併購動能對企業併購績效之影響:以美國市場為例 - 政大學術集成

全文

(1)國立政治大學財務管理學研究所碩士學位論文. 併購動能對企業併購績效之影響:以美國市場為例 Merger Momentum and Performance 治of Acquirer: The US Evidence. 立. 政. 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授 : 吳啟銘教授研究生 : 馮奕儒撰. 中華民國 105 年 6 月.

(2) 摘要在全球併購浪潮興起之時，併購活動可能受市場競爭的影響，促使強強合併，但也可能發生不理性的追隨行為。本文係研究在併購動能中宣告併購，對主併公司的短期與長期併購績效之影響，並且進一步討論在併購案採現金交易、主併公司為成長型公司、主併公司過去有成功併購經驗三個條件之下，對主併公司於併購動能下宣告併購的短期與長期併購績效是否有顯著影響。本研究之貢獻為，採過去併購績效是否顯著作為併購動能之衡量，而非單. 政治大之直接關係外，亦特別著重於該變數與主併公司在併購動能中宣告併購之交乘立純採用市場上所累積的併購績效之規模。另外，除了探討每個變數與併購績效. ‧ 國. 學. 作用，剖析對主併公司短期及長期併購績效的影響。. 而本研究發現，在併購動能當中，若主併公司為成長型公司，能夠顯著提. ‧. 升其宣告併購之短期與長期績效。因此，對於併購動能下指併公司的績效表現. n. al. er. io. sit. y. Nat. 而言，該公司特性為關鍵因素，特別是對長期的併購績效來說。. Ch. engchi. i n U. v. 關鍵字: 併購動能、併購績效、現金交易、成長股、併購經驗.

(3) Abstract When merger waves occur, the M&A activities may be affected by competitive market. This may cause the win-win cooperation, but also may result in blind following. The primary purpose of this paper is to test the correlation of mergers in momentum and the short-term and long-term merger performance. Furthermore, this paper is also focus on three conditions which may influence the above-mentioned correlation, including cash payment, glamour bidders and bidders’ past successful experience of M&A.. 政治大 performance to measure the立 merger momentum, instead of simply using. The major contribution of this paper is using the significance of past merger. ‧ 國. 學. accumulated performance. Second, in addition to the direct relation between variables and merger performance, this paper also aims to emphasize the interaction. ‧. of those variables, analyzing its influence to short-term and long-term performance.. sit. y. Nat. It is reported in this paper that, in the merger waves, glamour bidders. al. er. io. significantly perofrm better in both short-term and long-term period. Thus,. v. n. “Glamour” is a key characteristic for the bidders, which would lead to better. Ch. engchi. i n U. performance in merger wave, especially long-term one.. Key Words: Merger Momentum、Merger Performance、Cash Payment、Glamour、Experience.

(4) 目次第一章緒論 .................................................... 1 第一節研究動機與目的 .........................................1 第二節研究問題 ...............................................2 第三節論文架構 ...............................................2 第二章文獻回顧與假說........................................... 3 第一節如何衡量併購動能 .......................................3 第二節併購動能與主併公司併購績效之關係 .......................5 第三節支付方式與併購動能下併購績效之關係 .....................8 第四節成長型公司與併購動能下併購績效之關係 ..................10 第五節併購經驗與併購動能下併購績效之關係 ....................11. 政治大. 第三章研究方法 ............................................... 12 第一節樣本資料說明 ..........................................12 第二節變數選擇與衡量 ........................................15 第三節模型假設 ..............................................24. 立. ‧ 國. 學. ‧. 第四章實證結果 ............................................... 27 第一節敘述統計分析.......................................... 27. sit. y. Nat. 第二節相關係數分析.......................................... 31 第三節平均數差異分析........................................ 34. io. n. al. er. 第四節多元迴歸分析.......................................... 37. i n U. v. 第五章研究討論 ............................................... 46 第一節併購動能與主併公司併購績效之關係 ......................46 第二節調節變數與併購績效之直接關係 ..........................47 第三節調節變數與併購績效之間接關係 ..........................48. Ch. engchi. 第六章結論與建議 ............................................. 49 第一節研究結論 ..............................................49 第二節研究限制與建議 ........................................50 參考文獻 ...................................................... 51.

(5) 表表 3-1 表 3-2 表 3-3 表 3-4 表 3-5 表 4-1 表 4-2 表 4-3 表 4-4. 研究本之案件數於研究期之年 .................. 13 研究期 TrailingCAR 與 TrailingN 之年 ................ 18 以衡量所之 hot market 與 cold market 的年 . 19 主併公司與併公司之業別 .............................. 23 模型之主要模型 ........................................ 24 所有本 ........................................ 27 以 CAR_ mom 本 ........................... 28 以 N_ mom 本 ............................. 29 所有變數之 Pearson 關係數 .............................. 31. 表 4-5 所有表 4-6 所有. 中變數之變本以 CAR 之. 數數. 因素(VIF )................... 32 析 .......................... 34. 治政大之數析 ......................... 35. 表 4-7 所有本以 BHAR 表 4-8 模型一之析 ........................................ 37 表 4-9 模型之析 ........................................ 38 表 4-10 模型三之析 ....................................... 39 表 4-11 模型之析 ....................................... 40 表 4-12 以 Trailing CAR 衡量併購動能之 (模型一與模型三之 ) 45 表 4-13 以 Trailing N 衡量併購動能之 (模型與模型之 ) .. 45. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. 3-1 研究期. Ch. engchi. i n U. v. 市場併購案之 Trailing CAR 與 Trailing N. ...... 17.

(6) 第一章緒論第一節研究動機與目的. 近年來全球興起一股併購浪潮，然而，這並非歷史上首次出現的現象。事實上，早在 1987 年的美國，就曾經因紐約股票交易所之成立，而讓併購活動有發揮的舞台，許多小公司因追求規模經濟而透過併購來擴大企業規模。到了較近期的 2000 年，由於網際網路的快速崛起，產品的生命週期亦大量縮短，迫使企業透過併購以快速獲得新技術。根據 IMAA(Institute for Mergers, Acquisitions and. 政治大. Alliances)1的統計，美國地區於 1985 年的年度併購案件總數為 2,308 件，年度併. 立. 購交易總值為 3,060 億美元，然而到了 2015 年，年度併購案件總數為 12,272 件，. ‧ 國. 學. 並且，年度併購交易總值創歷史新高，來到 23,560 億美元。總體來說，從 1985 年到 2015 年，年度併購案件總數的複合年成長率(CAGR)達到 4.63%，年度併購. ‧. 交易總值之 CAGR 則為 6.51%，可見併購活動於數十年來越發活絡。. sit. y. Nat. n. al. er. io. 併購可以被視為公司策略的延伸，由歷史的併購歷程來看，企業的併購策略. i n U. v. 逐漸由水平或垂直的整合，逐漸轉變成多角化、企業轉型為目的。由此可知，每. Ch. engchi. 一次併購浪潮中，企業所採取之策略可能有所不同，因此，影響併購案之併購績效的關鍵因素也可能跟著改變。然而，當市場上的併購風氣興盛之時，競爭情形亦將加劇。企業除了基於併購案之綜效而進行併購之外，也有可能跟隨市場趨勢而進行併購，亦有可能因此降低了公司價值。因此，本研究著重於在併購動能下宣告併購，對主併公司之短期與長期績效是否有所影響，並對找出在併購動能之下，影響其短期與長期之併購績效的關鍵因素為何，用以探討在現今併購動能漸盛的市場當中，何種因素能夠提升公司在併購動能當中的短期以及長期之併購績效。 1. https://imaa-institute.org 1.

(7) 第二節研究問題. 本文係研究在併購動能中宣告併購，對主併公司的短期與長期併購績效之影響，並且，更進一步加入併購案的支付方式、主併公司屬於成長型公司、主併公司過去的成功併購經驗三個條件為調節變數，剖析其三者與主併公司在併購動能中宣告併購的交乘作用，對主併公司短期與長期併購績效之影響，由此衡量三者是否為影響併購動能下主併公司併購績效的關鍵因素。. 政治大. 立第三節. 論文架構. ‧ 國. 學. 本研究共分為六章，論文架構簡述如下:. ‧. 第一章為緒論。說明本研究之研究動機與目的，以及欲研究之問題。. y. Nat. sit. 第二章為文獻回顧及假說。說明併購動能、支付方式、成長型主併公司、過. n. al. er. io. 去併購經驗與短期及長期併購績效的相關文獻研究成果，並提出本研究之假說。. i n U. v. 第三章為研究方法。先針對資料樣本之取得與篩選進行說明，接著定義所有變數與模型。. Ch. engchi. 第四章為實證結果。包含敘述統計、相關係數分析、平均數差異分析，以及多元迴歸之結果。第五章為研究討論。針對實證結果與假說加以討論與解釋。第六章為結論與建議。根據本研究之結果，提出結論以及未來研究之建議。. 2.

(8) 第二章文獻回顧與假說第一節. 如何衡量併購動能. 對於併購浪潮形成之原因，一般有以下兩種理論解釋併購浪潮形成之原因，一為新古典理論（neoclassical theory），另一則為行為理論（behavioral theory）。. 根據 Holmstrom B, Kaplan S (2001)、Andrade G, et al. (2001)與 Harford, J. (2005)，新古典理論認為，併購浪潮主要是由增加併購綜效的產業衝擊所引起，. 政治大. 例如科技與法規環境的改變，或流動性限制。然而根據 Shleifer A, Vishny R (2003)，. 立. 行為理論認為造成併購浪潮的關鍵因素為主併與被併公司的相對評價，併購行為. ‧ 國. 學. 的發生是由於當市場上的公司之市帳比（market-to-book ratio）有較大的分散性時，股票市場存在異常的高報酬。因此，當經理人認知到其公司之股價被高估時，. ‧. 便有了併購的誘因，傾向用被高估的股票去進行併購，併購浪潮因而產生。. sit. y. Nat. n. al. er. io. 而 hot market 的概念則是在首次公開募股（IPO）市場的背景下，由 Ritter,. i n U. v. J.R. (1984)首先提出，並由 Ljungqvist, et al. (2006)進一步發展，以投資人的樂觀. Ch. engchi. 情緒來衡量 hot market。另外，併購動能（merger momentum）的概念則是源自於 Rosen, R.J. (2006)，他將併購動能定義為對併購宣告的市場反應與最近的市場條件之間的正向關係。其背後的含義為，市場的反應取決於併購案宣告的新消息，如果併購市場與股票市場皆有利於投資人及管理者，市場對於併購案之宣告將給予正向的回應。因此，Rosen, R.J. (2006)將 hot market 的概念延伸到併購市場，以主併公司之股價表現來定義併購動能，若主併公司之股價報酬高，則定義為 hot market。. 關於定義併購市場屬於 hot market 還是 cold market，其他研究有不同的做法， 3.

