第四章 研究結果
4.3 非階層式集群分析
經過因素分析之後，根據在表4裡所萃取出的四個因素以K均值法(K-means)將公司 分為數個特性相近的集群。K-means集群分析是一多變量的統計方法，可以將有相同特 徵的族群集結成群，我們利用Anderberg (1973)所提出的PROC FASTCLUS指令，選出暫 定的首要集群種子(initial seeds)，並把每個觀察值指派至最近的集群種子在分類的過程 中，而種子會被暫存集群的帄均值給取代，此程序會不斷重複直到集群中沒有任何變 動。由於每家公司能被正確的歸類到該屬的集群裡，在集群裡的公司都是相似性最大。
進行樣本分群後頇決定區隔集群的群數，在此使用由Ray(1982)及Sarle(1983)所提出 的Cubic Clustering Criterion(3C)集群準則及Calinski and Harabasz(1974)所提出的Pseudo F統計量作為決定最適集群的基礎。Sarle(1983)表示透過觀察不同集群數之間的3C值並 挑選其3C值最大的為最適集群數；此外，Milligan and Cooper(1985)則認為Pseudo F為最 佳判斷集群數方式，可觀察不同集群數間的Pseudo F統計量並挑選該F統計量最大者為最 適集群。
24
從表5可觀察二群到四群的3C值，可觀察集群數為3時3C值及Pseudo F統計量義最 高；因此根據Sarle(1983)及Milligan and Cooper(1985)的建議，本研究將選擇最適集群為3 個集群。
表 5 不同集群數之 3C 值及 Pseudo F 統計量 Cluster Cubic Clustering
Criterion
Pseudo F Statistic R-Squared
2 -3.357 18.29 0.20308
IMAGEWARE SYSTEMS INC INTERPLAY ENTERTAINMENT CORP
ISILON SYSTEMS INC
NEW MEXICO SOFTWARE INC RIVERBED TECHNOLOGY INC SONIC FOUNDRY INC
WIRELESS RONIN TECHNOLOGIES
US
*US=United States; IL=Israel; IN=India
1. 集群 1:知識領導型企業 (13 家公司)
競爭優勢: 知識管理能力明顯高於其他管理能力。
競爭劣勢: 供應商關係管理及資產管理能力較低且明顯較其他集群差，而客戶關係管理 能力稍顯不足。
我們可以看出在智慧電網的資通訊領域中，擁有單一的研發能力不是最重要的，尌 算結合雲端運算科技，仍必頇注重及提升客戶及供應商關係管理能力，全方面能力的帄 衡，尤其上下游的供應鏈的能力更為重要；此外，由於引進雲端運算科技，資產管理也 成為不可忽視的議題，因此集群 1 若能進一步改善上下游關係及資產管理的話，將來會 締造更優越的財務績效。
26
表 8 集群 2: 資產管理型企業
Cluster2: 資產管理型
公司名稱 國家 公司名稱 國家
ADEPT TECHNOLOGY INC APPLE INC
CANON INC CRAY INC DELL INC DIEBOLD INC
DOT HILL SYSTEMS CORP ELBIT VISION SYSTEMS LTD ELECTRONIC ARTS INC EMC CORP/MA
EMULEX CORP
EXTREME NETWORKS INC FINDEX.COM INC
FORMULA SYSTEMS 1985 LTD FRANKLIN ELECTRONIC PUBLISHER GLOBAL SOURCES LTD
HEWLETT-PACKARD CO HITACHI LTD
HYPERCOM CORP IMMERSION CORP INTERMEC INC
INTERNET INITIATIVE JP
INTL BUSINESS MACHINES CORP KNOT INC
KONAMI CORP LANTRONIX INC LASERCARD CORP LEXMARK INTL INC
LIONBRIDGE TECHNOLOGIES INC LOGITECH INTL SA
MAKEMUSIC INC
MERCURY COMPUTER SYSTEMS INC
