RMW 為盈利能力因子，CMA 為投資因子。 - Google搜尋趨勢與媒體曝光度對台灣50指數成分股公司績效的影響

36 方法模型 (OLS)或固定效果模型(Fixed Effect Model)之選取：在 10%的顯著水準下，依 F test 檢定值及 p-value 顯示，公式(1)至公式(2)因各公司之截距項不完全相同，以選取固定效果模型為佳。(二) 普通最小平方法模型或隨機效果模型(Random Effect Model)之選取：

在 10%的顯著水準下，依 LM test 檢定值及 p-value 顯示，公式(1) 至(2)因各公司之截距項具有隨機變數性質，故選取隨機效果模型為佳。(三)以上經由 F test 與 LM test 顯示固定效果模型與隨機效果模型皆較最小平方法模型為佳，須進行隨機效果模型或固定效果模型之選取：在 10%的顯著水準下，依 Hausman test 檢定值及 p-value 顯示，公式(1)因隨機效果模型的截距項與解釋變數間不具相關性，

表4-10 為媒體曝光度對於資產報酬率(ROA)影響之迴歸分析結果，公式(1)是以公司名稱媒體曝光度作為解釋變數，而公式(2)是以 CEO 媒體曝光度作為解釋變數。由表 4-10 得知，公司名稱媒體曝光度對資產報酬率有顯著的正向影響，表示當公司有愈多媒體報導時，

管理人員可能會愈用心經營公司，使得ROA 愈高；但 CEO 媒體曝光度對於資產報酬率的影響則不顯著。

表 4-10 媒體曝光度對資產報酬率影響之迴歸分析

Dependent Variable：𝑅𝑅𝑅𝑅𝑅𝑅𝑖𝑖,𝑡𝑡

Variables (1) (2)

Intercept 2.1934***

(7.8371) 2.2756***

(131.8608) 𝑀𝑀𝐹𝐹𝑀𝑀𝐹𝐹𝑀𝑀𝑖𝑖,𝑡𝑡 0.0125***

(6.1145)

𝑀𝑀𝐹𝐹𝑀𝑀𝐹𝐹𝑀𝑀𝐶𝐶𝑅𝑅𝑅𝑅_{𝑖𝑖,𝑡𝑡} 0.0098

(0.8350)

Adj 𝑅𝑅² 0.0070 0.7635

註: 1.*、**與***分別表示顯著水準為 10%、5%與 1%。括號內為 t 值。

2. ROA 為資產報酬率，Media 為公司名稱媒體曝光度，MediaCEO 為 CEO 媒體曝光度。

[模型四]

公式(1)是以公司名稱媒體曝光度作為解釋變數，來檢視其對股東權益報酬率(ROE)的影響。

𝑅𝑅𝑅𝑅𝑅𝑅_{𝑖𝑖,𝑡𝑡} = 𝑏𝑏₀+ 𝑏𝑏₁𝑀𝑀𝐹𝐹𝑀𝑀𝐹𝐹𝑀𝑀_{𝑖𝑖,𝑡𝑡} + 𝑐𝑐_𝑖𝑖 + 𝑢𝑢_𝑡𝑡+ 𝜀𝜀_{𝑖𝑖,𝑡𝑡} (1) 公式(2)係將公式(1)之公司名稱媒體曝光度，改以 CEO 媒體曝光度作為解釋變數，來檢視其對股東權益報酬率的影響。

表 4-11 為模型四檢定結果表，模型選取結果：(一)普通最小平方法模型 (OLS)或固定效果模型(Fixed Effect Model)之選取：在 10%

的顯著水準下，依F test 檢定值及 p 值顯示，公式(1)至公式(2)因各公司之截距項不完全相同，以選取固定效果模型為佳。(二)普通最

小平方法模型或隨機效果模型(Random Effect Model)之選取：在 10%

的顯著水準下，依LM test 檢定值及 p 值顯示，公式(1)至(2)因各公

Dependent Variable：𝑅𝑅𝑅𝑅𝑅𝑅𝑖𝑖𝑡𝑡

Variables (1) (2)

Intercept 3.1595***

(10.7597) 3.2320***

東權益報酬率有顯著負向的影響，公司負責人可能會為了提升自己的知名度，而花費過多時間在處理媒體活動，進而忽略公司績效的提升；然而，公司名稱媒體曝光度對於股東權益報酬率的影響則不顯著。