(9) 大致上分為三種，過去併購案的併購績效、併購案件數，以及併購交易量。. Jerry Coakley, et al.追隨 Rosen, R.J. (2006)，將其衡量 hot market 的方式應用到與美國具有不同市場特性的英國，研究自 1986 年至 2002 年之 548 件由英國上市主併公司完成之併購案，而該研究採用了另外兩種方式來衡量併購案宣告時的併購動能，第一種為每件併購案之併購宣告日前 3 日起算的過去 12 個月中，市場上所發生之所有併購案的平均 CAR（Trailing 12-month average CAAR），第二種為每件併購案之併購宣告日過去 12 個月中，市場上之併購案件總數（Trailing. 政治大. 12-month number of mergers/100）。. 立. 另外，N.K. Chidambaran, et al. (2009)同樣採用了市場上的併購案件數來衡量. ‧ 國. 學. 併購動能，該研究以併購案過去12個月中市場上的併購案件總數作為第一種衡量. ‧. 方法，第二種方法則為併購案過去12個月中市場上的所有併購案之總交易量。兩. y. Nat. 種方法皆以該變數在研究期間的中位數為標準，大於中位數則定義為hot market，. er. io. sit. 低於中位數時則為cold market。而James S. Ang, Ahmad K. Ismail (2015)也以併購交易量來定義併購活動的hot market，若每一季的併購總交易量高於過去12季交. n. al. i 易量之平均，則為hot market，否則為cold market。 n Ch engchi U. 4. v.

(10) 第二節併購動能與主併公司併購績效之關係. 新古典理論及行為理論皆認為，在併購浪潮中主併公司的股價將被高估，而兩理論關於主併公司的短期與長期的併購績效則有不同的看法。新古典理論假設經理人意在創造股東價值之最大化，故只發動會增加公司價值的併購案，該理論亦認為，在併購浪潮中宣告之併購案應有較高的綜效，且長期股價表現也不會出現反轉。但根據 Shleifer A, Vishny R (2003)，行為理論則認為當主併公司的股價被高估時，經理人是完全理性的，會在做併購決策時，善用被高估的股價，而傾. 政治大. 向以交換股票方式去進行併購。在此情況之下，市場上的投資人也會將於併購浪. 立. 潮中宣告之併購案解讀為股價高估之訊號，因此主併公司的短期及長期報酬將較. ‧ 國. 學. 非於併購浪潮中宣告者為低。. ‧. N.K. Chidambaran, et al. (2009)發現，在 hot market 中宣告併購的主併公司，. y. Nat. io. sit. 其宣告期間內的股價報酬較低。此結果與行為理論一致，市場上的投資人會將. n. al. er. hot market 時宣告之併購案視為股價高估的訊號，於是該併購案的股價在宣告之. Ch. 後便會下跌，長期表現亦較差。. engchi. i n U. v. Rosen, R.J. (2006)研究自1982年至2001年之美國市場，該研究顯示，短期來看，主併公司在hot market中宣告併購時，其短期的股價表現相較於在cold market 中宣告之案件為佳。該研究更進一步發現，美國市場過去的併購案件數（Trailing N）與併購案之短期績效CAR不存在顯著關係；但市場上的所有併購案之平均 CAR（Trailing CAR）則對併購案之短期績效CAR有顯著的正向影響，也就是說，當市場上近期併購案的市場反應較佳時，主併公司在併購宣告期間也會獲得較高的報酬。. 5.

(11) 另外，Jerry Coakley, et al 研究自 1986 年至 2002 年之英國市場，該研究發現，以 Trailing 12-month average CAAR（每件併購案之併購宣告日前 3 天起算的過去 12 個月中，市場上所發生之所有併購案的平均 CAR）所衡量之併購動能對併購案之短期績效為負向但不顯著，而以 Trailing 12-month number of mergers/100（每件併購案之併購宣告日過去 12 個月中，市場上之併購案件總數）所衡量之併購動能對併購案之短期績效則為顯著的正向關係，代表若主併公司宣告日過去 12 個月內，市場上發生之併購案件總數越多，該併購案之短期併購績效將越高。這也代表著，對 1986 年至 2002 年的英國來說，市場會根據過去之併購案件數而對. 政治大. 併購案宣告有立即的反應，而非根據市場上過去之平均 CAR。. 立. 然而長期來看，不同的文獻對於主併公司之長期表現是否生反轉也有不同的. ‧ 國. 學. 發現。Rosen, R.J. (2006)指出此反轉現象將發生，於 hot market 宣告之併購案件，. ‧. 其長期的股價表現將低於那些並非於 hot market 宣告之併購案件。該研究認為投. y. Nat. 資人的樂觀情緒可以解釋併購動能與負面的長期異常報酬。投資人被認定為對於. er. io. sit. 在 hot market 中宣告之併購案存在過度樂觀的情緒，導致主併公司短期有較高的報酬。然而長期而言，這樣不合理的情緒將被修正，於是造成較低的長期異常報. n. al. 酬。. Ch. engchi. i n U. v. 而 Jerry Coakley, et al 則發現，雖短期來說存在強烈的併購動能，但長期並未有報酬反轉的現象，此結果較接近新古典相關的理論，而非市場過度樂觀的假說。另外，Amirhossein Hajbaba, Ray Donnelly (2013)指出，在 hot market 中併購的主併公司，相對於在 cold market 併購者，公司的股價傾向被高估，與行為理論一致。然而，在控制了市場的樂觀偏誤之後，在 hot market 中併購的主併公司其長期併購績效較佳，此結果則符合新古典理論。. 6.

(12) 由過去的文獻可以發現，併購動能的衡量方式是重要的因素，以不同方式衡量併購動能，則於併購動能下宣告併購案對主併公司的短期績效將可能出現不同的影響。N.K. Chidambaran, et al. (2009)發現，在 hot market 宣告之併購案，主併公司之短期績效較差。Rosen, R.J. (2006)研究美國市場，則指出市場上平均 CAR 越高時，主併公司的短期績效越好。另外，研究英國市場 Jerry Coakley, et al 發現，當市場上併購案件總數越多時，主併公司的短期績效越好。. 另一方面，關於併購動能下之併購活動，其主併公司的長期報酬是否反轉，. 政治大 al 發現沒有反轉現象，Amirhossein Hajbaba, Ray Donnelly (2013)則發現於 hot 立. 也並未有一致的結論。Rosen, R.J. (2006)指出該反轉現象將發生，Jerry Coakley, et. market 中併購，其長期併購績效較佳。. ‧ 國. 學 ‧. 然而，本研究係針對 1990 年至 2013 年的美國市場，探討於 hot market 下宣. y. Nat. 告併購的主併公司，其短期與長期併購績效為何，本研究之研究地區、期間與. er. io. sit. Rosen, R.J. (2006)研究自 1982 年至 2001 年之美國市場較為接近，因此欲驗證 Rosen, R.J. (2006)之結果是否仍成立，於是有以下假說一。. n. al. Ch. engchi. i n U. v. 假說一：若於併購動能之下宣告併購，對主併公司之短期績效有正面的影響，然而對長期併購績效則有負面的影響。. 7.

(13) 第三節支付方式與併購動能下併購績效之關係. 併購動能之下，主併公司是否偏好某種支付工具來進行併購? Coakley, J., Fu, L., Thomas, H. (2008)研究英國市場後發現，當市場被高估時，併購案多以現金交易為主。然而，有其他研究指出，當市場被高估的時候，主併公司傾向以股票方式併購。. Amirhossein Hajbaba, Ray Donnelly (2013)指出，在 hot market 中進行併購的. 政治大樣的發現，該研究指出股價高估的公司傾向於以股票方式併購股價高估較不嚴重立主併公司，較可能以股票方式進行併購。Myers, S.C., Majluf, N.S. (1984)也有一. ‧ 國. 學. （或低估）的公司。. 而 Rhodes-Kropf, M., et al. (2005)在美國市場之研究則證明了市場對主併與被併. ‧. 公司的錯誤定價，會影響併購案的支付方式，且當主併公司相對於被併公司的股. sit. y. Nat. 價被高估時，採股票交易的主併公司較採現金交易者的高估情況更為嚴重。另外，. al. n. 為支付工具，此發現支持了行為理論的論述。. Ch. engchi. er. io. N.K. Chidambaran, et al. (2009)也發現，主併公司在 hot market 中傾向使用股票作. i n U. v. 一些研究更進一步指出，以股票交易進行併購將對併購績效產生負面影響，或是以現金交易進行併購之併購績效較佳。根據 Myers, S.C., Majluf, N.S. (1984)，發行新股是一種股價高估的訊號，所以當公司宣佈發行新股時股價應立即下跌。 N.K. Chidambaran, et al. (2009)指出，若完全以股票做為支付工具，不僅主併公司的短期績效顯著為負，長期之併購績效也同樣顯著為負。N.K. Chidambaran, et al. (2009)也發現，以股票為支付方式之併購案，其主併公司的長期績效表現較差。另外，根據 Loughran, T., Vijh, A.M. (1997)與 Gregory, A. (1997)，採用現金交易的併購案有顯著正向的異常報酬，而採用股票交易的併購案則有顯著的負向報酬。 8.

(14) 然而，亦有研究指出在併購活動當中，選擇以股票支付較現金支付為佳。根據 Jerry Coakley, et al，對於以現金交易的併購案來說，存在以併購案件總數衡量之併購動能。另外，以現金交易的併購案，宣告後的長期報酬與其短期併購績效則有負向關係，而股票交易的併購案則無此現象。Chang S (1998)發現當被併公司為未上市公司時，採股票交易的主併公司在併購宣告期間會獲得正報酬，而採現金支付者則獲得零報酬。. 然而，根據市場理論，併購動能之下股票市場容易出現異常之高報酬，主併. 政治大. 公司傾向於採用被高估之股票進行併購，這對於市場的投資人而言亦為負向的訊. 立. 號，因此主併公司的短期及長期報酬將較非於併購浪潮中宣告者為低。由於市場. ‧ 國. 學. 多數以現金及股票兩種方式進行併購，當股票交易的方式對主併公司來說有負向影響時，現金支付之效果是否不同? 且現金支付對於併購案來說，亦有經理人對. ‧. 併購案之信心程度較高之訊號，故本研究假設於併購動能下，現金交易對於主併. y. Nat. n. er. io. al. sit. 公司的短期及長期績效則為正面之影響。. i n U. v. 假說二：若於併購動能之下採用現金交易方式進行併購，將對主併公司之短期與. Ch. engchi. 長期的併購績效皆有正面的影響。. 9.

