資料分析方法

為達到廣泛分析傳統行庫授信行為及影響授信因素之研究目的，本研 究擬從企業戶財務層面切入主題，利用個案銀行之授信資料，試圖將企業 授信戶之相關財務比率與銀行核予之各項授信條件採用統計計量分析方 法進行探討，從企業戶之各項財務特徵與行庫企業授信核准情形進行分 類，並加入地區與產業別作為調節變項，做為銀行未來進行授信業務行銷 機制之參考。

研究方法以個案銀行授信之次級資料為主，佐以文獻資料分析進行歸 納整理。其中，財務相關比率是引用個案銀行其企業授信戶之現有財務狀 況，並佐以文獻資料中之各類分析法、證期會要求公開發行公司應於財務 報表揭露之財務比率、及中小企業信保基金公佈重要財務比率，從中篩選 出財務槓桿、營授比率、營業活動淨現金流量對本期損益之比、現金流量 比率、長期投資佔股東權益比率等40項財務比率。由於40項財務比率個數 過於龐雜，為利歸納分析，本研究係以個案銀行所採用之12項財務比率，

進行相關之實證研究，試圖從中找出授信之共通性，將其結果提供個案銀 行在授信業務行銷機制及流程參考之建議。

本研究所得資料以SAS 統計套裝軟體進行統計分析，依研究目的先將 在同一財務構面下之財務比率，利用因素分析(factor analysis)減化財務 比率之個數，縮減資料項次(林師模、陳苑欽；2003)，運用較原變量個數 少之新的構面來解釋原始變量所呈現的訊息，以利資料之分析與資訊掌 握，其次，進而使用迴歸模式進行分析，比較各構面與應變數間之關係，

並測度其顯著情形。

3.3.1 因素分析法(factor analysis)

因素分析法是主成份分析的擴展，其主要目的為減少變數(data reduction)和歸納變數(summarization)，針對內部相關性高的變數 數萃取出少數互相獨立的變數，做資料簡化的工作，將原來的變數簡 化成少數幾個因素，以達到使用少數變數便能分析大部分資訊的目

的。換言之，因素分析即以少數的因素來解釋一群相互之間有關係存

j=1,2,………,J(J≦K)

x

k =第 k 個行為變數

f

kj =組型負荷量(pattern loading)，相當於第 k 個行為變 數對第j 個潛伏因素的迴歸係數。

y

j =第 j 個潛伏因素，需經由因素分析萃取而得

e

k =第 k 個行為變數對應之獨特因素 (二)因素轉軸(factor rotation)：

由於因素分析係以主軸法萃取出潛伏因素，但其所估計之組

轉軸方法主要可區分為直交轉軸法(orthogonal rotation)、

斜 交 轉 軸 法(oblique rotation) 及 目 標 轉 軸 法 (procrustean method)等三大類，其中較常使用的直交旋轉亦可細分為變異極 大法(varimax)與四分極大法(quartimax)等兩種轉軸方式。本研

究採用之方法為直交轉軸法中的變異數極大法(varimax)，將組型 負荷量的變異數極大化。其變異數極大法相關步驟及篩選原則如 下：

1、建立相關係數矩陣以估計共同性

2、求出每一個因素的特徵值，並依大小順序排列 3、依 Kaiser 原則，保留特徵值大於 1 的共同因素

Kaiser 原則：是以潛伏因素的特徵值(λj)做為準則，做為 因素數目的選擇標準，保留特徵值大於1 的潛伏因素，其 餘予以刪除，而經因素分析後所得到之新因素其累積解釋 力均在70 %以上，亦即：

若λ_j大於 1，則保留第 j 個潛伏因素 若λ_j小於等於1，則刪除第 j 個潛伏因素 4、求出每一個因素的因素負荷量

5、利用最大變異數法對因素進行轉軸，使因素分析的結果更 明顯，更容易解釋。

6、將轉軸後所得的因素負荷量用來進行原始資料的轉換。

3.3.2 迴歸模式

yn=第n個個案在反應變量上之觀察值，為因變數(dependent variable) 是為連續型之隨機變數。

βk=第n個解釋變數之廻歸係數(regression coefficients)。

xnk = 第 n 個 個 案 在 第 k 個 解 釋 變 數 上 之 數 值 ， 為 自 變 數 (independent variable)

en=對應之誤差項，彼此獨立，並遵循期望值為0，變異數為 之 常 態 分 配 ， 即 為 服 從N(0, ) i.i.d.(independent and identically distributed) 之隨數變數。

σ2

σ2

n=1,2,…,N，k=1,2,…,K。

統計檢定之目的在探討迴歸模式中所有斜率係數是否為0，用於線

決策法則(decision rule)主要有二種法則，第一種為統計量法則，

比較檢定統計量與臨界值(C)之結果，用以判定是否拒絕虛無假設，

當檢定統計量|t| 臨界值(C)，即拒絕(reject) ≥ H₀，即解釋變數對反

應變量(y)之影響顯著。第二種為p值法則，係比較p值與顯著水準(^α) 之結果，用以判定是否拒絕虛無假設，當檢定統計量P 顯著水準(≤ α)，

即拒絕(reject) H₀，即解釋變數對反應變量(y)之影響顯著。

在文檔中 傳統行庫企業授信之財務影響因素探討–以地區及產業別為調節變項 (頁 55-60)