資料分析方法

3.4 研究樣本及範圍

本研究目的為了解全球智慧電網產業發展現況，根據文獻及參考資料整理，

參考智慧電網協會(Gridwise Alliance)的定義，使用Standard & Poor Compustat 資 料庫蒐集依據SIC 產業分類將資訊科技(SIC: 357, 367)、通訊科技(SIC: 366)、軟 體科技(SIC: 733) 做為樣本資料來源。

資訊科技:

357: (Computer and Office Equipment)

367: (Electronic Components and Accessories)

通訊科技:

366: (Communication Equipment)

軟體科技:

737: (Computer Programming, Data Processing, And Other Computer Related Services)

研究時間為西元2004~2009 年，總共 1254 家全球上市的資訊通訊軟體公司為研 究範圍。我們使用各財務指標的4 年以上年平均值，接著刪除有遺漏值的公司，

而刪除的原因為(1) S&P Compustat 資料庫中，主要財務科目如研發費用、銷貨 成本與管銷費用、折舊費用、所得稅費用為遺失資料(missing data) (2)資料不足 4 年，整筆資料刪除 (3) 主要財務科目(ROIC 不列入)為極端值，超過正負三倍標 準差外的資料視為極端值，予以刪除。排除這些公司樣本之後，最後剩下196 家公司，其中資訊科技類公司有99 家，通訊科技類公司有39 家，軟體科技類公 司有58 家。

3.5 資料分析方法

3.5.1 因素分析 

1927 年Spearman 首先創立因素分析(factor analysis)，因素分析是一種數學 方式的精簡方法，主要是將眾多的變數濃縮成為較少的幾個精簡變數。因素分析 目的在獲得量表在檢定測驗時的『建構效度、構念效度』(construct validity)，利 用因素分析抽取變項之間的共同因素(common factor)，以較少的因素構面代表原 來較複雜的因素構面。因素分析假設個體在變數上之得分，分為兩個部分組成，

36

一是各變數共有的成分，即共同因素；另一個是各變數獨有的成分，即獨特因素 (unique factor)。共同因素可能是一個、兩個或數個，若每個受測者有M 個變數 分數，由於每個變數均有一個獨特因素，故有M 個獨特因素，但共同因素的數 目N，通常少於變數的個數(N≦M)，因素分析就是要抽取出此共同因素。

依因素分析的的目的可分為兩種類型: 1.探索性因素分析(Exploratory factor analysis)用來試探、描述、分類和分析正在研究中的量表的觀測變數的屬 性及關係，建立起相關的模型，研究者通常不具有預設立場。 2. 驗證性因素分 析(Confirmatory factor analysis)在觀察變數(X1,,X2,,…, Xp)與所萃取之潛在因素 (Y1,Y2,…,Yq)有一定理論架構之前提下，為驗證理論架構與實際資料之觀測變數 的相容性，所進行之因素分析。本研究所採用的的方式為探索性因素分析，探索 的目的在於找出相關變數的關係，建立起分析模型。

因素分析時，常用的方式有以下四種: 主成份分析法(principle component analysis)、主軸因素法(principle axis factors)、最小平方法(least squares method)以 及最小平方法(least squares method)。其中主成份分析法適用於簡化大量變項為較 少數的方式，是因素分析中最常使用的方法，也是本研究採用的方法。主成份分 關；斜交轉軸法包含直接斜交轉軸法(Direct Oblimin)、Promax 轉軸法等方法，

37 相(homogeneity); 不同群的事物具有高度之異質性（heterogeneity）在於將事物按 其特性分成幾個集群。集群分析為根據一組研究變數，將N 個觀察值分成群別 群影響很大，若兩個觀察值在同一群，其後就會在同一群(Jardine and Sibson,1971, Dess and Davis, 1984)。非階層式集群分析法的優點是適合大樣本的分析，缺點是 需要先指定K個群數。

38

目前本研究採用兩階段的集群方式，可以取長補短，使集群的結果更理想 (Hair, 1998)。首先使用階層式集群法的華德法確定分群數，再用非階層式集群法 的K-means進行集群。

3.5.4 變異數分析

變異數分析(Analysis of Variance)簡稱ANOVA是用來檢定兩個或兩個以上母 體資料樣本平均數的差異顯著性，或檢定因子(Factor)對依變數是否有影響。變 異數分析是一種統計分析的方法，係將一組資料的變異，依可能發生的變異來 源，分割為數個部份，亦即每一部份均可歸因於某原因(變異來源)；測度這些不 同的變異來源，可瞭解各種變異是否有顯著差異；ANOVA分析之F值如果大到顯 著，則表示組別間至少有一對平均數之間有顯著差異，但至於是哪兩組之間的差 異，則無從得知，因此必須進一步進行事後分析。而事後比較分析的方法很多，

常用者有杜氏法(Tukey)、雪費法(Scheffe)、Bonferroni三種(丁承, 2008)。

39

1. 資通訊產業的 ROIC平均值為-37.51%，標準差高達0.792，顯示產業內差異很 大，競爭十分激烈，呈現虧損狀況，同樣的由偏態及峰度也可以看出相同的 結果比如說偏態(skewness)為-5.696表示其為負偏態；典型的左偏，而且多數 公司在虧損，峰度高達41.374表示其為高窄峰，產業內ROIC高低落差很大，

賺錢與賠錢的公司差距很大。

2. 資通訊產業的存貨周轉率平均值達43.67次，標準差高達93.45，顯示產業內的 變異過大，公司間的差異很多。 但平均而言，因為產品周期變化快速， 存 投入資本報酬率(ROIC) -7.243 0.389 -0.375 0.792 -5.696 41.374 應收帳款周轉率(次) 2.165 18.020 6.720 2.770 1.426 2.873