第四章 實證結果
第二節 迴歸結果
四、 額外測試
Dechow et al. (2011)透過檢視重編公司之各項特性，如應計項目品質、財務及非 財務面表現、資產負債表外活動及市場相關變數，發展出一套衡量公司事前舞弊
Probability = e(Predicted Value)
/ (1+ e(Predicted Value)
) F-score = Probability / Unconditonal probability 其中各變數之定義如下表所示：
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
52
ch_rec
∆應收帳款∕平均總資產。ch_inv
∆存貨∕平均總資產。soft_assets
(總資產－不動產、廠房及設備－現金及約當現金)∕平均總資 產。ch_cs
現銷之變動比例，其中現銷 = 銷貨收入－∆應收帳款。ch_roa
(第 t 年稅後淨利∕第 t 年平均總資產)－(第 t-1 年稅後淨利∕第 t-1 年平均總資產)。issue
為一虛擬變數。若公司於第 t 年發行證券則為 1；若無發行證券則為 0。
根據 F-score 的定義，本研究以 F-score = 1 為基準，將樣本區分為高舞弊風 險組(F-score > 1)及低舞弊風險組(F-score≦1)。表 19 為權益資金成本模型之分組 迴歸結果，其中第一欄為按照 PEG 法計算之權益資金成本，第二欄則為按照 OJ 法計算之權益資金成本。由該表可發現，在高舞弊風險組，Clawback 條款 (CLAWBACK)與權益資金成本並無顯著關聯，儘管其係數為負。值得注意的是，
四大會計師事務所查核(BIG4)與權益資金成本呈顯著負相關，不論該權益資金成 本係按照 PEG 法(-0.017, p < 0.01)或 OJ 法(-0.016, p < 0.01)計算皆然。另一方面，
在低舞弊風險組，Clawback 條款與 PEG 法(-0.006, p < 0.05)及 OJ 法(-0.008, p <
0.05)下之權益資金成本皆呈顯著負相關，而四大會計師事務所查核與權益資金成 本則無顯著關聯。上述結果說明，當公司之事前舞弊風險較低時，僅需採行內部 監督機制如 Clawback 條款，便足以獲得資本市場之信賴；至於事前舞弊風險較 高之公司，則尚須仰賴外部監督機制如四大會計師事務所，方能有效降低資本市 場對其財務報導品質之疑慮。
表 20 為信用評等模型之分組迴歸結果。由該表可發現，在高舞弊風險組，
Clawback 條款(CLAWBACK)與信用評等呈顯著正相關(0.235, p < 0.01)。另一方面，
在低舞弊風險組，則未發現 Clawback 條款與信用評等存在顯著關聯。上述結果 說明，身為專業之資訊使用者，信用評等機構能夠區分 Clawback 條款對於高舞
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
53
弊風險公司及低舞弊風險公司的意義，並給予不同的回應。事前舞弊風險較高之 公司，其採用 Clawback 條款係為了尋求財務報導品質之實質改善，故有助於提 升其信用評等；至於事前舞弊風險較低之公司，其採用 Clawback 條款僅係為了 彰顯其對於財務報導品質之信心，實質意義並不大。此外，本研究發現，四大會 計師事務所查核(BIG4)僅在高舞弊風險組與信用評等呈顯著正相關(0.427, p <
0.1)，顯示外部監督機制同樣有助於改善高舞弊風險公司之財務報導品質，進而 提升其信用評等。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
55
(-0.28) (0.07) (-3.33) (-2.93)
Year and Industry effects
Included Included Included Included樣本數 1911 1867 2803 2776
Adjusted R2 0.247 0.187 0.254 0.214
F 18.74 16.73 35.86 25.83
註 1：*,**,***分別表示達雙尾 10%、5%、1%之顯著水準。
註 2：各變數之定義如下所示。CLAWBACK：為一虛擬變數。若公司於第 t 年採用 Clawback 條款，則為 1；若未採用則為 0；BETA：公司第 t 年底之股 票 BETA 值；LEVERAGE：公司第 t 年底總負債與總資產之比值；SIZE：公司第 t 年底之總資產取自然對數；SEGMENT：公司第 t 年之地理別部門個 數；ICW：為一虛擬變數。公司若於第 t 年發生重大內部控制缺失，則為 1；若無重大內部控制缺失則為 0；BIG4：為一虛擬變數。公司若於第 t 年係由 四大會計師事務所查核，則為 1；若非由四大會計師事務所查核則為 0；DISP：公司第 t 年底之分析師預測每股盈餘(Forecast earnings per share)，其標準 差除以平均數之絕對值；LAMBDA：由自願採用 Clawback 條款模型所估計出的 inverse Mills 比率。上述各連續變數皆剔除頭尾 1%之極端值。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
57
Year and Industry effects
Included Included樣本數 1081 1650
Pseudo R2 0.322 0.236
Likelihood Ratioχ2 965.52 1124.19
註 1：*,**,***分別表示達雙尾 10%、5%、1%之顯著水準。
