資料來源與變數定義

一、決策評估單位選擇與資料來源

本研究之主要目的為探討生物科技廠商的經營績效之跨國比較，資料來源為 OSIRIS 資料庫，選取包含美國、日本、英國與德國等技術領導國家之上市公司，產 業範疇包含以全球產業分類標準（global industry classification standard, GICS）定義 之製藥、生物科技與生命科學產業群組內的生物科技與製藥兩個領域，編號分別為 352010 與 352020。各廠商的投入變數與產出變數取自其資產負債表與損益表之資 料，以每年的 12 月 31 日為一會計年度，貨幣的計價單位統一為百萬美元。因研究 範圍涵蓋西元 2006 年至 2008 年，故本研究係採用跨年度資料，為了避免各年度物 價差異造成投入項與產出項的膨脹或緊縮而影響衡量結果，故將名目的數值皆以各 國的國內生產毛額平減價格指數 加以平減為基期的實質數值（以西元 2005 為基 期），以求實證的準確性。部份資料因完整性不足以予剔除，因此受評單位為：美 國 152 家廠商、日本 40 家廠商、英國 30 家廠商以及德國 18 家廠商，而在效率分 析的過程中將各國三年的資料合併估計，所以各國的觀測值分別為：美國 456 筆、

日本 120 筆、英國 90 筆以及德國 54 筆，共總計 720 筆觀測值。

二、投入與產出變數之選取

DEA 的分析過程係藉由投入與產出的資料導出相對有效率的生產邊界，然後 以 此生產邊界為基準，再估算其他非效率單位的效率值。DEA 的模型設定，以投入項 和產出項的選定最為重要，因為當投入、產出項變動時，會影響 DEA 的效率值。本 研究根據對生物科技廠商的效率衡量之相關文獻進行整理，選取對廠商的經營績效 影響重大之投入變數作為實證分析之用（Saranga and Phani, 2004, 2009; Chen et al., 2005; Saranga, 2007; Liang et al., 2008; Kim et al., 2009）。其中，所選取的投入變數

40

分別為(1)固定資產：包括土地、建築、機器、儀器設備與其他設備成本等，為財務 報表裡資產負債表之固定資產，以百萬美元為計算單位。(2)員工人數：每年各個生 物科技廠商所雇用的總人數，以人數為計算單位。(3)銷售成本：為財務報表中損益 表裡營業費用之銷售成本，以百萬美元為計算單位；另一方面，由於生物科技產業 屬於高科技產業，為衡量其經營績效的表現，本研究根據 Thore et al.（1996）的研 究，所選取的產出變數分別為(1)銷貨淨額：為財務報表損益表裡營業收入淨額，其 代表廠商目前營運所得之收益，以百萬美元為計算單位。(2)市場價值：以流通在外 的股數乘以於其證券市場上的市場價格，以百萬美元為計算單位，其代表預期所有 未來淨收益的折現值，表 5-1 為本研究的投入變數與產出變數之整理說明。

表 5- 1 投入變數與產出變數說明

變數 單位 定義

投入項

員工人數 （人） 廠商每年雇用的全部員工人數。

固定資產 （百萬美元） 包含廠商所擁有的土地、建築、機器、儀器設備與其他設備 成本等，為財務報表資產負債表之固定資產。

銷售成本 （百萬美元） 損益表中 廠商從事產品的銷售活動所付出的全部相關費 用。

產出項

淨銷售額 （百萬美元） 損益表中於扣除現金折扣、商業折扣、銷貨退回、貨物稅以 及給予客戶之津貼後的產品銷售金額。

市場價值 （百萬美元） 以證券市場上的收市價格作為計算基準，乘上廠商的已發行 之股份總數所得到的總值。

資料來源：OSIRIS資料庫。

基於DEA之投入變數與產出變數必須符合單調性（isotonicity）的原則，投入要 素增加不得導致產出的減少，亦即兩者要有正相關之特性。因此，為瞭解所選取的 投入變數與產出變數之間的關係， 本研究進行Person相關係數檢定，分析結果彙整 如表5-2所示。檢定結果指出，在1%的顯著水準下，本研究所選取之投入變數與產 出變數的相關係數均呈現顯著正相關（顯著檢定P值小於0.01為顯著），說明所選取 的投入變數增加，則相對的產出變數也將隨之增加，顯示滿足單調性的特性，因此