(15) 第四節成長型公司與併購動能下併購績效之關係根據Collins, D.W., Kothari, S.P. (1989)，較低的帳市比（book-to-market ratio）可被解釋為代表公司有成長機會，也就是所謂的成長型公司。Doukas, J.A., et al. (2002)指出，市場上投資人對帳市比（book-to-market ratio）較高的價值型公司的反應較為樂觀。而成長型的主併公司之併購績效是否存在優勢?根據Rau, P.R., Vermaelen, T. (1998)，績效推論（Performance extrapolation）是造成併購動能的另一個潛在來源，該研究假設市場與主併公司之經理人是藉由推斷被併公司過去之表現，來評. 政治大. 估一件新併購的價值。因此，成長型公司過去有較好的表現，市場會認為併購表. 立. 現將較佳，而價值型公司過去的表現較差，市場會認為其併購表現較差。然而，. ‧ 國. 學. Rau, P.R., Vermaelen, T. (1998)亦指出成長型公司通常在hot market中會被高估，價. ‧. 值型公司通常在hot market中會被低估，市場需要經過一段時間後才能夠重新評價主併公司的價值，因此長期而言，成長型公司的表現為負向，而價值型公司的. er. io. sit. y. Nat. 表現則為正向。. al. Jerry Coakley, et al 假設不論主併公司為成長型公司或價值型公司，併購動能. n. v i n Ch 都會存在，惟成長型公司在併購宣告期間應獲得更多正向的市場反應，而在長期 engchi U 而言則是有更多負向的市場反應。然而該研究之實證結果顯示，當市場在以 Trailing CAR 衡量之 hot market 時，市場對成長型的主併公司會有較高的評價，. 因此主併公司之短期併購績效顯著為正，長期併購績效亦顯著為正，而價值型主併公司則不論短期及長期績效都沒有顯著的影響。另外，Rau, P.R., Vermaelen, T. (1998)亦發現帳市比（book-to-market ratio）較低的成長型主併公司，長期併購績效較差。由此可看出，過往的文獻對於併購動能中屬於成長型的主併公司，有大約一致的看法，其短期併購績效較佳，而長期併購績效較差，故本研究有以下假說。 10.

(16) 假說三：在併購動能之下，主併公司若為成長型公司，會增加主併公司之短期併購績效，然而對長期併購績效則為負向影響。. 第五節併購經驗與併購動能下併購績效之關係 Tseng, J. and Chou, P. (2011)研究發現了公司過去的併購經驗與併購頻率，皆與公司未來完成併購案的可能性有正向關係。且根據 Barney, J. (1991)、Miner, A., et al. (2003)、Nelson, C., Winter, S. (1982)提出，公司過去的併購經驗是一種重要. 政治大. 的組織資源，將形成公司特有的常規，鼓勵公司依過去的經驗來做決策，而非追. 立. 隨其他公司。由此可見以公司層次來看，公司本身在過去若有較多的併購經驗，. ‧ 國. 學. 較傾向形成自己的併購策略，換言之，較不傾向去模仿產業中其他公司的併購策略。本研究認為這可以解讀為，過去併購經驗較多的公司，較不傾向於併購動能. ‧. 中盲目追隨來發行併購案，故本研究假設此現象將對市場釋放正面之訊號，使具. y. Nat. n. al. er. io. sit. 有較多併購經驗之主併公司於併購動能下的併購績效較佳。. i n U. v. 並且，關於公司過去之併購經驗對於未來表現之影響，根據 Haunschild, P.,. Ch. engchi. Sullivan, B. (2002)與 Kim, J., Miner, A. (2007)，公司從成功或失敗的經驗中學習到更多，且 Moeller SB, et al. (2004)發現過去市場併購表現較差的公司，往後的併購表現一樣較差。因此本研究進一步假設，在主併公司過去的成功併購經驗越多的情況下，透過更多的學習進而對其併購績效有正面之影響。. 假說四：在併購動能之下，過去成功經驗較多的主併公司，其短期績效較佳，而對長期績效則沒有影響。. 11.

(17) 第三章研究方法第一節樣本資料說明. 本文係研究在併購動能中宣告併購，對主併公司的短期與長期併購績效之影響，並且，更進一步討論在併購案的支付方式、主併公司屬於成長型公司、主併公司過去的成功併購經驗三個條件之下，主併公司於併購動能下宣告併購的短期與長期併購績效是否有顯著提升。. 政治大. 本研究之研究地區為美國，研究期間為 1990 年 1 月 1 日至 2013 年 12 月 31. 立. 日，共 23 年，且以併購案件之交易金額佔主併公司市值達 20%以上之重大交易. ‧ 國. 學. 案件為研究對象。所有併購案件的資料來源為 SDC （Securities Data Corporation）資料庫，並採以下篩選條件作為樣本之選取：. ‧ y. Nat. 2.. 併購後主併公司持有被併公司股份達 100％。. 3.. 主併公司與被併公司之所在地皆為美國地區。. 4.. 主併公司於宣告併購案當日必須為上市公司，以便以股價資訊計算其併購績. Ch. engchi. er. n. al. sit. 併購案件宣告後必須成功完成併購。. io. 1.. i n U. v. 效，而被併公司則非為未上市公司。 5.. 資料庫中與併購相關的資訊皆無缺漏。. 6.. 交易金額佔主併公司市值達 20%以上之重大案件。. 經由上述之篩選條件，共取得 2,861 個樣本，每一個樣本係代表一併購案件，所有研究樣本按年份區分的案件數分布如表 3-1。. 12.

(18) 研究樣本百分比. 總併購案件數. 百分比. 10 15 18 26 47 138 188 264 260 229 190 143 120 133 148 157 154 130 108 80 85 95 122 1 2,861. 0.35% 0.52% 0.63% 0.91% 1.64% 4.82% 6.57% 9.23% 9.09% 8.00% 6.64% 5.00% 4.19% 4.65% 5.17% 5.49% 5.38% 4.54% 3.77% 2.80% 2.97% 3.32% 4.26% 0.03% 100.00%. 348 415 592 830 1,016 1,034 1,324 1,796 1,831 1,376 1,199 872 822 839 931 1,006 1,031 912 625 434 590 651 720 699 21,893. 1.59% 1.90% 2.70% 3.79% 4.64% 4.72% 6.05% 8.20% 8.36% 6.29% 5.48% 3.98% 3.75% 3.83% 4.25% 4.60% 4.71% 4.17% 2.85% 1.98% 2.69% 2.97% 3.29% 3.19% 100.00%. engchi. sit. y. ‧. n. Ch. 學. io. al. er. 立. 政治大. Nat. 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 Total. 總併購案件數. ‧ 國. 年份. 市場併購案. i n U. v. 表 3-1 研究樣本之案件數於研究期間內之年度分配情形第二欄及第三欄為本研究樣本在 1990 至 2003 年中，每一年之併購案件總數及其佔該 23 年之併購案總數的百分比。第四欄及第五欄則為 SDC 所抓取出於研究期間內，經過篩選條件第 1 至 5 點篩選過後之併購案，包含本研究所設定之非重大交易。. 由表 3-1 可看出，近 26.32%的併購案發生在 1997 至 1999 年間，為研究樣本中併購案發生最活絡的區間，而最不活絡的區間為 1990 至 1992 年，共佔 1.5%。. 13.

(19) 另外，本研究亦從 WRDS（Wharton Research Data Services）之 CRSP （Center for Research in Security Prices）取得所有研究樣本之宣告日前 250 天至後 750 天，主併公司之每日收盤價、交易量、報酬率（Holding Period Return）以及 CRSP 紐約證券交易所價值加權指數，用以計算其短期與長期之併購績效。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 14. i n U. v.

(20) 第二節變數選擇與衡量. 一、應變數. 1. 短期併購績效 CAR 本研究採用由 Fama, E., et al. (1969)所提出的「事件研究法」，將併購案件宣告日作為事件發生日，以 t=0 表示之，其他日期的表示則以事件發生日為基準，並採該基準前 3 天至前 250 天（-250,-3）作為估計期，共計 248 個交易日。另外. 政治大. 以事件發生日發生前後 2 天，共計 5 個交易日，作為事件期（-2,+2）。. 立. ‧ 國. 學. 本研究以目前最廣泛使用的市場模式（market model）估算主祕公司個別股價之預期報酬，利用普通最小平方法（Ordinary Least Square，簡稱 OLS）建立. Nat. n. al. er. io. 其中，. sit. 𝑅𝑖𝑡 = 𝛼𝑖 + 𝛽𝑖 𝑅𝑚𝑡 + 𝜀𝑖𝑡 , t=1,2,…,T. y. ‧. 主併公司 i 之報酬率迴歸式如下：. 𝑅𝑖𝑡 ：主併公司 i 於估計期第 t 日之股價報酬率. Ch. engchi. i n U. v. 𝑅𝑚𝑡 ：估計期第 t 日之股票市場報酬率，本研究採 CRSP 價值加權指數 𝛼𝑖 ：主併公司 i 之股票在市場模式迴歸式之截距 𝛽𝑖 ：主併公司 i 之股票在市場模式迴歸式之斜率 𝜀𝑖𝑡 ：主併公司 i 之股票於估計期第 t 日之隨機誤差項，𝜀𝑖𝑡 ~𝑁(0, 𝜎 2 ) T：估計期之天數，本研究為 248 天. 接著計算其異常報酬率（Abnormal Return, 𝐴𝑅𝑖𝑡 ），為事件期（-2,+2）內主併公司 i 之實際報酬率與預期報酬率之差異，並將主併公司 i 之𝐴𝑅𝑖𝑡 取平均值則為平均異常報酬率（AR），以降低個別公司之干擾事件對股價的影響。最後將事 15.