第四節 Google 搜尋量指標與媒體曝光度對股票報酬與公 司績效之影響

本節將 Google 搜尋量指標與媒體曝光度兩個變數一併納入考量，探討對於公司股票報酬與公司績效之影響，見模型五至模型七。

[模型五]

公式(1)至公式(3)：以 Google 搜尋量指標(SVI)和公司名稱媒體曝光度 ¹¹作為解釋變數，分別以三因子、四因子及五因子作為控制變數，

檢視其對公司股票報酬率(FirmRet)的影響。

FirmRet_{𝑖𝑖,𝑡𝑡} = 𝑏𝑏₀+ 𝑏𝑏₁𝑆𝑆𝑆𝑆𝑆𝑆_{𝑖𝑖,𝑡𝑡}+ 𝑏𝑏₂𝑀𝑀𝐹𝐹𝑀𝑀𝐹𝐹𝑀𝑀_{𝑖𝑖,𝑡𝑡} + 𝑏𝑏₃𝑀𝑀𝑀𝑀𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹_𝑡𝑡 + 𝑏𝑏₄𝑆𝑆𝑀𝑀𝑆𝑆_𝑡𝑡 + 𝑏𝑏₅𝐻𝐻𝑀𝑀𝐻𝐻_𝑡𝑡+ 𝑐𝑐_𝑖𝑖 + 𝑢𝑢_𝑡𝑡 + 𝜀𝜀_{𝑖𝑖,𝑡𝑡} FirmRet_{𝑖𝑖,𝑡𝑡} = 𝑏𝑏₀+ 𝑏𝑏₁𝑆𝑆𝑆𝑆𝑆𝑆_{𝑖𝑖𝑡𝑡} + 𝑏𝑏₂𝑀𝑀𝐹𝐹𝑀𝑀𝐹𝐹𝑀𝑀_{𝑖𝑖,𝑡𝑡} + 𝑏𝑏₃𝑀𝑀𝑀𝑀𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹_𝑡𝑡

+ 𝑏𝑏₄𝑆𝑆𝑀𝑀𝑆𝑆_𝑡𝑡 + 𝑏𝑏₅𝐻𝐻𝑀𝑀𝐻𝐻_𝑡𝑡+𝑏𝑏₆𝑀𝑀𝑅𝑅𝑀𝑀_𝑡𝑡 + 𝑐𝑐_𝑖𝑖 + 𝑢𝑢_𝑡𝑡+ 𝜀𝜀_{𝑖𝑖,𝑡𝑡} FirmRet_{𝑖𝑖,𝑡𝑡} = 𝑏𝑏₀+ 𝑏𝑏₁𝑆𝑆𝑆𝑆𝑆𝑆_{𝑖𝑖,𝑡𝑡}+ 𝑏𝑏₂𝑀𝑀𝐹𝐹𝑀𝑀𝐹𝐹𝑀𝑀_{𝑖𝑖,𝑡𝑡} + 𝑏𝑏₃𝑀𝑀𝑀𝑀𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹_𝑡𝑡 + 𝑏𝑏₄𝑆𝑆𝑀𝑀𝑆𝑆_𝑡𝑡

+ 𝑏𝑏₅𝐻𝐻𝑀𝑀𝐻𝐻_𝑡𝑡+ 𝑏𝑏₆𝑅𝑅𝑀𝑀𝑅𝑅_𝑡𝑡 + 𝑏𝑏₇𝐶𝐶𝑀𝑀𝑅𝑅_𝑡𝑡 + 𝑐𝑐_𝑖𝑖 + 𝑢𝑢_𝑡𝑡+ 𝜀𝜀_{𝑖𝑖,𝑡𝑡}

(1)

(2)

(3)

公式(4)至公式(6)：係將公式(1)至公式(3)之 SVI 改以 Month Difference of SVI (MDSVI)作為解釋變數，分別以三因子、四因子及五因子作為控制變數，檢視其對公司股票報酬率(FirmRet)的影響。