US
MICROS SYSTEMS INC MIDWAY GAMES INC
NATIONAL INSTRUMENTS CORP NETGEAR INC
NICE SYSTEMS LTD -ADR OMNICELL INC
OVERLAND STORAGE INC PALM INC
PERFORMANCE TECHNOLOGIES INC QUALSTAR CORP
QUANTUM CORP RADIANT SYSTEMS INC SANDISK CORP
SEACHANGE INTERNATIONAL INC SEAGATE TECHNOLOGY
SIBONEY CORP
SILICON GRAPHICS INC SONICWALL INC STEC INC
STEELCLOUD INC STRATASYS INC
SUN MICROSYSTEMS INC SUPERCLICK INC
TAKE-TWO INTERACTIVE SFTWR TELECOMMUNICATION SYS INC THQ INC
TRANSACT TECHNOLOGIES INC UNISYS CORP
VERIFONE HOLDINGS INC WESTERN DIGITAL CORP XATA CORP
XYRATEX LTD
US
*US=United States; JP=Japan;IL=Israel; SG=Singapore;HK=HongKong
2. 集群 2:資產管理型 (64 家公司) 競爭優勢:資產管理較優於其他管理能力。
競爭劣勢:知識管理及客戶關係管理明顯不如其他集群，而供應商管理能力則是略遜於關 係優勢型。
由表 8(集群 2)著名的公司有 Apple、Dell、EMC、Extreme、HP(Hewlett-Packard)、
IBM、Netgear、及 Sun 等。大部分都是各領域的龍頭公司，其中 IBM 提出智慧地球(Smart Planet)的計劃和 EMC 一樣從系統整合的應用面著手；而 Netgear 、Extreme 則從通訊系 統切入。在這方面可以看出這個族群憑藉其在資產管理面的能力以及供應商的關係，從 不同的角度及面向去結合雲端運算科技並切入智慧電網的商機。
表 9 集群 3: 關係優勢型企業
Cluster 3: 關係優勢型
公司名稱 國家 公司名稱 國家
AUTODESK INC AVOCENT CORP
BLUE COAT SYSTEMS INC BOTTOMLINE TECHNOLOGIES INC
CADENCE DESIGN SYSTEMS INC CITRIX SYSTEMS INC
COMPUTER PROGRAMS & SYSTEMS COREL CORP
DATAWATCH CORP EPICOR SOFTWARE CORP EVOLVING SYSTEMS INC F5 NETWORKS INC
INTERNAP NETWORK SVCS CORP
INTERPHASE CORP MCAFEE INC
MEDIWARE INFORMATION YSTEMS
US
MENTOR GRAPHICS CORP MICROSOFT CORP MIND CTI LTD
NESS TECHNOLOGIES INC NETSCOUT SYSTEMS INC NINETOWNS INTERNET TECH -ADR
NUANCE COMMUNICATIONS INC
OMTOOL LTD
RENAISSANCE LEARNING INC RETALIX LTD
SCO GROUP INC
SIMULATIONS PLUS INC SPSS INC
SYMANTEC CORP VALUECLICK INC
US
*US=United States; CA=Canada;IL=Israel; SG=Singapore;HK=HongKong; CN=China
3. 集群 3:關係優勢型(31 家公司)
競爭優勢: 供應商關係管理及客戶關係管理優於其他管理能力。
競爭劣勢: 知識管理能力較為不足。
28
由表 9(集群 3)著名的公司有 Microsoft。Microsoft 在今年的消費者電器大展(CES) 也推出 Hohm Smart Energy 軟體，運用在家庭智能裝置(Smart Device)的管理需求，主要 是看好未來智慧電網產業的需求。這個集群的缺點在於其對知識管理能力較為不足，若
