台灣證券業市場競爭度與創新之研究 - 政大學術集成

全文

(1)國立政治大學金融學系碩士班碩士學位論文. 立. 政治大. ‧ 國. 學. 台灣證券業市場競爭度與創新之研究. Competition and Innovation in Taiwan Securities Industry. ‧ er. io. sit. y. Nat. n. a. v. l C 指導教授：黃台心博士 ni. hengchi U. 研究生：陳世章撰. 中華民國 103 年 7 月.

(2) 誌謝本論文得以完成，首先感謝指導教授黃台心博士悉心指導，在論文研究期間不吝地給予指導與協助，帶領我一窺效率與生產力領域的深奧，不時的討論並指點我正確的方向，使我在這些年中獲益匪淺。恩師的學者氣度、專業學養，乃至待人接物方式更是我學習的典範。另外也感謝各位朋友以及同學的陪伴，這兩年中的各種生活點滴、學術上的討論以及趕作業的革命情感，讓我的研究生活變得絢麗多彩。. 治政大最後，特別感謝我的父母，從小到大對我的栽培，讓我能夠心無旁鶩地學習，立 ‧. ‧ 國. 學. 如果沒有他們，就沒有今天的我。. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 陳世章. 謹誌于. 政治大學金融學系研究所中華民國 103 年 7 月 i.

(3) 摘要為研究台灣證券業市場競爭度與創新之關係，本研究使用 TEJ 收集 2001 年至 2012 年台灣證券業共 949 筆之不平衡縱衡資料，以 Huang et al. (2013)提出新 Lerner 指數、傳統 Lerner 指數及 PCM 等非結構法指數衡量市場競爭度；以 Huang、Huang and Liu (2014) 所提出之新共同邊界模型以及 Battese et al. (2004) 所提出之舊共同邊界模型衡量創新。若以不同模型衡量市場競爭度與創新，兩者可能呈 U 型或倒 U 型關係，但以估計出的市場競爭度帶入模型後，發現目前市場競爭度與創新在正相關之階段，符合逃避競爭假說。. 立. 政治大. 關鍵字：台灣證券業、隨機共同邊界模型、關聯結構法、Lerner 指數、市場競爭度、. ‧. ‧ 國. 學. io. sit. y. Nat. n. al. er. 創新. Ch. engchi. ii. i n U. v.

(4) ABSTRACT. In this study, we seek to contribute to the literature on competition and innovation by focusing on individual firms within Taiwan securities industry in the period 2001-2012. Innovation is measured by estimating two metafrontier cost function, old metafrontier model of Battese et al. (2004) and new metafrontier model of Huang, Huang and Liu (2014). Compared to Battese’s approach, new model gives higher mean. 治政 Index using copula method by Huang et al. (2013)大 and PCM to measure market 立. values and smaller standard deviations. We also use conventional Lerner Index, Lerner. competition. New Lerner Index gives lower mean values of the Lerner index and. ‧ 國. 學. smaller standard deviations in comparison with the conventional approach. We find a. er. io. sit. y. Nat. thereby not supporting the “Schumpeter hypothesis”.. ‧. positive relationship between innovation and competition of Taiwan securities industry,. al. n. v i n C h stochastic frontier Keywords: competition, innovation, e n g c h i U analysis, technology gap ratio,securities industry. iii.

(5) 目錄. 口試委員會審定書 ........................................................................................................... # 誌謝 ....................................................................................................................................i 摘要 .................................................................................................................................. ii ABSTRACT .................................................................................................................... iii 目錄 ..................................................................................................................................iv. 政治大. 圖目錄 ..............................................................................................................................vi. 立. 表目錄 ............................................................................................................................ vii. ‧ 國. 學. 第一章. 緒論............................................................................................................ 1 研究背景.................................................................................................... 1. 第二節. 研究目的與動機........................................................................................ 4. 第三節. 研究架構.................................................................................................... 6. n. al. er. io. sit. y. Nat. 第二章. ‧. 第一節. i n U. v. 文獻回顧.................................................................................................... 8. Ch. engchi. 第一節. 市場競爭度與金融創新之關係................................................................ 8. 第二節. 金融創新.................................................................................................. 10. 第三節. 市場競爭度.............................................................................................. 12. 第三章. 研究方法.................................................................................................. 15. 第一節. Lerner Index ........................................................................................ 15. 第二節. 衡量金融創新.......................................................................................... 20. 第四章第一節. 資料來源與變數定義 ............................................................................. 26 資料來源.................................................................................................. 26 iv.

