迴歸模型組成分析

本研究在建構離散時間危隩迴歸模型時，先對民國八十三年十月（第四季）至九十 四年之營造業上市櫃公司以季為單位設置時間虛擬變數，此模型之依變數亦為虛擬變 數，假設依變數為 1（發生違約）和 0（不發生違約），意即企業是否發生違約；自變 數則依據 BS 理論、Leland & Toft 理論、流動性、舉債能力以及其他營造業相關財務比 率等從中選取參數，以及設置時間虛擬變數，最後建構出本研究離散時間危隩迴歸模 型。表 5-9 為本研究所建構的九條離散時間危隩迴歸模型。以下為說明各條迴歸模型建

構之目的。

一、 迴歸模型（1）

以 Market assets/Face debt 比率單獨建構迴歸模型（1），主要目的是為了驗證 BS 理論中對公司資產市價、波動性、負債帳面價值，並依據公司負債水準估算其違約點。

而由於台灣股市股市市場不完美之外，且上市櫃公司的股價也有可能受到違約事件的影 響而造成偏誤，因此公司市值可能會有誤差產生。而 EBITDA 是一個很好的度量對於評 價盈利能力方面，且由上表 5-7 可知道，EBIDTA 與 Stock price（股價）是有顯著的正 相關性存在，相關係數達 0.614，故本研究以 EBITDA（稅前息前折舊前淨利）作為公 司市值之代理變數，以降低股價資訊可能造成的誤差。

二、 迴歸模型（2）

以 Net worth/Total assets 比率單獨建構迴歸模型（2），主要目的是延伸 BS 模型中 對於資產之概念，以自有資金比率作為驗證公司淨值低於負債時，是否會影響公司發生 違約情況。

三、 迴歸模型（3）

以 Market assets/Face debt 與 Interest coverage ratio 以及 Asset volatility、Book leverage、Leland & Toft 理論等參數建構迴歸模型（3），主要目的是驗證 Leland & Toft 理論與流動性問題。以 Interest coverage ratio 用來衡量企業由稅前息前純益（EBIT）支 付利息費用的能力，倍數越高，表示債權人受保障程度越高，亦即債務人支付利息的能 力越高，越不容易有違約狀況發生。

四、 迴歸模型（4）

以 Market assets/Face debt 與 Current ratio 以及 Asset volatility、Book leverage、Leland

& Toft 理論等參數建構迴歸模型（4），主要目的是驗證 Leland & Toft 理論與流動性問 題。Leland & Toft 延伸了 BS 理論，並假設該債券每期需支付利息，若無法支付利息視 為違約並考慮違約時有產生違約成本；流動性理論說明了就算資產價值大的公司，當其 資金週轉不靈流動性不佳時，亦會使其造成違約。

五、 迴歸模型（5）

以 Market assets/Face debt 與 Working capital/Total assets 以及 Asset volatility、Book

leverage、Leland & Toft 理論等參數建構迴歸模型（5），主要目的是驗證 Leland & Toft 理論與流動性問題。以 Working capital 衡量公司違約之機率，該比率已考慮公司流動性 及公司規模，為衡量公司淨流動資產相對於總資產之比率，且在短期償債能力之衡量指 標中，營運資金對總資產比率較流動比率、速動比率適合評估公司違約可能性。

六、 迴歸模型（6）

Market assets/Face debt 與 Pledge Shares/Shares Issued 以及 Asset volatility、Book leverage、Leland & Toft 理論等參數建構迴歸模型（6），主要目的是驗證 Leland & Toft 理論與董監事質押股票之問題。若公司大股東股權質押比率越高，在經濟情況好時，會 因介入股市而增加個人財富，在經濟情況不佳時，便有可能挪用公司資金以維持股價導 致公司財務風隩提高。因此，在股市大幅下跌的情況下，大股東質押比率越高，高風隩 投資案失敗機率也越大。