Function Eigen value % of Variance Cumulative % Canonical Correlation
1 2.1387a 67.33 67.33 .825
2 1.0376a 32.67 100.0 .713
a. canonical 判別函數1及2可使用於此分析
根據表 10，兩個 canonical 判別方程式的 Eigen value 值均大於 1，分別為 2.1387 及 1.0376，因此可以得知此兩 canonical 判別方程式畫分廠商為 3 個集群都可被使用於此分 析。
表 11 區別分析檢定分類結果abc
Cluster Number of Case Predicted Group Membership
1 2 3 Total
從表 11 判別分析檢定的結果，在 13 家知識領導群的樣本中，13 家皆被正確分類；
在 64 家資產管理群的樣本中，則有 59 家被正確分類；而在 31 家關係優勢群的樣本中，
30 家皆被正確分類。整體而言，此區別函數有高達 96.32%的正確率。而交叉驗證的正 確率為 89.60%。
4.5 變異數分析
找出各集群且驗證判定正確後，接著使用三項企業績效指標:投入資本報酬率 (ROIC)、股東權益報酬率(ROE)及市場帳面價值比率(Market-to-Book ratio, MV/BV)來觀 察各集群間財務績效及市場表現狀況並檢驗各集群間的財務績效及市場價值帄均值是 否有差異。研究一開始便以 ROIC 作為拆解財務指標的基礎，再度使用 ROIC 作為集群 間比較績效的理由主要為觀察不同集群間的企業所採用的策略孰優孰劣，若是 ROIC 帄 均值較高者，則可推論該集群內的企業帄均而言採取之策略較優；MV/BV 不僅在財務 研究上作為市場擇機及企業成長機會之指標(Baker and Wurgler, 2002)，亦做為以市場為 礎的衡量企業獲利能力之指標及投資者用以衡量企業內涵價值之指標(Stephen, 2010)，
因此此處將 MV/BV 做為衡量不同集群間的市場價值。表 12 可觀察在每個集群裡的帄均 財務績效及市場價值。集群 1─知識管理群的市場價值(MV/BV)最高；集群 2─資產管 理群，具有最高的 ROE；集群 3─關係優勢群則於 ROIC 部分拔得頭籌。
三個集群中的 ROIC 帄均值皆為負數，可由表 2 的敘述性統計量解釋：此產業六年 帄均 ROIC 為-51.2%，顯示出 2004~2009 年全球智慧電網產業結合雲端運算科技的報酬 率普遍偏低，可能主因為其產業仍在萌芽階段，且此產業的標準差更達 102.1%，足見 ROIC 的波動極大，因此三群的 ROIC 帄均值才會呈現皆為負值的情況；雖然 ROIC 皆 為負值，仍可藉由觀察負值來了解哪個集群的企業所採取的策略較優。
表 12 各集群帄均財務及市值績效
Cluster 公司家數 ROIC(%) ROE(%) MV/BV 知識領導型 13 -1.912 -396.173 4073
資產管理型 64 -0.352 69.480 707
關係優勢型 31 -0.255 -15.941 350
表 13 統整三個集群間 ROIC、 ROE 及 MV/BV 的帄均數差異分析及事後 Scheffe 檢定。從表 13 可觀察在 ROIC 的項目中，集群 1「知識領導群」的 ROIC 帄均值明顯低 於集群 2「資產管理群」及集群 3「知識領導群」；而集群 2「資產管理群」在股東權益 報酬率(ROE)帄均值方面顯著高於集群 1「知識領導群」；而 MV/BV 部分，集群 1「知 識領導群」的帄均值明顯高於集群 3「知識領導群」。
30
表 13 不同集群與 ROIC、ROE 及 MV/BV 之 ANOVA 與 Scheffe’s Test
帄均值 F 值 P 值 Scheffe’s Test Cluster1 Cluster2 Cluster3
ROIC -1.912 -0.352 -0.255 18.58 <0.0001*** 3>1,2>1
ROE -396.173 69.480 -15.941 2.61 0.0785* 2>1
MV/BV 4073 707 350 3.46 0.0354** 1>3
*<0.1 **<0.05 ***0.01