 值相對較高者進行推估。
註2：所有變數經 ADF 一階差分單根檢定後，均在 1%顯著水準下，拒絕具有單根的虛無假說。
資料來源：本研究整理。
在表5.4 的落遲期數推估結果中，不論是藉由 PAC 值進行判斷，或是利用單根檢定 進行分析，皆建議在落遲兩期內的方式進行 CARRX 迴歸應用模型。但其中有兩項變數(實 際波動變幅 R、市值與帳面價值比 MVBV)的 PAC 分布呈現一期以上的落後趨勢表現，
為了符合迴歸模型的一致性，本研究仍將其落遲項數設定為一期進行分析。根據上述落 遲項的決定，以下將迴歸方程式設定為一階自我相關CARRX(1,1,1)迴歸應用模型，並以 此進行(9.1)式之迴歸分析。其次，由於利用此一模型的原始估計結果，具有異質變異數 的現象產生，因此本研究亦利用White (1980)修正模式進行迴歸，以降低出現異質變異 數(heteroskedasticity)的偏誤影響。以下表 5.5 為以(9.1)式為基礎，分別對整體樣本、ICT 產業，以及非ICT 產業的資料進行模型估計後所得到的結果。
5.3.1 整體樣本估計結果分析
首先在表5.4(I)有關相關影響因素在整體樣本表現的部份，以(9.1)式為基礎的模型 中，影響負債比率波動變幅實際波動變幅值(Rt)與預期波動變幅值(t)，雖皆對當期波 動變幅具有顯著正向影響，但此兩變數的係數估計值表現卻有極大差異。根據過去資訊 所彙整的預期波動變幅值(t)，其對負債比率波動變幅的影響程度，遠高於前期實際波 動變幅值(Rt)，顯示公司在負債比率的調整範圍上，除會受到過去變化資訊的影響外，
同時亦代表在有效的資訊回饋下，通常公司調整決策較傾向採用彙整後的資訊進行，而 非僅就單一落後期間資訊為主。本研究認為，上述的表現說明了在前一章中所採用的部 分調整模型(partial adjustment model)，雖然可分析資本結構動態調整的決策因素，但仍 僅限於對落遲期間的決策修正，對於期間內若有重大變動或非預期的事項發生，則可能 會導致過度的調整，而使資本結構產生偏離。然而在以CARR 模型為基礎的估計中，因
包含了累積資訊變量，且經共整合的檢定決定落遲期間，應較能提供在長期資訊下的期 間決策依據。
其次，在以生命週期階段為基礎，對各項估計值的影響部分的分析中，首先在個別 生命週期階段中的截距項，本研究發現截距項對波動變幅皆呈現顯著為正的影響，但各 階段的數值則呈現V 型趨勢，代表在成熟期階段的初始變幅最低，而成長期及停滯/衰 退期階段則波動幅度較高。這樣的表現初步說明了整體樣本的表現上，在成長期與停滯 /衰退期階段的調整或資金組成變動較大，但成熟期階段則趨向較為穩定，除符合敘述統 計中的推論外，也與Fischer, et al. (1989)的預期一致。
而在其他具有顯著性的解釋變數影響中，非負債稅盾利益(NDTS)在成長期為正向，
但成熟期轉為負向影響的表現，代表整體樣本公司在早期階段，可能會因取得較大的非 負債稅盾，而導致資本結構的變動幅度加劇。這部份表現可與公司獲得非負債稅盾或其 他租稅減免的優惠上，若高於調整資本結構所獲得的資金調整成本降低利益時，則較傾 向改變現有資本結構組成推論一致。亦即實際賦稅愈低，則資本結構變動程度愈大。上 述結果除支持本研究假說5.1 外，亦可符合 Fischer et al. (1989) 研究中認為稅賦愈低，
則負債比率調整幅度愈大的預期結果。但成熟期階段具有的負向影響，則說明公司發展 成熟後 ，雖仍可享有稅盾而減少舉債，可能又因需另行尋找資金來源以彌補不足，在舉 債成本較高的情況下，不隨意調整負債比率水準，致波動變幅較低。然整體樣本中的研 發密度(RD)皆呈現不顯著，則可能與產業差異有關。
其次在獲利能力(ROA)與公司規模(LN_SIZE)對波動變幅的影響上，獲利能力僅在 成熟期階段具有顯著負向影響，但公司規模則在各階段中階維持顯著負向影響。從這樣 的結果中可說明，整體樣本在成熟期階段，其資本結構的調整，會較為重視獲利累積的 現金流量，而公司規模愈大，又相對具備較低的營運風險，因而能獲得較低的資金調整 成本，而降低進行取得其他資金來源的調整策略行為產生。以上具有顯著性的影響因素 表現，除了可支持本研究假說5.3 及 5.4 以外，亦與 Fischer et al. (1989)對經營風險與負 債比率調整變動之間關係的結論一致，即營運風險愈低(即獲利能力愈高)的公司年度，
其波動變幅程度亦愈低。
固定資產成長率(FAGR)在各階段的表現均不顯著，故代表此一變數的變化對波動 變幅並無太大的影響。但在市值與帳面價值比(MVBV)的影響上，則對各生命週期階段 皆呈現顯著的正向影響，且隨公司生命週期階段的發展，而有遞增的趨勢。本研究認為，
MVBV 對於波動變幅的影響，配合前一章節中對負債比率的正向影響來看，呈現增加舉 債意願可能性較高。這樣的推論主要是基於公司在具有較高的市場價值時，其短期舉債 水準可能因資金調整成本降低而增加，導致負債比率的波動變幅加劇。這樣的表現在成 長期階段可能因短期舉債資金需求較低，而使影響較小。然至發展晚期階段在長期資金 的部位不易取得的情況下，該項影響即可能會增加。
最後在整體樣本中，董監事及經理人對波動變幅的影響皆不顯著，然此一情況可能 因產業差異而抵消。但在不同產業虛擬變數的表現上，則僅在成長期階段較不明顯，但 ICT 產業仍在成熟期與停滯/衰退期階段，具有較高的資本結構調整波動表現。為了進一 步了解此項產業差異的組成，以下小節將從不同產業別資料的估計與表現，進行相關的 說明與分析。
表 5.5 負債比率波動變幅 CARRX(1,1,1)迴歸模型估計結果
(170.735)
0.771*** NDTSit
0.026* LN_SIZEit
-0.238*** FAGRit
< 0.001 MVBVit
0.619*** OWNERit
-0.002 為公司非負債稅盾利益；RD 為研發密度；ROA 為公司總資產報酬率；LN_SIZE 為公司規模；FAGR 為固定資產成長率；MVBV 為公司市值與帳面價值比；
OWNER 為公司年底董監事及經理人持股比率；IND 為產業虛擬變數。
註2：上表各迴歸模型，皆經 White (1980)殘差修正，以降低異質變異數的影響
註2：上表各迴歸模型，皆經 White (1980)殘差修正，以降低異質變異數的影響