41

成為本研究的研究變數是具有合理性。

表 5- 2 投入變數與產出變數之相關係數分析表

固定資產 員工人數 銷售成本

淨銷售額 0.958 ^**

(0.000)

0.980^**

(0.000)

0.898^* (0.000) 市場價值 0.839^**

(0.000)

0.852^**

(0.000)

0.687^**

(0.000)

註：**代表在顯著水準為 0.01 時（雙尾）呈現相關顯著；括號代表 P-value 值。

42 最大值 24,201.700 7,253.622 33,042.059 49,276.288 員工人數

(人)

平均數 1,429.838 3,062.567 5,975.456 8,149.130 標準差 6,672.201 4,142.885 21,558.087 23,290.613 最小值 1.000 40.000 4.000 3.000 最大值 69,000.000 18,434.000 103,401.000 105,622.000 銷售成本

(百萬美元)

平均數 164.418 427.279 428.199 1,192.108 標準差 822.744 630.919 1,468.947 3,964.928 最小值 0.000 0.119 0.000 0.000 最大值 10,201.887 2,528.642 6,240.665 19,289.185 產出變數 最大值 27,961.697 14,077.784 44,554.911 45,972.937 市場價值

(百萬美元)

平均數 2,508.105 4,151.110 6,885.858 3,216.814 標準差 10,069.412 9,224.664 25,722.856 11,255.675 最小值 0.001 0.415 2.261 2.132 最大值 86,443.187 59,372.200 149,105.092 67,847.594

觀測值數目 456 120 90 54

註：所有的名目變 數皆以各國國內生產毛額平減價格指數加以平減（以2005 年為基期）。

43

第二節 實證分析與結果

一、群體邊界差異之分析

本研究採用 O’Donnell et al.（2008）將共同邊界運用於 DEA 的評估方法，該法 之特點在於可將樣本依不同的生產技術分成幾個類別，進行個別或是類別受評單位 廠商排除可能會引起自由度過小的問題，因此 Cooper et al.（2000）建議每一個無效 率 DMU 能以其於生產邊界上的相對投射點取代之。如圖 5-1，首先各國在面對自己

44

本研究首先採用可分析K組（K > 2）獨立樣本之Kruskal-Wallis檢定驗證：美國、

日本、英國與德國等四個國家之生物科技廠商的生產邊界是否相等。檢定統計量為

（Sueyoshi and Aoki, 2001）：

)

接著，本研究再進一步以Mann-Whitney U檢定進行多重比較，以確認那些國家 間存在顯著的差異，而那些國家間之差異不明顯。因此，本研究採用可分析兩組獨 立樣本的Mann-Whitney U檢定分別驗證：(1)美國與日本(2)美國與英國(3)美國與德國 (4)日本與英國(5)日本與德國(6)德國與英國之生產邊界是否相等，檢定統計量為

（Brockett and Golany, 1996）：

1

45

表 5- 4 群體邊界之無母數檢定表 Kruskal-Wallis 檢定

卡方 414.512

自由度 3

漸近顯著性 0.000**

Mann-Whitney U 檢定

美國/日本 美國/英國 美國/德國 Mann-Whitney U 2,548.000 2,833.500 1,420.000

Z -15.815 -13.472 -11.168

漸近顯著性 小於 0.001** 小於 0.001** 小於 0.001**

日本/英國 日本/德國 英國/德國 Mann-Whitney U 3,036.000 1,546.000 2,102.000

Z -5.425 -5.511 -1.354

漸近顯著性 小於 0.001** 小於 0.001** 0.176

註：**表 P-value <α ^{= 0.05。}

由表 5-4 之檢定結果顯示，Kruskal-Wallis 檢定指出四個國家的群體邊界之 P-value 小於顯著水準α = 0.05，因此拒絕虛無假設 H0，表示四個國家的群體邊界存 在顯著差異。而為了探討兩個國家之間的群體邊界是否相同，故再將群體邊界進行 多重比較，由 Mann-Whitney U 檢定結果指出，僅有英國與德國的群體邊界檢定之 P-value 為 0.176，在顯著水準α=0.05 下無法拒絕虛無假設 H₀，顯示英國與德國的 群體邊界是無顯著差異的，而其他任兩國家之間的群體邊界檢定之 P-value 皆小於顯 著水準α =0.05，表示其它任兩國家間相互都有顯著差異。藉由此分析結果可推估這 些群體廠商係來自不同母體，將可合理地支持本研究之多群體之間的比較分析之假 設。