(21) 件期（-2,+2）內 5 天之 AR 加總，則為累計平均異常報酬率（Cumulative Abnormal Return, CAR）。. 另外，本研究參考沈中華與李建然 (2000)，以傳統法 T 檢定，檢定每一併購案件之 CAR（-2,+2）是否顯著大於零，傳統法之檢定統計量如下：. 𝑡 𝑐𝑎𝑟 =. ∑2𝑡=−2 [. 𝐴𝑅𝑖𝑡 ] 𝑆̂𝑖. √𝑚. 其中，. 政治大 m：事件期之天數，本研究為 5 天交易日立. 𝐴𝑅𝑖𝑡 ：主併公司 i 於事件期內之異常報酬率. ‧ 國. 2. ̅𝑖 ) (𝜀̂ ̂ 𝑖𝑗 − 𝜀 𝑆̂𝑖 ＝ ∑ (𝑇𝑖 − 1) 2. ‧. 𝑗=−250. sit. y. Nat. 其中，. −3. 學. 2 𝑆̂𝑖 ：主併公司 i 於估計期（-250,-3）之殘差變異數，計算方式如下：. al. er. io. 𝑇𝑖 ：主併公司 i 於估計期（-250,-3）之天數，本研究為 248 個交易日. n. 𝜀̂：主併公司 i 於估計期（-250,-3）內第 j 日之殘差項 𝑖𝑗. Ch. engchi. i n U. v. 𝜀̅ ̂𝑖 ：主併公司 i 於估計期（-250,-3）內之殘差項平均值. 最後以傳統法 T 檢定，檢定每一併購案件之 CAR（-2,+2）是否顯著大於零，屬於右尾檢定，在顯著水準𝛼為 5%之下，𝑡 𝑐𝑎𝑟 大於 1.645 則表示該併購案之短期併購績效顯著大於零。. 2. 長期併購績效 BHAR 本研究參考 Rosen, R.J. (2006)，採用 BHAR（buy-and-hold abnormal returns）衡量併購案長期之市場反應，代表主併公司的長期併購績效。本研究採取併購宣 16.

(22) 告日後 3 天至 750 天作為衡量長期併購績效之區間，因此 BHAR 的公式如下： BHAR =. ∏750 𝑡=3(1 + 𝑅𝑖𝑡 ) 750 ∏𝑡=3(1 + 𝑅𝑚𝑡 ). 其中， 𝑅𝑖𝑡 ：主併公司 i 於併購宣告日後 3 日至 750 日中，第 t 日股價報酬率 𝑅𝑚𝑡 ：併購宣告日後 3 天至 750 天中，第 t 日之股票市場報酬率，本研究採用 CRSP 價值加權指數. 二、. 自變數. 政治大 12-month Ave CAR（過去立 12 個月的平均 CAR，此後簡稱 Trailing CAR），第二首先，本研究採用兩種基礎衡量市場上之併購動能，第一種為 Trailing. ‧ 國. 學. 種則為 Trailing 12-month number of mergers（過去 12 個月的併購案件總數，此後簡稱 Trailing N）。且以月為單位，計算每個月之過去 12 個月的 Trailing CAR. ‧. 與 Trailing N，如圖 3-1 所示。. y. sit. n. al. er. io. 2,500. Nat. 圖 3-1 研究期間內市場併購案之 Trailing CAR 與 Trailing N 趨勢圖. 2,000. Ch. engchi U. v ni. 1,500. 0.04 0.04. 0.03 0.03 0.02 0.02. 1,000. 0.01 0.01. 500. 0.00 -0.01 -0.01 1990/1 1990/9 1991/5 1992/1 1992/9 1993/5 1994/1 1994/9 1995/5 1996/1 1996/9 1997/5 1998/1 1998/9 1999/5 2000/1 2000/9 2001/5 2002/1 2002/9 2003/5 2004/1 2004/9 2005/5 2006/1 2006/9 2007/5 2008/1 2008/9 2009/5 2010/1 2010/9 2011/5 2012/1 2012/9 2013/5. 0. TrailingN(左軸). TrailingCAR(右軸) 17.

(23) 由圖 3-1 可觀察出，以兩種方式所衡量之併購動能有不同之趨勢，凸顯本研究探討兩種不同衡量方式之重要性。另外，表 3-2 為研究期間內 TrailingCAR 與 TrailingN 之年度分布。由表 3-2 可知，研究期間內，TrailingCAR 年度平均之最大值為 2.84%，發生在 1992 年；而 TrailingN 年度平均之最大值為 1934 件併購案，發生在 1998 年。 TrailingCAR 年度平均 0.0080 0.0227 0.0284 0.0237 0.0147 0.0148 0.0162 0.0124 0.0114 0.0099 0.0020 0.0014 0.0092 0.0135 0.0085 0.0066 0.0070 0.0083 0.0079 0.0114 0.0073 0.0082 0.0104 0.0124 0.0115 0.0102. ‧. n. Ch. engchi. y. sit. er. io. al. TrailingN 年度平均 376 349 514 684 930 1,033 1,158 1,471 1,934 1,598 1,296 1,054 820 812 911 943 1,054 965 803 477 512 632 649 726 904 866. 學. ‧ 國. 立. 政治大. Nat. 年份 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 平均中位數. i n U. v. 表 3-2 研究期間內 TrailingCAR 與 TrailingN 之年度平均. 計算出每個月的 TrailingCAR 與 TrailingN 之後，接著本研究採用以下方式將研究期間之所有月份，重新定義為 hot month 與 cold month，代表市場上是否存在併購動能。 18.

(24) 針對 TrailingCAR，本研究採用與過去文獻較為不同的方法，對於每個月的 TrailingCAR 採用 T 檢定，檢定過去 12 個月市場上的平均 CAR 是否顯著大於零，若顯著大於零則將該月定義為 hot market，若否則定義為 cold market。而針對 TrailingN，本研究以研究區間之 TrailingN 中位數為標準，大於中位數則定義為 hot market，若否則定義為 cold market。表 3-3 為以上述兩種不同的衡量方式所定義之 hot market 與 cold market 下，研究樣本併購案件的年度分布。. 立. 以 TrailingN 衡量併購動能 Hot Cold Market Market 0 10 0 15 0 18 2 24 47 0 138 0 188 0 264 0 260 0 229 0 190 0 143 0 57 63 47 86 148 0 157 0 154 0 130 0 62 46 0 80 0 85 0 95 0 122 0 1 2,216 645. 政治大. 學. ‧. sit. n. er. io. al. y. Nat. 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 總數. 以 TrailingCAR 衡量併購動能 Hot Cold Market Market 7 3 15 0 18 0 26 0 47 0 138 0 188 0 264 0 179 81 150 79 42 148 32 111 111 9 133 0 104 44 61 96 154 0 130 0 102 6 80 0 26 59 86 9 122 0 1 0 2,216 645. ‧ 國. 年份. Ch. engchi. i n U. v. 總案件數 10 15 18 26 47 138 188 264 260 229 190 143 120 133 148 157 154 130 108 80 85 95 122 1 2,861. 表 3-3 以兩種衡量基準所定義出之 hot market 與 cold market 的年度分布 19.

(25) 由表 3-3 可觀察出，兩種衡量基準下，於研究期間內之所有於 hot market 宣告併購地併購案件總數恰巧相等，皆為 2,216 件，而大多數的併購案宣告日落在 cold market 當中，皆為 645 件。雖以併購案總數來看是相同的，然兩種衡量基準下的年度分配情形則不一致。. 定義出研究期間內兩種衡量基礎下之 hot market 與 cold market 後，本研究設定以下兩自變數來衡量併購案是否發生於 hot market，變數設計為虛擬變數。. 政治大. 立. 1. CAR_mom. ‧ 國. 學. CAR_mom 代表主併公司是否在以 Trailing CAR 衡量之併購動能中宣告併購，. ‧. 為虛擬變數，變數設定如下：. sit. y. Nat. CAR_mom=1，若併購案發生的月份為 Trailing CAR 所定義之 hot market. io. n. al. er. CAR_mom=0，若併購案發生的月份為 Trailing CAR 所定義之 cold market. 2. N_ mom. Ch. engchi. i n U. v. 該變數代表主併公司是否在以 Trailing N 衡量之併購動能中宣告併購，為虛擬變數，變數設定如下： N_ mom =1，若併購案發生的月份為 Trailing N 所定義之 hot market N_ mom=0，若併購案發生的月份為 Trailing N 所定義之 cold market. 20.

(26) 三、. 調節變數除自變數以外，本研究亦納入 Cash、Glamour、Success 三個調節變數，探. 討各自如何影響 CAR_ mom 及 N_ mom 與長短期併購績效之關係，進一步討論併購案的支付方式、主併公司為成長股、主併公司過去有成功併購經驗三個條件之下，主併公司於併購動能下宣告併購的短期與長期併購績效是否受到影響。. 1. Cash. 政治大. 若併購案之交易金額中，採現金交易的比例佔總交易金額達 50％以上（含. 立. 50%），則定義 Cash =1，否則 Cash=0，該變數為虛擬變數。資料來源為 SDC 資. ‧ 國. ‧ sit. y. Nat. 2. Glamour. 學. 料庫。. io. al. er. 若主併公司之帳市價值比（Book-to-Market）在研究期間所有研究樣本中落. v. n. 在中位數以下，則定義主併公司為成長股，Glamour=1，否則 Glamour =0，該變. Ch. engchi. i n U. 數為虛擬變數。資料來源為 SDC 資料庫中，主併公司之帳面價值(book value)與併購宣告日前四週之市場價值(market value)。. 3. Success 該變數之衡量為主併公司於該併購案宣告日的前五年之中，是否有成功的併購經驗，成功之定義為過去併購案於當時的 CAR(-2,+2)顯著大於零。變數之設定為，當主併公司過去五年內有成功併購經驗，則定義 Success=1，否則 Suceess=0，代表主併公司過去五年內無成功併購經驗，該變數為虛擬變數。 21.

(27) 四、. 控制變數本研究以 List、Asset、Deal_Value、Same_IND 四個變數作為控制變數，變. 數說明及衡量方法如下。. 1. List 若被併公司為上市公司，則 List=1，否則 List=0，該變數為虛擬變數。資料來源為 SDC 資料庫，本研究只將 SDC 上顯示為 Public 之上市狀態者定義為上市. 政治大. 公司，其他例如私人公司或合資企業等一律視為非上市公司。. 立. ‧ 國. 學. 2. Asset. ‧. 該變數為主併公司之總資產（百萬美元），取自然對數值，以避免數字級距. sit. io. n. al. er. 產。. y. Nat. 差異過大，對實證結果造成影響。資料來源為 SDC 資料庫中，主併公司之總資. 3. Deal_Value. Ch. engchi. i n U. v. 該變數為併購案件之交易金額（百萬美元）取自然對數值，以避免數字級距差異過大，對實證結果造成影響。資料來源為 SDC 資料庫中，併購案之交易金額。. 4. Same_IND 該變數為虛擬變數，代表主併公司與被併公司是否為同一產業。本研究採用美國產業標準分類碼（SIC code）前兩碼作為主要產業的分類。若主併公司與被 22.