11 由於CEO 媒體曝光度對股票報酬率無顯著影響，故不納入此模型中。

表 4-13 為模型五之檢定結果表，模型選取結果如下：(一)普通最小平方法模型 (OLS)或固定效果模型 (Fixed Effect Model)之選取：

在10%的顯著水準下，依 F test 檢定值及 p 值顯示，公式(1)至公式 (6)因各公司之截距項不完全相同，以選取固定效果模型為佳。(二) 普通最小平方法模型或隨機效果模型 (Random Effect Model)之選取：

在10%的顯著水準下，依 LM test 檢定值及 p 值顯示，公式(1)至(6) 因無法拒絕各公司之截距項不具有隨機變數性質，故選取普通最小平方法為佳。

表4-13 模型五檢定結果表

𝐻𝐻0: OLS OLS 適合

𝐻𝐻1: Fixed Random 模型

檢定 F p 值適合模型 LM p 值適合模型

(1) 1.4502 0.0304 固定效果 2.0076 0.1565 OLS 固定效果 (2) 1.4555 0.0291 固定效果 2.0529 0.1519 OLS 固定效果 (3) 1.4480 0.0309 固定效果 1.9863 0.1587 OLS 固定效果 (4) 1.3643 0.0589 固定效果 1.6513 0.1988 OLS 固定效果 (5) 1.3706 0.0563 固定效果 1.6995 0.1923 OLS 固定效果 (6) 1.3568 0.0623 固定效果 1.5974 0.2063 OLS 固定效果

表 4-14 為 SVI、MDSVI 與公司名稱媒體曝光度對於公司股票報酬之迴歸分析，Panel A 是以 SVI 與公司名稱媒體曝光度作為解釋變數，Panel B 是以 MDSVI 與公司名稱媒體曝光度作為解釋變數。

由 Panel A 得知，只有公司名稱媒體曝光度在 10%顯著水準下對於公司股票報酬有正向影響，而 SVI 則無顯著影響，可能因為相較於日資料SVI而言，月資料SVI無法及時反應投資人對股票之關注度。

由Panel B 得知，MDSVI 對於公司股票報酬有顯著的正向影響，因此，當該月SVI 相較於前五個月之 SVI 平均值來得愈高時，公司股票報酬率也愈高；而公式(4)、(5)之公司名稱媒體曝光度在 10%顯著水準下對於公司股票報酬有正向的影響。

表 4-14 搜尋量指標與媒體曝光度對公司股票報酬之迴歸分析

Panel A：dependent variable 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡

Variables (1) (2) (3)

Intercept 0.1500

(0.5477) 0.1035

Panel B：dependent variable 𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝐹𝑅𝑅𝐹𝐹𝐹𝐹𝑖𝑖,𝑡𝑡

Variables (4) (5) (6)

Intercept 0.4575***

(3.6680) 0.4102***

2. FirmRet 為樣本公司之股票月報酬率，SVI 為每月 Google 搜尋量指標，

MDSVI 為每月 SVI 與前五個月平均 SVI 之差額，Media 為公司名稱媒體曝光度，MKTRET 為市場月報酬率，SMB3 為公司規模溢酬(三因子)，

SMB5 為公司規模溢酬(五因子)，HML 為高淨值市價比溢酬，MOM 為動能因子，RMW 為盈利能力因子，CMA 為投資因子。

[模型六]

公式(1)是以 Google 搜尋量指標(SVI)和公司名稱媒體曝光度 ¹²作為解釋變數，來檢視其對資產報酬率(ROA)的影響。

𝑅𝑅𝑅𝑅𝑅𝑅_{𝑖𝑖,𝑡𝑡} = 𝑏𝑏₀+ 𝑏𝑏₁𝑆𝑆𝑆𝑆𝑆𝑆_{𝑖𝑖,𝑡𝑡} + 𝑏𝑏₂𝑀𝑀𝐹𝐹𝑀𝑀𝐹𝐹𝑀𝑀_{𝑖𝑖,𝑡𝑡} + 𝑐𝑐_𝑖𝑖 + 𝑢𝑢_𝑡𝑡+ 𝜀𝜀_{𝑖𝑖,𝑡𝑡} (1) 公式(2)係將公式(1)之 SVI 改以 Month Difference of SVI (MDSVI)作為解釋變數，來檢視其對資產報酬率(ROA)的影響。

