第四章 實證結果與分析
第四節 誤差修正模型實證結果與分析
Schwarz(1978)提出之 SBC 準則(Schwartz Bayesian Information Criterion)來選取 VAR 模型最適落後期數，並檢測其殘差是否有自我相關現象，若存在自我相關 現象必頇延長落後期數，直到殘差無自我相關為止。其中 AIC 準則與 SIC 準則 如下：
1. AIC 準則(Akaike Information Criterion) ln 2 AIC
T
p其中 T 為總樣本數，
為殘差共變異數矩陣之行列式值，p
為待估計參數 總數，選取AIC
之最小值為 VAR 模型最適落後期數。2.SBC 準則（Schwartz Bayesian Information Criterion）
ln ln( ) 個，每一自變數的落後期各為n
j
，βε
為調整速度參數(speed of adjustment parameter)，‧
(mean square error of forecasting)和增加解釋能力，若是則表示變數間存在因果關 係。Granger 因果關係為統計上的因果關係，指的是變數間的領先-落後(lead-lag) 關係。Granger(1969)雙變數 VAR 模型設定如下：
t j t
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
20
為回饋因果關係。
Granger 因果關係有三種情況：
1. 獨立關係(Independence)
表示變數間不存在因果關係，即預測 Y 時無法藉由加入另一變數 X 的落後期 數來增加其預測能力，反之亦然。表示變數相互獨立。
2. 單向因果關係(Causality)
指預測 Y 時，藉由加入另一變數 X 的落後期數，可以增加其預測能力。則稱 X Granger causes Y，表示 X 領先 Y。但預測 X 時，無法藉由加入 Y 的落後期數 來增加其預測能力，故稱為單向因果關係。
3. 回饋因果關係(Feedback)
指預測 Y 時，藉由加入另一變數 X 的落後期數，可以增加其預測能力，反之 亦然。表示兩變數間相互影響，加入另一變數的落後期數有助於兩變數的相互預 測，稱為回饋關係。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
21
第四章 實證結果與分析
本章將依第三章所介紹之計量方法對選定之 TDRs 進行檢定，首先定義各參
數，接著做單根檢定，再以共整合檢定找出各參數間是否具有長期均衡關係，最 後則從事因果關係檢定，以探討 TDR 與原股股價之領先落後關係。
第一節 資料描述與基本統計分析
一、TDRs 介紹與樣本之選取 (一) TDRs 介紹
外國企業在台上市的有兩種方法，一是向證交所申請初次上市，二是向證交 所申請發行台灣存託憑證(Taiwan Depository Receipts, TDRs)。
台灣存託憑證是指外國上市公司（外國發行人）或股東，將公司有價證券（股 票）交付保管機構保管，由存託機構在中華民國境內發行表彰存放於保管機構之 外國有價證券（股票）之憑證。臺灣存託憑證於臺灣證券市場上市，買賣、交割 方式與臺灣上市股票相同。初次上市和第二上市差異為，第二上市指該企業已在 國外掛牌，另外再臺灣申請上市，以存託憑證掛牌，進行募資。
TDRs 對投資人的好處有：1.增加投資管道，2.買賣方式簡便如台股，3.交易 以台幣計價免除匯兌損失，4.原股上市地和台灣採雙邊聯集管理，上市公司不僅 頇遵孚原上市地規定，也需遵孚台灣地區的規定，在監理面、資訊揭露面及投資 人保護等，將給予投資人雙重管理。對發行人來說，赴海外掛牌可以增加公司財 務規劃彈性，同時提高企業知名度，反映公司市場價值並進一步可以和台灣產業 結合。對台灣證券市場而言，可以擴大市場規模邁向國際化，以及增加證券商收 入和政府稅收。
自民國 90 年起至今共有 35 檔 TDRs 申請在台灣證券交易所上市成功，原上 市地有香港、新加坡、馬來西亞、泰國和東京，其中大部分來自香港和新加坡。
2001 年至 2003 年共有四檔 TDRs 在台上市，但並未引起投資人注意，市場沉寂
‧
‧
Jarque-Bera 1.840839 140.8016 Jarque-Bera 7.565614 2690.985
Probability 0.398352 0 Probability 0.022759 0
‧
Jarque-Bera 219.7516 2566.443 Jarque-Bera 14.77036 367.1242
Probability 0 0 Probability 0.00062 0
Jarque-Bera 99.67476 231.9249 Jarque-Bera 22.10548 369.7117
‧
達方便將做以下代換，TDRs 股價=price，以 p 代表，原股股價=original price，以 op 代表，匯率=currency，以 cur 代表，台灣大盤指數=Taiwan index，以 t 代表，
至於國外大盤指數則以國家名稱代表，例如香港 hk，新加坡 sin，泰國 tha 等，
Singapore Sin
Thailand Th
‧
本研究採用 Johansen(1990)所提出之方法做 TDR 與原股股價之共整合檢定，
由於各檔 TDRs 的參數皆為一階定態 I(1)，參數之間有機會存在長期共整合關係。
首先從 VAR 模型中以 AIC(Akaike Information Criterion)與 SBIC(Schwartz Bayesian Information Criterion)準則選出最適落後期數，AIC 和 SBIC 在本篇研究 結果顯示有兩種情況，一是兩者相同，二是 AIC 最適落後期數較 SBIC 多一期，
No. of CE(s) Statistic Critical Value Prob.** No. of CE(s) Statistic Critical Value Prob.** No. of CE(s) Statistic Critical Value Prob.**
None * 97.83134 76.97277 0.0006 None * 88.68126 76.97277 0.0049 None * 89.44688 76.97277 0.0041
No. of CE(s) Statistic Critical Value Prob.** No. of CE(s) Statistic Critical Value Prob.** No. of CE(s) Statistic Critical Value Prob.**