註 2：各變數之定義如下所示。CLAWBACK：為一虛擬變數。若公司於第 t 年採用 Clawback 條款，則為 1；若未採用則為 0；BETA：公司第 t 年底之股 票 BETA 值；LEVERAGE：公司第 t 年底總負債與總資產之比值；SIZE：公司第 t 年底之總資產取自然對數；BIG4：為一虛擬變數。公司若於第 t 年係 由四大會計師事務所查核，則為 1；若非由四大會計師事務所查核則為 0；COVERAGE：公司第 t 年之利息保障倍數，其計算方式為息稅前盈餘(Earnings before interests and taxes)除以利息費用；CAPINT：公司第 t 年底固定資產淨額與總資產之比值；ROA：公司第 t 年之總資產報酬率，其計算方式為稅後 淨利除以總資產；LOSS：為一虛擬變數。若公司於第 t 年及 t-1 年皆為稅後淨損，則為 1；若非兩年皆為稅後淨損，則為 0；LAMBDA：由自願採用 Clawback 條款模型所估計出的 inverse Mills 比率。上述各連續變數皆剔除頭尾 1%之極端值。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
58
(二) 以外部監督程度分組
由於 Clawback 條款係屬公司內部之監督機制，本研究於是進一步探討，公 司自願性採用 Clawback 條款對於權益資金成本及信用評等的影響，是否會因該 公司之外部監督程度高低而有所不同。本研究以機構投資人持股比例之中位數，
將樣本區分為高外部監督(持股比例大於中位數)及低外部監督(持股比例小於中 位數)兩組。
表 21 為權益資金成本模型之分組迴歸結果，其中第一欄為按照 PEG 法計算 之權益資金成本，第二欄則為按照 OJ 法計算之權益資金成本。由該表可發現，
在高外部監督組，Clawback 條款(CLAWBACK)與權益資金成本並無顯著關聯，儘 管其係數為負；然而，在低外部監督組，Clawback 條款與權益資金成本呈顯著 負相關，不論該權益資金成本係按照 PEG 法(-0.008, p < 0.01)或 OJ 法(-0.008, p <
0.05)計算皆然。
信用評等模型之分組迴歸結果亦獲得類似的結論。由表 22 可發現，在高外 部監督組，Clawback 條款(CLAWBACK)與信用評等並無顯著關聯，儘管其係數為 正；另一方面，在低外部監督組，Clawback 條款與信用評等呈顯著正相關(0.104,
p < 0.1)。其餘解釋變數基本上並無太大差異。
上述結果說明，當公司所受到的外部監督程度較低，則加強內部監督機制如 採用 Clawback 條款，將能彌補外部監督之不足，進而降低資本市場所承受之資 訊風險；反之，當公司所受到的外部監督程度較高，內部監督機制之相對重要性 遂隨之下降。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
60
(1.34) (2.56) (-2.53) (-2.37)
Year and Industry effects
Included Included Included Included樣本數 2520 2479 2520 2480
Adjusted R2 0.237 0.197 0.289 0.250
F 25.81 19.11 40.96 29.69
註 1：*,**,***分別表示達雙尾 10%、5%、1%之顯著水準。
註 2：各變數之定義如下所示。CLAWBACK：為一虛擬變數。若公司於第 t 年採用 Clawback 條款，則為 1；若未採用則為 0；BETA：公司第 t 年底之股 票 BETA 值；LEVERAGE：公司第 t 年底總負債與總資產之比值；SIZE：公司第 t 年底之總資產取自然對數；SEGMENT：公司第 t 年之地理別部門個 數；ICW：為一虛擬變數。公司若於第 t 年發生重大內部控制缺失，則為 1；若無重大內部控制缺失則為 0；BIG4：為一虛擬變數。公司若於第 t 年係由 四大會計師事務所查核，則為 1；若非由四大會計師事務所查核則為 0；DISP：公司第 t 年底之分析師預測每股盈餘(Forecast earnings per share)，其標準 差除以平均數之絕對值；LAMBDA：由自願採用 Clawback 條款模型所估計出的 inverse Mills 比率。上述各連續變數皆剔除頭尾 1%之極端值。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
62
Year and Industry effects
Included Included樣本數 1459 1460
Pseudo R2 0.242 0.268
Likelihood Ratioχ2 639.02 853.37
註 1：*,**,***分別表示達雙尾 10%、5%、1%之顯著水準。
註 2：各變數之定義如下所示。CLAWBACK：為一虛擬變數。若公司於第 t 年採用 Clawback 條款，則為 1；若未採用則為 0；BETA：公司第 t 年底之股 票 BETA 值；LEVERAGE：公司第 t 年底總負債與總資產之比值；SIZE：公司第 t 年底之總資產取自然對數；BIG4：為一虛擬變數。公司若於第 t 年係 由四大會計師事務所查核，則為 1；若非由四大會計師事務所查核則為 0；COVERAGE：公司第 t 年之利息保障倍數，其計算方式為息稅前盈餘(Earnings before interests and taxes)除以利息費用；CAPINT：公司第 t 年底固定資產淨額與總資產之比值；ROA：公司第 t 年之總資產報酬率，其計算方式為稅後 淨利除以總資產；LOSS：為一虛擬變數。若公司於第 t 年及 t-1 年皆為稅後淨損，則為 1；若非兩年皆為稅後淨損，則為 0；LAMBDA：由自願採用 Clawback 條款模型所估計出的 inverse Mills 比率。上述各連續變數皆剔除頭尾 1%之極端值。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
63