46

二、效率指標與技術缺口分析

本研究利用 Lingo 10 軟體進行效率指標與技術缺口的計算，應用 Färe and Grosskopf（2005）發展的方向性距離函數之概念於 O’Donnell et al.（2008）提出的 DEA 之共同邊界方法，進行各國家經營績效的比較。首先，本研究將樣本資料以國

47

國的經營績效之表現居次，其平均值為 0.493，因其標準差與日本相較之下比較大，

說明各廠商經營績效之表現較為不一致。在群組邊界的效率指標方面，德國的平均 值較佳，代表群組內無效率之廠商與群組邊界上相對具有效率之廠商的績效表現較 為相近，亦即群組內的技術分佈較密集，廠商之間的同質性較高；而美國的平均值 較差，代表群組內無效率之廠商與群組邊界上相對具有效率之廠商的績效表現較為 具有差距，亦即群組內的技術分佈較分散，廠商之間的異質性較高。在技術缺口方 面，美國與日本的技術缺口皆較小，顯示其群體邊界較接近共同邊界的潛在技術水 準，亦即整體產業的技術最為進步。

相較於美國與日本，英國與德國則於共同邊界的效率指標之表現較差，其中，

德國的平均值高達 0.584，換言之，表示若採用潛在最佳的生產技術，整體廠商仍將 有 58.4%的改善空間。在群組邊界的效率指標方面，英國與德國的平均值相近，且 與美國相較之下皆較小，表示其群組內的廠商之間同質性較高。而在技術缺口方面，

英國與德國的技術缺口較大，表示其群體邊界與共同邊界相較之下的技術水準差距 較大，技術皆較為落後。

表 5-6 為美國、日本、英國與德國於共同邊界與群組邊界下相對有效率廠商的 個數總計與所佔比例。美國在群組邊界之下為 11.84%，而於共同邊界之下相對具有 生產效率的廠商為 10.09%，顯示於兩個比較基礎之下的差距相對較小，產業內之有 效率廠商較具有國際競爭力；相較之下，日本、英國與德國在群體邊界之下分別為 18.333%、28.89%與 42.59%為相對有效率廠商，但在共同邊界之下卻僅有 3.33%、

7.78%與 7.41%為相對有效率廠商，顯示於兩個比較基礎之下的差距相對較大，產業 內之有效率廠商較不具國際競爭力。

表 5- 6 共同邊界與群組邊界下相對有效率之廠商

美國 日本 英國 德國

個數 百分比 個數 百分比 個數 百分比 個數 百分比 β^g 54 11.84% 22 18.33% 26 28.89% 23 42.59%

β^m 46 10.09% 4 3.33% 7 7.78% 4 7.41%

註：百分比為各國之相對有效率廠商佔其廠商總數的比例。

48 Kruskal-Wallis檢定

不分群組之β^m檢定 不分群組之TG檢定

Mann-Whitney U 22104.000 16412.000 9731.000

Z -3.241 -3.005 -2.522

漸近顯著性 0.001** 0.003** 0.012**

βm檢定 日本/英國 日本/德國 英國/德國

Mann-Whitney U 3354.000 2040.000 2352.000

Z -4.695 -3.904 -0.322

漸近顯著性 小於0.001** 小於0.001** 0.747

TG檢定 美國/日本 美國/英國 美國/德國

Mann-Whitney U 2447.000 2832.000 1432.000 Z -15.793 -13.384 -11.066 漸近顯著性 小於0.001** 小於0.001** 小於0.001**

TG檢定 日本/英國 日本/德國 英國/德國

Mann-Whitney U 3183.000 1599.000 2066.000

Z -5.088 -5.338 -1.502

漸近顯著性 小於0.001** 小於0.001** 0.133

註：**表 P-value <α = 0.05。

49

三、差額變數分析

透過差額變數分析可提供廠商在目前的資源使用情形之資訊，不但可以作為目 標設定之基準，亦可瞭解無效率廠商為達最適生產規模尚有多少改善的空間。本研

透過差額變數分析可提供廠商在目前的資源使用情形之資訊，不但可以作為目 標設定之基準，亦可瞭解無效率廠商為達最適生產規模尚有多少改善的空間。本研