七、 迴歸模型（7）

以 Market assets/Face debt 與 Book debt/Replacement cost 以及 Asset volatility、Book leverage、Leland & Toft 理論等參數建構迴歸模型（7），主要目的是驗證 Leland & Toft 理論與公司對外舉債能力問題。當一家公司之有形資產價值越高時，代表著公司對外舉 債能力愈好，即銀行愈樂意貸款，因為表示公司抵押給銀行的擔保品價值高，所以銀行 更願意貸款。相反地，銀行不可能提供額外資金給於債務過大或其貸款金額大於抵押品 之公司。

八、 迴歸模型（8）

以 Market assets/Face debt 與 Credit lines 以及 Asset volatility、Book leverage、Leland

& Toft 理論等參數建構迴歸模型（8），主要目的是驗證 Leland & Toft 理論與公司對外 舉債能力問題。當一公司發生違約情形時，可能是因為在短期間內無法對外舉債以籌措 資金，而產生財務危機；而 Credit lines 中的可用貸款額度顯示該公司未來有機會獲取更 好現金，其值越高，代表公司舉債能力越好，亦表示其流動性越佳。

表 5-9 迴歸模型 Russell and Zhai’s(1999)使用 Net worth 預測公司發生違約的機率。

(1) (2) (3) (4) (5) (6) (7) (8)

X1 Market assets/Face debt -0.929** -8.202* -7.497 -8.051* -8.266* -9.427* -9.293

(5.174) (3.182) (1.196) (2.729) (3.031) (3.288) (1.690)

X2 Net worth/Total assets -6.540*

(3.095)

X3 Interest coverage ratio -0.401

(0.020)

X4 Current ratio 0.430

(0.027)

X5 Working capital/Total assets 7.316

(0.598)

X6 Pledge Shares/Shares Issued 3.622*

(2.739)

X7 Book debt/Re. cost 30.146

(0.240)

X8 Credit lines 0.344

(0.031)

X9 Asset volatility 0.626** 0.637** 0.583** 0.629** 0.682** 0.657**

(4.223) (4.870) (4.638) (4.387) (4.729) (4.720)

X10 Payout ratio -22.998 -22.898 -22.957 -25.186 -23.978 -24.350

(0.930) (0.774) (1.080) (0.872) (1.275) (0.810)

X11 Risk-free rate 13.598** 14.408*** 15.052*** 14.752** 11.869* 14.560**

(4.511) (6.596) (7.123) (5.576) (3.356) (6.276)

X12 Book leverage 70.000** 70.071** 74.258** 72.675** 38.681 73.310**

(4.737) (4.765) (4.469) (5.005) (0.314) (4.358)

X13 Coupon rate 104.100* 106.100* 107.300* 101.800 114.100 105.600*

(2.713) (2.720) (2.818) (1.832) (2.451) (2.931)

X14 Debt maturity -0.558 -0.543 -0.475 -0.748 -0.585 -0.588

(1.407) (1.183) (0.829) (1.977) (1.691) (1.490)

X15 Log(Total assets) -7.540* -8.018** -8.293** -8.269* -8.379** -8.011**

(3.002) (4.192) (4.512) (3.768) (3.998) (4.079) X16 Re. cost/Total assets -56.040* -57.796** -60.412** -60.609** -45.803 -59.541**

(3.543) (4.328) (4.026) (4.434) (1.620) (3.960)

X17 No. of issues 18.330 21.683 22.466 23.776 24.126 20.363

(0.445) (0.721) (0.639) (1.107) (0.920) (0.672) X18 Industrial distress 208.677*** 221.621*** 233.015*** 227.526*** 180.107*** 223.700***

(48.724) (71.030) (77.867) (59.402) (34.478) (65.507) Const. -13.512*** 1.153 323.090*** 342.409*** 358.174*** 350.476*** 281.422*** 345.846***

(219.678) (0.631) (107.244) (156.574) (169.777) (132.345) (78.831) (149.082)

R-Square 36.646 36.672 9.603 9.515 9.420 8.547 8.815 9.334

研究變數 迴歸模型