表 4-15 為模型六檢定結果表，模型選取結果：(一)普通最小平方法模型 (OLS)或固定效果模型(Fixed Effect Model)之選取：在 10%

的顯著水準下，依F test 檢定值及 p 值顯示，公式(1)至公式(2)因各公司之截距項不完全相同，以選取固定效果模型為佳。(二)普通最小平方法模型或隨機效果模型(Random Effect Model)之選取：在 10%

的顯著水準下，依LM test 檢定值及 p 值顯示，公式(1)至(2)因各公司之截距項具有隨機變數性質，故選取隨機效果模型為佳。(三)以上經由F test 與 LM test 顯示固定效果模型與隨機效果模型皆較最小平方法模型為佳，須進行隨機效果模型或固定效果模型之選取：在 10%的顯著水準下，依 Hausman test 檢定值及 p 值顯示，公式(1)至 (2)因隨機效果模型的截距項與解釋變數間不具相關性，故採用隨機效果模型進行分析。

12 由於CEO 媒體曝光度對資產報酬率無顯著影響，故不納入此模型中。

Dependent Variable： 𝑅𝑅𝑅𝑅𝑅𝑅𝑖𝑖,𝑡𝑡

Variables (1) (2)

Intercept 1.7610***

(6.1683) 2.1964***

𝑅𝑅𝑅𝑅𝑅𝑅_{𝑖𝑖,𝑡𝑡} = 𝑏𝑏₀ + 𝑏𝑏₁𝑆𝑆𝑆𝑆𝑆𝑆_{𝑖𝑖,𝑡𝑡} + 𝑏𝑏₂𝑀𝑀𝐹𝐹𝑀𝑀𝐹𝐹𝑀𝑀𝐶𝐶𝑅𝑅𝑅𝑅_{𝑖𝑖,𝑡𝑡} + 𝑐𝑐_𝑖𝑖 + 𝑢𝑢_𝑡𝑡+ 𝜀𝜀_{𝑖𝑖,𝑡𝑡} (1) 公式(2)係將公式(1)之 SVI 改以 Month Difference of SVI (MDSVI)作為解釋變數，來檢視其對股東權益報酬率(ROE)的影響。

表 4-17 為模型七檢定結果表，模型選取結果如下：(一)普通最小平方法模型(OLS)或固定效果模型(Fixed Effect Model)之選取：在 10%的顯著水準下，依 F test 檢定值及 p 值顯示，公式(1)至公式(2) 因各公司之截距項不完全相同，以選取固定效果模型為佳。(二)普通最小平方法模型或隨機效果模型(Random Effect Model)之選取：在 10%的顯著水準下，依 LM test 檢定值及 p 值顯示，公式(1)至(2)因

得知：SVI 與 MDSVI 對於股東權益報酬率有非常顯著的正向影響，

而CEO 媒體曝光度對於股東權益報酬率有非常顯著的負向影響，表示公司負責人可能會為了提升知名度，而忽略公司績效的提升。

表4-18 搜尋量指標與媒體曝光度對股東權益報酬率之迴歸分析

Dependent Variable： 𝑅𝑅𝑅𝑅𝑅𝑅𝑖𝑖𝑡𝑡

Variables (1) (2)

Intercept 2.3423***

(7.6750) 3.2402***

(10.9975) 𝑆𝑆𝑆𝑆𝑆𝑆_{𝑖𝑖,𝑡𝑡} 0.0208***

(9.9885)

𝑀𝑀𝐷𝐷𝑆𝑆𝑆𝑆𝑆𝑆_{𝑖𝑖,𝑡𝑡} 0.0140***

(4.6873) 𝑀𝑀𝐹𝐹𝑀𝑀𝐹𝐹𝑀𝑀𝐶𝐶𝑅𝑅𝑅𝑅_{𝑖𝑖,𝑡𝑡} -0.0985***

(-3.7922) -0.0728***

(-2.7967)

Adj 𝑅𝑅² 0.0196 0.0048

註: 1.、與分別表示顯著水準為 10%、5%與 1%。括號內為 t 值。

2. ROE 為股東權益報酬率，SVI 為每月 Google 搜尋量指標，MDSVI 為每月 SVI

與前五個月平均 SVI 之差額，MediaCEO 為 CEO 媒體曝光度。

在文檔中 Google搜尋趨勢與媒體曝光度對台灣50指數成分股公司績效的影響 (頁 42-53)