None * 106.2392 76.97277 0.0001 None * 106.3732 76.97277 0.0001 None * 84.47086 76.97277 0.0120 At most 1 48.88714 54.07904 0.1341 At most 1 48.99486 54.07904 0.1316 At most 1 50.09536 54.07904 0.1082
‧ No. of CE(s) Statistic Critical Value Prob.** No. of CE(s) Statistic Critical Value Prob.** No. of CE(s) Statistic Critical Value Prob.**
None 58.82486 69.81889 0.2732 None * 290.9813 76.97277 0.0000 None * 80.50839 76.97277 0.0262
No. of CE(s) Statistic Critical Value Prob.** No. of CE(s) Statistic Critical Value Prob.** No. of CE(s) Statistic Critical Value Prob.**
None 74.31166 76.97277 0.0784 None 65.50768 76.97277 0.2707 None * 106.6590 76.97277 0.0001
當變數間的共整合關係存在時，依據 Engle and Granger(1987)的 Ganger Representation Theorem，兩數列之間必存在一向量誤差修正模型與其相對應，換
‧
Error Correction: D(LNP) D(LNCUR) D(LNHK) D(LNOP) D(LNT) Error Correction: D(LNP) D(LNOP) D(LNCUR) D(LNT) D(LNHK) CointEq1 -0.058851 0.003830 -0.000485 0.030434 0.000467 CointEq1 -0.093173 -0.031295 -0.005812 -0.018869 -0.011978 [-3.15149]** [ 1.56744] [-0.03226] [ 1.33573] [ 0.03573] [-6.47913]** [-2.06778]** [-3.56408]** [-2.33542]** [-1.22979]
D(LNCUR(-1)) -0.180369 0.057453 0.017215 -0.822861 -0.032808 D(LNOP(-1)) 0.232606 -0.066456 -0.011345 -0.02855 -0.039219 [-0.53909] [ 1.31226] [ 0.06386] [-2.01568]** [-0.14000] [ 5.26850]** [-1.43020] [-2.26597]** [-1.15093] [-1.31156]
‧
Error Correction: D(LNP) D(LNOP) D(LNCUR) D(LNT) D(LNTH) Error Correction: D(LNP) D(LNOP) D(LNCUR) D(LNT) D(LNHK) CointEq1 -0.000524 0.000539 -0.000294 -9.61E-06 -1.27E-05 CointEq1 -0.010813 -0.017522 0.000930 0.004067 0.001428 [-0.85183] [ 0.79921] [-5.77168] ** [-0.03944] [-0.04352] [-2.3787] ** [-3.38273] ** [ 2.4046] ** [ 2.0064] ** [ 0.60548]
D(LNOP(-2)) 0.013949 -0.001409 -0.000859 -0.011724 0.000784 D(LNOP(-2)) -0.070742 -0.087958 -0.004452 -0.03067 -0.037932 [ 0.36700] [-0.03377] [-0.27279] [-0.77883] [ 0.04335] [-1.54748] [-1.68859] [-1.14463] [-1.50478] [-1.59923]
Error Correction: D(LNP) D(LNOP) D(LNCUR) D(LNT) D(LNSIN) Error Correction: D(LNP) D(LNOP) D(LNCUR) D(LNT) D(LNSIN) CointEq1 -0.061829 0.023932 -0.001845 -0.007015 -0.001718 CointEq1 -0.292727 -0.233377 -0.009424 0.018780 0.011208 [-5.6903] ** [ 1.87355] [-1.76899] [-1.54092] [-0.44016] [-5.4467] ** [-2.75844] ** [-0.90447] [ 0.46459] [ 0.32297]
D(LNCUR(-2)) -0.043427 0.775642 -0.075058 -0.064743 -0.043557 D(LNCUR(-2)) 0.116216 -0.198259 -0.024779 0.138970 -0.232055
‧
Error Correction: D(LNP) D(LNHK) D(LNCUR) D(LNOP) D(LNT) Error Correction: D(LNP) D(LNOP) D(LNCUR) D(LNT) D(LNHK) CointEq1 -0.000595 -0.000126 -0.079361 -0.000788 0.000197 CointEq1 -0.103997 -0.040523 0.000338 -0.006414 -0.029885 [-1.26524] [-0.52374] [-16.4201] ** [-1.59105] [ 0.93694] [-5.9567] ** [-2.11648] ** [ 0.33940] [-0.75374] [-3.01608] **
‧
本文採用 Granger Causality Test 檢定此五參數之間的因果關係。從第三節共 整合檢定中得知，某些 TDR 存在一組長期穩定均衡關係的共整合向量，因此進 一步以誤差修正模型做 Granger 因果關係檢定。
根據 Toda and Yamamoto(1995)提出新的因果關係檢定方法，假設原先 VAR 模型落後期數為 k，在檢定因果關係採用的落後期數應為 k+d