(6) 第二節第五章. 變數之定義.............................................................................................. 26 實證分析.................................................................................................. 30. 第一節. 市場競爭度.............................................................................................. 30. 第二節. 證券業創新.............................................................................................. 38. 第三節. 市場競爭度與創新之關聯性.................................................................. 41. 第六章. 結論.......................................................................................................... 46. 參考文獻 ......................................................................................................................... 47. 政治大. 附表 ................................................................................................................................. 51. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. v. i n U. v.

(7) 圖目錄. 圖 1-1 民國 101 年各產業產出佔 GDP 比例 ............................................................... 4 圖 1-2 研究流程圖 .......................................................................................................... 7 圖 2-1 競爭度與創新倒 U 型關係 ................................................................................ 9 圖 3-1 共同成本邊界模型 ............................................................................................ 22. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. vi. i n U. v.

(8) 表目錄. 表 1-1 歷年證券商及上市公司家數 ............................................................................... 2 表 4-1 變數定義與樣本統計量 ..................................................................................... 28 表 4-2 金控與非金控證券商之樣本統計量 ................................................................. 29 表 5-1 CR4 及 HHI 之敘述統計量 .............................................................................. 30 表 5-2 成本函數之係數估計結果 ................................................................................. 32. 政治大. 表 5-3 關聯結構模型 Translog 成本函數係數估計結果 ........................................... 33. 立. 表 5-4 市場競爭度指標估計結果 ................................................................................. 34. ‧ 國. 學. 表 5-5 金控與非金控券商市場競爭度比較 ................................................................. 35. ‧. 表 5-6 依資產規模大小比較市場競爭度 ..................................................................... 36. Nat. sit. y. 表 5-7 依樣本期間比較市場競爭度 ............................................................................. 37. n. al. er. io. 表 5-8 第二階段隨機共同成本邊界函數結果 ............................................................. 38. i n U. v. 表 5-9 共同邊界成本函數估計結果--線性規劃法 ...................................................... 39. Ch. engchi. 表 5-10 金控與非金控證券商創新比較 ....................................................................... 40 表 5-11 以新共同成本邊界 TGR 當應變數之 GMM 迴歸結果.............................. 43. vii.

(9) 第一章. 緒論. 第一節. 研究背景. 我國政府在民國 77 年時修正證交法，將證券商的設立從特許制改為許可制，許多證券商紛紛設立。民國 77 年時全國共有 112 家證券商，到民國 80 年時已增加至 353 家，達到歷史最高峰 (見表 1-1)，之後經濟環境改變，許多證券商的獲利能力受到影響，因此紛紛透過整併的方式使其業務多樣化，提高營運規模。因此. 政治大但是分公司家數卻從 74 家逐年增加至 1094 家。立. 民國 80 年到民國 90 年期間，雖然證券商總公司家數從 353 家逐年減少至 183 家，. ‧ 國. 學. 民國 90 年之後，金融控股公司法開始生效，讓國內大型金融集團進行資源整合，且准許金控公司跨業行銷，此法令的鬆綁為證券業帶來不少商機，但也讓小. ‧. 型證券公司難以生存，導致從民國 90 年至今，證券公司家數呈現減少的趨勢。近. y. Nat. er. io. sit. 10 年來除金控法的設立，也通過證券投資信託及顧問法，開放證券商兼營投信、投顧等事業，也開放私募基金業務。民國 92 年 6 月 25 日寶來投信公司募集發行. al. n. v i n Ch 之寶來台灣卓越 50 基金成立，成為國內第一檔指數股票型基金，同年 6 月 30 日 engchi U 在交易所上市，成為首檔在臺灣證券交易所上市交易之指數股票型基金；之後寶來投信也陸續發行保本型基金及指數型基金。在兩岸方面，台灣和大陸也在簽署. 了金融合作備忘錄，因此近 10 年來證券商的業務大幅的開放下，研究證券業的市場結構與競爭度有其必要性，因為市場競爭程度高低易影響證券商的經營績效。目前整個金融業及不動產業一年名目產值占 GDP 約 16%左右 (如圖 1-1 所示)，其中證券業產值占 GDP 約 0.66%。在股市交易作業方面，台灣證券交易所在民國 77 年底，將所有股市交易作業 1.