(28) 併公司之該前兩碼相同，則定義 Same_IND=1，代表兩者屬於相同產業，否則 Same_IND=0，代表兩者屬於同一產業。主併公司與被併公司之產業別分配見表 3-4。資料來源為 SDC 資料庫中之 4-digit SIC。. 產業類別. 主要行業分類碼. 農林漁牧業礦產業建築業製造業運輸、交通、水電、衛生業批發業零售買賣業金融保險及不動產業服務業政府部門其他行業總數. 01~09 10~14 15~17 20~39 40~49 50~51 52~59 60~67 70~89 91~97 99. 政治大. 學. ‧. ‧ 國. 立. 主併公司被併公司併購案件數百分比併購案件數百分比 0 0.00% 0 0.00% 185 6.47% 193 6.75% 34 1.19% 36 1.26% 908 31.74% 852 29.78% 249 8.70% 254 8.88% 85 2.97% 83 2.90% 86 3.01% 98 3.43% 791 27.65% 711 24.85% 514 17.97% 621 21.71% 2 0.07% 1 0.03% 7 0.24% 12 0.42% 2,861 100.00% 2,861 100.00%. y. Nat. er. io. sit. 表 3-4 主併公司與被併公司之產業別分配. al. n. v i n Ch 表 3-4 為所有 2,861 個樣本中，主併公司與被併公司之產業別分布。由表 3-4 engchi U 可看出主併（被併）公司的產業分佈情況，以製造業為最多，佔主併（被併）公司的 31.74%（29.78%），共 908（852）件；第二為金融保險及不動產業，佔主併（被併）公司的 27.65%（24.85%），共 791（711）件；第三則為服務業，佔主併（被併）公司的 17.97%（21.71%），共 514（621）件。. 23.

(29) 第三節模型假設. 本研究分別探討，在以市場上每個月之過去 12 個月的平均 CAR（Trailing 12-month Ave CAR，此後簡稱 Trailing CAR）與過去 12 個月的併購案件總數（Trailing 12-month number of mergers，此後簡稱 Trailing N）兩種衡量方法下的 hot/cold market 宣告併購案，主併公司之短期與長期併購績效表現為何？另外， Cash、Glamour、Success 三個調節變數對於 hot market 中宣告併購案之主併公司. 政治大. 的長短期績效又有何影響？本研究之主要模型架構如表 3-5 所示，並定義模型一. 立. 至模型四的應變數、自變數以調節變數。. 調節變數 2. 模型一. CAR. CAR_mom. Cash. Glamour. Success. 模型二. CAR. N_ mom. Cash. Glamour. Success. 模型三. BHAR. CAR_ mom. Cash. Glamour. Success. 模型四. BHAR. Cash. Glamour. Success. n. al. Ch. 表 3-5 各模型之主要模型架構. engchi. sit. er. io. N_ mom. ‧. 調節變數 1. y. ‧ 國. 學. 自變數 1. Nat. 應變數. i n U. v. 調節變數 3. CAR 與 BHAR 為本研究之應變數。CAR 為主併公司之短期併購績效，以事件發生日發生前後 2 天，共計 5 個交易日，作為事件期（-2,+2）。BHAR 為主併公司之長期併購績效，以併購宣告日後 3 天至 750 天作為衡量長期併購績效之區間。CAR_mom 與 N_mom 為本研究之自變數。CAR_mom 代表主併公司是否在以 Trailing CAR 衡量之併購動能中併購，若併購案發生的月份為 Trailing CAR 所定義之 hot market，則 CAR_mom=1，否則 CAR_mom=0，為虛擬變數。N_mom 代表主併公司是否在以 Trailing N 衡量之併購動能中併購，若併購案發生的月份為 Trailing N 所定義之 hot market，則 N_mom=1，否則 N_mom=0，為虛擬變數。Cash、Glamour、Success 為本研究之調節變數。Cash 代表併購案之交易方式，若併購案之交易金額中，採現金交易的比例佔總交易金額達 50％以上（含 50%），則定義 Cash =1，否則 Cash=0，該變數為虛擬變數。Glamour 代表主併公司為成長股，若主併公司之帳市價值比（Book-to-Market）在研究期間所有研究樣本中落在中位數以下，則定義主併公司為成長股，Glamour=1，否則 Glamour =0，該變數為虛擬變數。Success 代表主併公司於宣告日前五年是否有成功併購之經驗，成功之定義為過去之併購案於當時的 CAR(-2,+2)顯著大於零，若過去五年內有成功併購經驗則 Success=1，否則 Success=0，為虛擬變數。. 模型一、二之應變數為 CAR，討論主併公司的短期併購績效；模型三、四之應變數為 BHAR，討論主併公司的長期併購績效。而自變數方面，模型一、三 24.

(30) 之自變數為 CAR_mom，代表併購案是否發生於以 CAR 衡量之 hot market 中；模型二、四之自變數為 N_mom，代表併購案是否發生於以 N 衡量之 hot market 中。綜合來說，此四個模型之結果顯示兩自變數 CAR_mom 與 N_mom 對兩應變數 CAR 與 BHAR 之交叉影響。以下就模型一至模型四欲探討之關係詳細說明。. 模型一：討論在以 Trailing CAR 衡量之併購動能中宣告併購，對主併公司之短期併購績效的影響。. 政治大. 𝐂𝐀𝐑 𝐢 = β0 + β1 𝐂𝐀𝐑_𝐦𝐨𝐦𝐢 + β2 𝐂𝐚𝐬𝐡𝐢 + β3 𝐆𝐥𝐚𝐦𝐨𝐮𝐫𝐢 +β4 𝐒𝐮𝐜𝐜𝐞𝐬𝐬𝐢 + β5 𝐂𝐀𝐑_𝐦𝐨𝐦 ×. 立. 𝐂𝐚𝐬𝐡𝐢 + β6 𝐂𝐀𝐑_𝐦𝐨𝐦 × 𝐆𝐥𝐚𝐦𝐨𝐮𝐫𝐢 + β7 𝐂𝐀𝐑_𝐦𝐨𝐦 × 𝐒𝐮𝐜𝐜𝐞𝐬𝐬𝐢 + β8 𝐋𝐢𝐬𝐭 𝐢 + β𝟗 𝐀𝐬𝐬𝐞𝐭 𝐢 +. ‧ 國. 學. β10 𝐃𝐞𝐚𝐥_𝐕𝐚𝐥𝐮𝐞𝐢 + β11 𝐒𝐚𝐦𝐞_𝐈𝐍𝐃𝐢 + 𝛆𝐢𝐭. ‧. sit. y. Nat. 模型二：討論在以 Trailing N 衡量之併購動能中宣告併購，對主併公司之短. io. n. al. er. 期併購績效的影響。. i n U. v. 𝐂𝐀𝐑 𝐢 = β0 + β1 𝐍_𝐦𝐨𝐦𝐢 + β2 𝐂𝐚𝐬𝐡𝐢 + β3 𝐆𝐥𝐚𝐦𝐨𝐮𝐫𝐢 +β4 𝐒𝐮𝐜𝐜𝐞𝐬𝐬𝐢 + β5 𝐍_𝐦𝐨𝐦 ×. Ch. engchi. 𝐂𝐚𝐬𝐡𝐢 + β6 𝐍_𝐦𝐨𝐦 × 𝐆𝐥𝐚𝐦𝐨𝐮𝐫𝐢 + β7 𝐍_𝐦𝐨𝐦 × 𝐒𝐮𝐜𝐜𝐞𝐬𝐬𝐢 + β8 𝐋𝐢𝐬𝐭 𝐢 + β𝟗 𝐀𝐬𝐬𝐞𝐭 𝐢 + β10 𝐃𝐞𝐚𝐥_𝐕𝐚𝐥𝐮𝐞𝐢 + β11 𝐒𝐚𝐦𝐞_𝐈𝐍𝐃𝐢 + 𝛆𝐢𝐭. 模型三：討論在以 Trailing CAR 衡量之併購動能中宣告併購，對主併公司之長期併購績效的影響。 𝐁𝐇𝐀𝐑 𝐢 = β0 + β1 𝐂𝐀𝐑_𝐦𝐨𝐦𝐢 + β2 𝐂𝐚𝐬𝐡𝐢 + β3 𝐆𝐥𝐚𝐦𝐨𝐮𝐫𝐢 +β4 𝐒𝐮𝐜𝐜𝐞𝐬𝐬𝐢 + β5 𝐂𝐀𝐑_𝐦𝐨𝐦 × 𝐂𝐚𝐬𝐡𝐢 + β6 𝐂𝐀𝐑_𝐦𝐨𝐦 × 𝐆𝐥𝐚𝐦𝐨𝐮𝐫𝐢 + β7 𝐂𝐀𝐑_𝐦𝐨𝐦 × 𝐒𝐮𝐜𝐜𝐞𝐬𝐬𝐢 + β8 𝐋𝐢𝐬𝐭 𝐢 + β𝟗 𝐀𝐬𝐬𝐞𝐭 𝐢 + β10 𝐃𝐞𝐚𝐥_𝐕𝐚𝐥𝐮𝐞𝐢 + β11 𝐒𝐚𝐦𝐞_𝐈𝐍𝐃𝐢 + 𝛆𝐢𝐭 25.

(31) 模型四：討論在以 Trailing N 衡量之併購動能中宣告併購，對主併公司之長期併購績效的影響。 𝐁𝐇𝐀𝐑 𝐢 = β0 + β1 𝐍_𝐦𝐨𝐦𝐢 + β2 𝐂𝐚𝐬𝐡𝐢 + β3 𝐆𝐥𝐚𝐦𝐨𝐮𝐫𝐢 +β4 𝐒𝐮𝐜𝐜𝐞𝐬𝐬𝐢 + β5 𝐍_𝐦𝐨𝐦 × 𝐂𝐚𝐬𝐡𝐢 + β6 𝐍_𝐦𝐨𝐦 × 𝐆𝐥𝐚𝐦𝐨𝐮𝐫𝐢 + β7 𝐍_𝐦𝐨𝐦 × 𝐒𝐮𝐜𝐜𝐞𝐬𝐬𝐢 + β8 𝐋𝐢𝐬𝐭 𝐢 + β𝟗 𝐀𝐬𝐬𝐞𝐭 𝐢 + β10 𝐃𝐞𝐚𝐥_𝐕𝐚𝐥𝐮𝐞𝐢 + β11 𝐒𝐚𝐦𝐞_𝐈𝐍𝐃𝐢 + 𝛆𝐢𝐭. 另外，於每個模型中皆納入調節變數 Cash、Glamour 與 Success，以及控制. 政治大. 變數 List、Asset、Deal_Value、Same_IND，且分別計算四條迴歸式：. 立. ‧ 國. 學. 迴歸式 1：主要效應，僅討論應變數對自變數之影響。. ‧. 迴歸式 2：納入 Cash 變數以及 Cash 與自變數之交乘項，欲討論在 Cash 之. sit. y. Nat. 作用下，是否對應變數有額外的影響。. io. al. n. Cash 之作用下，是否對應變數有額外的影響。. Ch. engchi. er. 迴歸式 3：納入 Glamour 變數以及 Glamour 與自變數之交乘項，欲討論在. i n U. v. 迴歸式 4：納入 Success 變數以及 Success 與自變數之交乘項，欲討論在 Cash 之作用下，是否對應變數有額外的影響。迴歸式 5：完整模型，同時納入三個調節變數，以及各自與自變數之交乘項，欲討論在所有調節變數之綜合作用之下，對應變數之影響。. 26.

(32) 第四章實證結果第一節敘述統計分析. 表 4-1 為本研究之所有樣本（共 2,861 件併購案）之敘述統計量。表 4-2 則以 CAR_mom 做樣本切割，將 CAR_mom =1 及 CAR_mom =0 切割成兩群樣本，分別觀察其敘述統計量。表 4-3 則以 N_ mom 做樣本切割，將 N_ mom =1 及 N_ mom =0 切割成兩群樣本，分別觀察其敘述統計量。. 治中位數政Ｑ3 大 0.35 0.06 0.01. Q1. 平均數標準差最大值. io. y. sit. Nat. n. al. -0.04 34.14 1.25 0.57 0.23 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.00 0.00 1.00 1.00 0.00 0.00 1.00 0.00 0.00 0.00 1.00 1.00 0.00 0.00 51,374.64 1,577.98 483.91 133.50 11,864.43 452.60 135.00 39.80 1.00 1.00 1.00 0.00. ‧. ‧ 國. 立. 0.10 4.20 0.42 0.42 0.49 0.50 0.34 0.48 6.02 5.82 0.48. 學. CAR 0.02 BHAR 1.59 CAR_mom 0.77 N_mom 0.77 Cash 0.39 Glamour 0.50 Success 0.13 List 0.35 Asset 483.91 Deal_Value 144.47 Same_IND 0.64. er. 變數. Ch. 表 4-1 敘述統計（所有樣本）. engchi. i n U. v. 最小值樣本數 -0.23 0.00 0.00 0.00 0.00 0.00 0.00 0.00 10.90 4.00 0.00. 2,861 2,861 2,861 2,861 2,861 2,861 2,861 2,861 2,861 2,861 2,861. CAR 與 BHAR 為本研究之應變數。CAR 為主併公司之短期併購績效，以事件發生日發生前後 2 天，共計 5 個交易日，作為事件期（-2,+2）。BHAR 為主併公司之長期併購績效，以併購宣告日後 3 天至 750 天作為衡量長期併購績效之區間。CAR_mom 與 N_mom 為本研究之自變數。 CAR_mom 代表主併公司是否在以 Trailing CAR 衡量之併購動能中併購，若併購案發生的月份為 Trailing CAR 所定義之 hot market，則 CAR_mom=1，否則 CAR_mom=0，為虛擬變數。N_mom 代表主併公司是否在以 Trailing N 衡量之併購動能中併購，若併購案發生的月份為 Trailing N 所定義之 hot market，則 N_mom=1，否則 N_mom=0，為虛擬變數。Cash、Glamour、Success 為本研究之調節變數。Cash 代表併購案之交易方式，若併購案之交易金額中，採現金交易的比例佔總交易金額達 50％以上（含 50%），則定義 Cash =1，否則 Cash=0，該變數為虛擬變數。Glamour 代表主併公司為成長股，若主併公司之帳市價值比（Book-to-Market）在研究期間所有研究樣本中落在中位數以下，則定義主併公司為成長股，Glamour=1，否則 Glamour =0，該變數為虛擬變數。Success 代表主併公司於宣告日前五年是否有成功併購之經驗，成功之定義為過去之併購案於當時的 CAR(-2,+2)顯著大於零，若過去五年內有成功併購經驗則 Success=1，否則 Success=0，為虛擬變數。List、Asset、Deal_Value、Same_IND 為本研究之控制變數。List 代表被併公司之上市情形，若被併公司為上市公司，則 List=1，否則 List=0，該變數為虛擬變數。Asset 為主併公司之總資產（$mn）。Deal_Value 為併購案件之交易金額（$mn）。Same_IND 代表主併公司與被併公司是否為同一產業，本研究採用美國產業標準分類碼（SIC code）前兩碼作為主要產業的分類，若主併公司與被併公司之該前兩碼相同，則定義 Same_IND=1，否則 Same_IND=0，為虛擬變數。. 27.

(33) 變數. 平均數標準差最大值. Ｑ3. Q1. 中位數. 最小值樣本數. 以CAR衡量之hot market：. io. n. -0.23 0.00 1.00 0.00 0.00 0.00 0.00 0.00 10.90 4.00 0.00. 2,216 2,216 2,216 2,216 2,216 2,216 2,216 2,216 2,216 2,216 2,216. 0.35 0.07 34.14 1.59 0.00 0.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 51,374.64 1,437.27 11,864.43 474.99 1.00 1.00. -0.05 0.63 0.25 0.00 0.00 1.00 1.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 491.42 127.00 132.50 36.83 1.00 0.00. -0.23 0.00 0.00 0.00 0.00 0.00 0.00 0.00 10.90 4.00 0.00. 645 645 645 645 645 645 645 645 645 645 645. 政治 0.00 大. Ch. 表 4-2 敘述統計（以 CAR_ mom 做樣本切割）. engchi. y. sit. Nat. al. 0.01 -0.03 0.55 0.23 1.00 1.00 1.00 0.00 0.00 0.00 1.00 0.00 0.00 0.00 0.00 0.00 474.28 135.75 135.86 40.00 1.00 0.00. ‧. ‧ 國. 立. 0.35 0.06 34.14 1.21 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 51,374.64 1,633.86 11,864.43 440.01 1.00 1.00. 學. 0.02 0.09 1.44 3.82 1.00 0.00 0.75 0.43 0.38 0.49 0.50 0.50 0.13 0.33 0.34 0.47 493.49 6.12 145.07 5.71 0.64 0.48 以CAR衡量之cold market： CAR 0.01 0.11 BHAR 2.11 5.26 CAR_mom 0.00 0.00 N_mom 0.87 0.34 Cash 0.39 0.49 Glamour 0.49 0.50 Success 0.15 0.35 List 0.37 0.48 Asset 452.51 5.70 Deal_Value 142.45 6.22 Same_IND 0.63 0.48. er. CAR BHAR CAR_mom N_mom Cash Glamour Success List Asset Deal_Value Same_IND. i n U. v. CAR 與 BHAR 為本研究之應變數。CAR 為主併公司之短期併購績效，以事件發生日發生前後 2 天，共計 5 個交易日，作為事件期（-2,+2）。BHAR 為主併公司之長期併購績效，以併購宣告日後 3 天至 750 天作為衡量長期併購績效之區間。CAR_mom 與 N_mom 為本研究之自變數。 CAR_mom 代表主併公司是否在以 Trailing CAR 衡量之併購動能中併購，若併購案發生的月份為 Trailing CAR 所定義之 hot market，則 CAR_mom=1，否則 CAR_mom=0，為虛擬變數。N_mom 代表主併公司是否在以 Trailing N 衡量之併購動能中併購，若併購案發生的月份為 Trailing N 所定義之 hot market，則 N_mom=1，否則 N_mom=0，為虛擬變數。Cash、Glamour、Success 為本研究之調節變數。Cash 代表併購案之交易方式，若併購案之交易金額中，採現金交易的比例佔總交易金額達 50％以上（含 50%），則定義 Cash =1，否則 Cash=0，該變數為虛擬變數。Glamour 代表主併公司為成長股，若主併公司之帳市價值比（Book-to-Market）在研究期間所有研究樣本中落在中位數以下，則定義主併公司為成長股，Glamour=1，否則 Glamour =0，該變數為虛擬變數。Success 代表主併公司於宣告日前五年是否有成功併購之經驗，成功之定義為過去之併購案於當時的 CAR(-2,+2)顯著大於零，若過去五年內有成功併購經驗則 Success=1，否則 Success=0，為虛擬變數。List、Asset、Deal_Value、Same_IND 為本研究之控制變數。List 代表被併公司之上市情形，若被併公司為上市公司，則 List=1，否則 List=0，該變數為虛擬變數。Asset 為主併公司之總資產（$mn）。Deal_Value 為併購案件之交易金額（$mn）。Same_IND 代表主併公司與被併公司是否為同一產業，本研究採用美國產業標準分類碼（SIC code）前兩碼作為主要產業的分類，若主併公司與被併公司之該前兩碼相同，則定義 Same_IND=1，否則 Same_IND=0，為虛擬變數。. 28.

(34) 變數. 平均數標準差最大值. Ｑ3. Q1. 中位數. 最小值樣本數. 以N衡量之hot market：. n. 2,216 2,216 2,216 2,216 2,216 2,216 2,216 2,216 2,216 2,216 2,216. 0.35 0.06 34.14 1.37 1.00 1.00 0.00 0.00 1.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 51,374.64 2,051.24 11,864.43 445.99 1.00 1.00. -0.05 0.67 0.32 1.00 1.00 0.00 0.00 0.00 0.00 1.00 0.00 0.00 0.00 0.00 0.00 699.17 213.41 156.01 50.00 1.00 0.00. -0.23 0.00 0.00 0.00 0.00 0.00 0.00 0.00 10.90 4.00 0.00. 645 645 645 645 645 645 645 645 645 645 645. 政治 0.01 大. Ch. 表 4-3 敘述統計（以 N_ mom 做樣本切割）. engchi. y. sit. io. -0.23 0.00 0.00 1.00 0.00 0.00 0.00 0.00 10.90 4.00 0.00. er. Nat. al. 0.01 -0.04 0.53 0.19 1.00 0.00 1.00 1.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 428.63 123.35 130.27 37.45 1.00 0.00. ‧. ‧ 國. 立. 0.35 0.06 34.14 1.21 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 51,374.64 1,444.76 11,864.43 453.37 1.00 1.00. 學. CAR 0.02 0.10 BHAR 1.55 4.13 CAR_mom 0.75 0.43 N_mom 1.00 0.00 Cash 0.36 0.48 Glamour 0.49 0.50 Success 0.14 0.35 List 0.35 0.48 Asset 439.79 5.98 Deal_Value 140.98 5.86 Same_IND 0.64 0.48 以N衡量之cold market： CAR 0.02 0.10 BHAR 1.75 4.41 CAR_mom 0.87 0.34 N_mom 0.00 0.00 Cash 0.46 0.50 Glamour 0.52 0.50 Success 0.10 0.30 List 0.33 0.47 Asset 672.10 5.95 Deal_Value 157.21 5.67 Same_IND 0.64 0.48. i n U. v. CAR 與 BHAR 為本研究之應變數。CAR 為主併公司之短期併購績效，以事件發生日發生前後 2 天，共計 5 個交易日，作為事件期（-2,+2）。BHAR 為主併公司之長期併購績效，以併購宣告日後 3 天至 750 天作為衡量長期併購績效之區間。CAR_mom 與 N_mom 為本研究之自變數。 CAR_mom 代表主併公司是否在以 Trailing CAR 衡量之併購動能中併購，若併購案發生的月份為 Trailing CAR 所定義之 hot market，則 CAR_mom=1，否則 CAR_mom=0，為虛擬變數。N_mom 代表主併公司是否在以 Trailing N 衡量之併購動能中併購，若併購案發生的月份為 Trailing N 所定義之 hot market，則 N_mom=1，否則 N_mom=0，為虛擬變數。Cash、Glamour、Success 為本研究之調節變數。Cash 代表併購案之交易方式，若併購案之交易金額中，採現金交易的比例佔總交易金額達 50％以上（含 50%），則定義 Cash =1，否則 Cash=0，該變數為虛擬變數。Glamour 代表主併公司為成長股，若主併公司之帳市價值比（Book-to-Market）在研究期間所有研究樣本中落在中位數以下，則定義主併公司為成長股，Glamour=1，否則 Glamour =0，該變數為虛擬變數。Success 代表主併公司於宣告日前五年是否有成功併購之經驗，成功之定義為過去之併購案於當時的 CAR(-2,+2)顯著大於零，若過去五年內有成功併購經驗則 Success=1，否則 Success=0，為虛擬變數。List、Asset、Deal_Value、Same_IND 為本研究之控制變數。List 代表被併公司之上市情形，若被併公司為上市公司，則 List=1，否則 List=0，該變數為虛擬變數。Asset 為主併公司之總資產（$mn）。Deal_Value 為併購案件之交易金額（$mn）。Same_IND 代表主併公司與被併公司是否為同一產業，本研究採用美國產業標準分類碼（SIC code）前兩碼作為主要產業的分類，若主併公司與被併公司之該前兩碼相同，則定義 Same_IND=1，否則 Same_IND=0，為虛擬變數。. 29.

(35) 表 4-2 則以 CAR_mom 做樣本切割，CAR_mom =1 的樣本共有 2,216 個，而 CAR_mom =0 的樣本共有 645 個。由表 4-2 可看出，短期來看，以 CAR 衡量之 hot market，也就是 CAR_mom =1 之樣本群，其短期併購績效 CAR 之平均數（0.02）大於 cold market 的 CAR 平均數（0.01）；而長期來看，以 CAR 衡量之 hot market，其長期併購績效 BHAR 之平均數（1.44）則小於 cold market 的 BHAR 平均數（2.11）。也就是說，平均來看，若採用 CAR 來衡量併購動能，則 hot market 的短期併購績效較 cold market 佳，長期併購績效則較 cold market 差。. 政治大. 表 4-3 則以 N_ mom 做樣本切割，將 N_ mom =1 的樣本共有 2,216 個，而. 立. N_ mom =0 的樣本共有 645 個。由表 4-3 可看出，短期來看，以 N 衡量之 hot market，. ‧ 國. 學. 也就是 N_mom =1 之樣本群，其短期併購績效 CAR 之平均數（0.02）等於 cold. ‧. market 的 CAR 平均數（0.02），相差不大；而長期來看，以 N 衡量之 hot market，. sit. y. Nat. 其長期併購績效 BHAR 之平均數（1.55）亦小於 cold market 的 BHAR 平均數. io. al. er. （1.75）。也就是說，平均來看，若採用 N 來衡量併購動能，則 hot market 的短. v. n. 期併購績效與 cold market 差異不大，而長期併購績效則較 cold market 差。. Ch. engchi. 30. i n U.

(36) 第二節相關係數分析. 另外，表 2 為所有變數之兩兩 Pearson 相關係數，由表可得最大值為 Asset 與 Deal Value 之相關係數 0.7822，相當接近 0.8，因此有共線性之疑慮。 CAR. BHAR CAR_mom N_mom. CAR. 1.0000. BHAR. 0.0730. CAR_mom. 0.0308 -0.0671. 1.0000. N_mom. -0.0022 -0.0205. -0.1189. Cash. -0.1312 -0.0719. Cash. Glamour Success. List. Asset. Deal_Value Same_IND. 1.0000. 1.0000. 0.0107 -0.0228. 1.0000. 政治大. Glamour. 0.0206 -0.0080. -0.0229. 0.0808. 1.0000. Success. 0.1090. -0.0023 -0.0796 -0.0191. 0.0001. -0.0233. 立. 0.0296. 0.0207. 0.1943. 0.0112 -0.1856. 1.0000. Asset. -0.1824 -0.0637. 0.0202 -0.0987. 0.4528. 0.1097 -0.0087. 0.3289. 1.0000. Deal_Value. -0.1780 -0.1136. 0.0043 -0.0259. 0.6378. 0.1241 -0.0150. 0.3442. 0.7822. 1.0000. Same_IND. -0.0389. 0.0039 -0.0049. 0.0848 -0.0037 -0.0212. 0.1607. 0.1148. 0.0824. 0.0147. 1.0000. ‧. ‧ 國. -0.2737 -0.0789. 1.0000. 學. List. 0.0489. 表 4-4 所有變數之 Pearson 相關係數矩陣. n. al. er. io. sit. y. Nat. CAR 與 BHAR 為本研究之應變數。CAR 為主併公司之短期併購績效，以事件發生日發生前後 2 天，共計 5 個交易日，作為事件期（-2,+2）。BHAR 為主併公司之長期併購績效，以併購宣告日後 3 天至 750 天作為衡量長期併購績效之區間。CAR_mom 與 N_mom 為本研究之自變數。CAR_mom 代表主併公司是否在以 Trailing CAR 衡量之併購動能中併購，若併購案發生的月份為 Trailing CAR 所定義之 hot market，則 CAR_mom=1，否則 CAR_mom=0，為虛擬變數。N_mom 代表主併公司是否在以 Trailing N 衡量之併購動能中併購，若併購案發生的月份為 Trailing N 所定義之 hot market，則 N_mom=1，否則 N_mom=0，為虛擬變數。Cash、Glamour、 Success 為本研究之調節變數。Cash 代表併購案之交易方式，若併購案之交易金額中，採現金交易的比例佔總交易金額達 50％以上（含 50%），則定義 Cash =1，否則 Cash=0，該變數為虛擬變數。Glamour 代表主併公司為成長股，若主併公司之帳市價值比（Book-to-Market）在研究期間所有研究樣本中落在中位數以下，則定義主併公司為成長股，Glamour=1，否則 Glamour =0，該變數為虛擬變數。Success 代表主併公司於宣告日前五年是否有成功併購之經驗，成功之定義為過去之併購案於當時的 CAR(-2,+2)顯著大於零，若過去五年內有成功併購經驗則 Success=1，否則 Success=0，為虛擬變數。List、Asset、Deal_Value、Same_IND 為本研究之控制變數。List 代表被併公司之上市情形，若被併公司為上市公司，則 List=1，否則 List=0，該變數為虛擬變數。 Asset 為主併公司之總資產（$mn），取自然對數值。Deal_Value 為併購案件之交易金額（$mn）取自然對數值。 Same_IND 代表主併公司與被併公司是否為同一產業，本研究採用美國產業標準分類碼（SIC code）前兩碼作為主要產業的分類，若主併公司與被併公司之該前兩碼相同，則定義 Same_IND=1，否則 Same_IND=0，為虛擬變數。. Ch. engchi. i n U. v. 為避免該共線性之疑慮影響研究成果，本研究接著針對每個模型之所有迴歸式之變異數膨脹因素(variance inflation factor, VIF)做檢測，近一步判斷是否存在共線性問題，各模型中之 VIF 如表 4-5 所示。. 31.

(37) Glamour Success. 4.09 4.11. 立. 5.36. 政治 5.48大 5.11 5.57. Asset. 1.17 1.21 1.17 1.17 1.22. 2.62 2.62 2.65 2.62 2.65. 2.64 2.64 3.58 2.65 3.59. 1.03 1.03 1.04 1.03 1.04. 1.17 1.21 1.17 1.17 1.22. 2.66 2.66 2.69 2.66 2.69. 2.65 2.66 3.59 2.66 3.61. 1.03 1.03 1.04 1.03 1.04. 4.20 4.23. 1.17 1.21 1.17 1.17 1.22. 2.62 2.62 2.65 2.62 2.65. 2.64 2.64 3.58 2.65 3.59. 1.03 1.03 1.04 1.03 1.04. 5.78 5.86. 1.17 1.21 1.17 1.17 1.22. 2.66 2.66 2.69 2.66 2.69. 2.65 2.66 3.59 2.66 3.61. 1.03 1.03 1.04 1.03 1.04. 5.43. io. 5.78 5.86. 5.49. 5.07. al. 4.09 4.11. n 5.36. 4.78. ‧. 5.60 5.67. 5.11. 5.28. 4.20 4.23. 學. 4.77. 5.06. 5.48. v i 5.11 5.57 n Ch engchi U 4.77. 5.06 5.11. 5.43 5.60 5.67. 4.78. 表 4-5 所有回歸式中各變數之變異數膨脹因素(VIF 值) 32. 5.49. 控制變數 List. 5.07. 5.28. Nat. 模型一：應變數為CAR，自變數為CAR_mom 迴歸式1 1.00 迴歸式2 1.63 4.46 迴歸式3 1.98 迴歸式4 1.17 迴歸式5 2.86 4.51 模型二：應變數為CAR，自變數為N_mom 迴歸式1 1.02 迴歸式2 1.80 4.29 迴歸式3 2.08 迴歸式4 1.14 迴歸式5 2.87 4.31 模型三：應變數為BHAR，自變數為CAR_mom 迴歸式1 1.00 迴歸式2 1.63 4.46 迴歸式3 1.98 迴歸式4 1.17 迴歸式5 2.86 4.51 模型四：應變數為BHAR，自變數為N_mom 迴歸式1 1.02 迴歸式2 1.80 4.29 迴歸式3 2.08 迴歸式4 1.14 迴歸式5 2.87 4.31. 交乘項 Glamour Success x自變數 x自變數. y. Cash. Cash x自變數. sit. N_mom. ‧ 國. CAR_mom. 調節變數. er. 自變數. Deal_Value Same_IND.

(38) 由表 4-5 觀察出，各模型中各變數之 VIF 最大值為 5.86，發生在模型二與模型四之 SuccessxN_mom 變數，而進一步與迴歸結果對照，發現該變數於該兩迴歸式中之係數皆不顯著，且一般認為 VIF 大於 10 則存在嚴重共線性問題，故本研究判斷在各模型中皆不存在顯著的共線性問題。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 33. i n U. v.

(39) 第三節平均數差異分析. al. Ch. engchi U. 0.2376*** 0.0279 0.0209 0.1480*** -0.1648*** 0.0209 -0.3743*** -0.8910*** -0.8369*** -0.0391. <.0001 0.2268 0.3543 <.0001 <.0001 0.2521 <.0001 <.0001 <.0001 0.1179. y. 0.3971 0.3960 0.4841 0.4999 0.3222 0.4818 1.7418 1.7764 0.4837. -0.0950 0.7291 0.7486 0.3017 0.6075 0.1285 0.5628 6.4631 5.4795 0.6816. sit. 0.8042 0.8056 0.3734 0.4783 0.1175 0.3650 6.4356 4.8984 0.6280. P-value. er. 立. n. 表 4-6 所有樣本以 CAR 分組之平均數差異分析. 0.0163 0.3941 0.4182 0.4935 0.4995 0.3368 0.4415 1.7382 1.6405 0.4906. 平均數差異. ‧. 0.0315 0.8081 0.7745 0.4174 0.4706 0.1303 0.2647 6.2576 4.8715 0.5980. 治政 -0.0132 0.0128 大. 第四組 CAR小於Q1 （樣本數：716）平均數標準差. 學. 0.0734 0.4292 0.4214 0.4978 0.4971 0.3568 0.3914 1.6459 1.6022 0.4796. io. 0.1426 0.7570 0.7696 0.4497 0.4427 0.1494 0.1885 5.5721 4.6427 0.6425. 第三組 CAR介於中位數與Q1 （樣本數：715）平均數標準差. Nat. CAR CAR_mom N_mom Cash Glamour Success List Asset Deal_Value Same_IND. 第二組 CAR介於Q3與中位數（樣本數：714）平均數標準差. ‧ 國. 變數. 第一組 CAR大於Q3 （樣本數：716）平均數標準差. v i n. 0.0509 0.4448 0.4341 0.4593 0.4886 0.3349 0.4964 1.9047 1.9038 0.4662. CAR 為本研究之應變數之一。CAR 為主併公司之短期併購績效，以事件發生日發生前後 2 天，共計 5 個交易日，作為事件期（-2,+2）。CAR_mom 與 N_mom 為本研究之自變數。CAR_mom 代表主併公司是否在以 Trailing CAR 衡量之併購動能中併購，若併購案發生的月份為 Trailing CAR 所定義之 hot market，則 CAR_mom=1，否則 CAR_mom=0，為虛擬變數。N_mom 代表主併公司是否在以 Trailing N 衡量之併購動能中併購，若併購案發生的月份為 Trailing N 所定義之 hot market，則 N_mom=1，否則 N_mom=0，為虛擬變數。Cash、Glamour、Success 為本研究之調節變數。Cash 代表併購案之交易方式，若併購案之交易金額中，採現金交易的比例佔總交易金額達 50％以上（含 50%），則定義 Cash =1，否則 Cash=0，該變數為虛擬變數。Glamour 代表主併公司為成長股，若主併公司之帳市價值比（Book-to-Market）在研究期間所有研究樣本中落在中位數以下，則定義主併公司為成長股，Glamour=1，否則 Glamour =0，該變數為虛擬變數。Success 代表主併公司於宣告日前五年是否有成功併購之經驗，成功之定義為過去之併購案於當時的 CAR(-2,+2)顯著大於零，若過去五年內有成功併購經驗則 Success=1，否則 Success=0，為虛擬變數。List、Asset、Deal_Value、Same_IND 為本研究之控制變數。 List 代表被併公司之上市情形，若被併公司為上市公司，則 List=1，否則 List=0，該變數為虛擬變數。Asset 為主併公司之總資產（$mn），取自然對數值。Deal_Value 為併購案件之交易金額（$mn）取自然對數值。Same_IND 代表主併公司與被併公司是否為同一產業，本研究採用美國產業標準分類碼（SIC code）前兩碼作為主要產業的分類，若主併公司與被併公司之該前兩碼相同，則定義 Same_IND=1，否則 Same_IND=0，為虛擬變數。* 表示達 10%顯著水準，** 表示達 5%顯著水準，*** 表示達 1%顯著水準。. 34.

(40) 0.3874 0.7891 0.7682 0.3939 0.5475 0.1257 0.3701 6.4857 5.2112 0.6131. 0.0990 0.4082 0.4223 0.4889 0.4981 0.3317 0.4832 1.7548 1.7548 0.4874. 政治大. 0.0897 0.7860 0.8503 0.3231 0.5021 0.1538 0.3203 5.4873 4.7152 0.6573. 4.9455*** -0.0514** -0.1017*** 0.1029*** -0.0747*** -0.0268 -0.0032 0.7041*** 0.0318 0.0089. <.0001 0.0228 <.0001 <.0001 0.0046 0.1455 0.8954 <.0001 0.7249 0.7235. 0.0700 0.4104 0.3570 0.4680 0.5003 0.3611 0.4669 1.7430 1.7117 0.4749. sit. y. 立. io. 表 4-7 所有樣本以 BHAR 分組之平均數差異分析. 0.1959 0.4086 0.4437 0.4901 0.4998 0.3241 0.4842 1.7461 1.8084 0.4873. P-value. er. 0.8521 0.7885 0.7311 0.3992 0.5224 0.1190 0.3739 6.5635 5.2194 0.6134. 平均數差異. ‧. 7.3673 0.4418 0.4341 0.4948 0.4950 0.3333 0.4656 1.7398 1.7051 0.4719. 第四組 BHAR小於Q1 （樣本數：715）平均數標準差. 學. 5.0352 0.7346 0.7486 0.4260 0.4274 0.1271 0.3170 6.1914 4.7470 0.6662. Nat. BHAR CAR_mom N_mom Cash Glamour Success List Asset Deal_Value Same_IND. 第二組第三組 BHAR介於Q3與中位數 BHAR介於中位數與Q1 （樣本數：714）（樣本數：716）平均數標準差平均數標準差. ‧ 國. 變數. 第一組 BHAR大於Q3 （樣本數：716）平均數標準差. BHAR 為本研究之應變數之一。BHAR 為主併公司之長期併購績效，以併購宣告日後 3 天至 750 天作為衡量長期併購績效之區間。CAR_mom 與 N_mom 為本研究之自變數。 CAR_mom 代表主併公司是否在以 Trailing CAR 衡量之併購動能中併購，若併購案發生的月份為 Trailing CAR 所定義之 hot market，則 CAR_mom=1，否則 CAR_mom=0，為虛擬變數。N_mom 代表主併公司是否在以 Trailing N 衡量之併購動能中併購，若併購案發生的月份為 Trailing N 所定義之 hot market，則 N_mom=1，否則 N_mom=0，為虛擬變數。Cash、Glamour、Success 為本研究之調節變數。Cash 代表併購案之交易方式，若併購案之交易金額中，採現金交易的比例佔總交易金額達 50％以上（含 50%），則定義 Cash =1，否則 Cash=0，該變數為虛擬變數。Glamour 代表主併公司為成長股，若主併公司之帳市價值比（Book-to-Market）在研究期間所有研究樣本中落在中位數以下，則定義主併公司為成長股，Glamour=1，否則 Glamour =0，該變數為虛擬變數。Success 代表主併公司於宣告日前五年是否有成功併購之經驗，成功之定義為過去之併購案於當時的 CAR(-2,+2)顯著大於零，若過去五年內有成功併購經驗則 Success=1，否則 Success=0，為虛擬變數。List、Asset、Deal_Value、Same_IND 為本研究之控制變數。List 代表被併公司之上市情形，若被併公司為上市公司，則 List=1，否則 List=0，該變數為虛擬變數。Asset 為主併公司之總資產（$mn），取自然對數值。Deal_Value 為併購案件之交易金額（$mn）取自然對數值。Same_IND 代表主併公司與被併公司是否為同一產業，本研究採用美國產業標準分類碼（SIC code）前兩碼作為主要產業的分類，若主併公司與被併公司之該前兩碼相同，則定義 Same_IND=1，否則 Same_IND=0，為虛擬變數。* 表示達 10%顯著水準，** 表示達 5%顯著水準，*** 表示達 1%顯著水準。. n. al. Ch. engchi U. 35. v i n.

(41) 表 4-6 與表 4-7 分別以 CAR 及 BHAR 將 2,861 個研究樣本作分群，依其各自的上四分位數(Q3)、中位數以及下四分位數(Q1)將樣本分為四組，大於 Q3 者為第一組、介於 Q3 與中位數之間者為第二組、介於中位數與 Q1 之間者為第三組、小於 Q1 者為第四組。計算第一組與第四組之平均數差異，並以 T 檢定每個變數之平均數差異是否顯著。由表 4-6 可知，研究樣本的 CAR 存在顯著的平均數差異，第一組與第四組之平均數差異為 0.2376。Cash 也存在顯著的平均數差異，且該差異(0.148)為正，. 政治大. 代表 CAR 越大的併購案中，現金交易比例達 50%以上的併購案越多。另外，Glamour. 立. 也存在顯著的平均數差異，且該差異(-0.1648)為負，代表 CAR 越大的併購案中，. ‧ 國. 學. 主併公司為成長股的併購案越少。而 CAR_mom 與 N_mom 則不存在顯著的平均數差. ‧. 異。. sit. y. Nat. 由表 4-7 可知，研究樣本的 BHAR 存在顯著的平均數差異，第一組與第四組. io. al. er. 之平均數差異為 4.9455。CAR_mom(N_mom)也存在顯著的平均數差異，該差異為. v. n. -0.0514(-0.1017)為負，代表在 BHAR 越大的併購案中，在以 CAR(N)衡量之 hot. Ch. engchi. i n U. market 下宣告併購者越少。除此之外，Cash 也存在顯著的平均數差異，且該差異(0.0129)為正，代表 BHAR 越大的併購案中，現金交易比例達 50%以上的併購案越多；Glamour 也存在顯著的平均數差異，且該差異(-0.0747)為負，代表 BHAR 越大的併購案中，主併公司為成長股的併購案越少。. 36.