(10) 從人工櫃台撮和交易作業改為電腦輔助撮和交易作業，更在民國 82 年時全面改為電腦自動交易系統，此舉提高股票市場的交易效率以及其交易的公平性。證券業在這二十幾年間雖然經過幾次空頭，但證券市場仍是上市櫃公司最佳籌措資金的管道之一，許多企業因此上市上櫃，希望從證券市場中募取更多資金，上市公司數從民國 77 年的 163 家持續增加，至民國 102 年已經有 838 家 (見表 1-1)，這些企業將募集到的資金有效的運用，創造出更高的附加價值回饋社會，不僅使企業本身、投資人、消費者均得到許多滿足，也讓台灣的經濟發展、社會福利以及國. 政治大. 際地位更加提升。. 立. 根據證交所以及主計處統計資料，2013 年 12 月時，計算出台灣證券市場中上. ‧ 國. 學. 市公司總市值約為 GDP 的 1.68 倍，顯示出證券市場在台灣的樞紐地位。證券商. ‧. 為證券市場中募資者與投資者的中介者，協助證券交易順利進行，因此其產業重. sit. y. Nat. 要性不容忽視，本研究將對證券業的市場競爭度以及與創新 (innovation) 之關係，. io. al. er. 做有系統且深入的分析。. v. n. 表 1-1 歷年證券商及上市公司家數. 年度. Ch. engchi. i n U. 證券商總公司家數證券商分公司家數. 上市公司家數. 76. 38. 29. 140. 77. 112. 29. 163. 78. 259. 28. 181. 79. 381. 30. 199. 80. 353. 74. 221. 81. 294. 133. 256. 82. 272. 189. 285. 83. 262. 285. 313. 2.

(11) 84. 247. 320. 347. 85. 229. 420. 382. 86. 221. 663. 404. 87. 215. 911. 437. 88. 212. 987. 462. 89. 190. 1092. 531. 90. 183. 1094. 584. 91. 163. 1020. 638. 92. 154. 101 102. 133. 1024. 132. 1011. 131. 998. y. 1050. 998 a l 130 v i n Ch 121 U e n g c h i 1028. n. 100. io. 99. 137. sit. 98. Nat. 97. 1065. ‧. 96. ‧ 國. 95. 143. 697. 學. 94. 669. er. 立. 93. 政治 1048 大 148 1084. 691 688 698 718 741 758 790. 120. 1031. 809. 121. 993. 838. 資料來源:金融監督管理委員會證券期貨局、台灣證券交易所. 3.

(12) 圖 1-1 民國 101 年各產業產出佔 GDP 比例. 政治大. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. 第二節. engchi. i n U. v. 研究目的與動機. 在過去許多文獻研究市場競爭度和創新的關係，大多集中在銀行業，且沒有一致的結果。 Schumpeter (1942) 指出隨著產品市場競爭度的提高，獨占租 (monopoly rent) 隨之減少，導致創新亦減少。但是 Aghion et al. (2001) 指出隨著競爭度提高，廠商會加強創新以避免競爭。Scherer (1967) 以及 Levin et al. (1985) 實證研究發現競爭度和創新呈現倒 U 型的關係，Aghion et al. (2005) 提出了一個理論模型解釋了這個現象。 4.

(13) 過去幾無文獻探討證券業中金融創新和市場競爭度的關係，李文福和張佩茹 (2013) 指出證券業研究貧乏的原因，主要是政府管制者對證券業沒有像對銀行產業一般，有系統地蒐集並公開各種相關資料。此外，證券業的創新難以量化衡量也是原因之一。過去有關衡量創新的文獻中，製造業常常用專利權和研發 (R&D) 費用代表創新程度，而銀行業則是用 ATM 機台數代表。上述方式都有一些潛在問題，在製造業中，不是所有的專利都能申請到專利權，而且 R&D 費用也常常被低估；以目前科技水平水準，ATM 已不適合代表創新。. 政治大. BOS et al. (2013) 研究銀行業金融創新時，以廠商極小化成本的能力作為. 立. 創新指標，利用 Battese et al. (2004) 與 O’Donnell et al. (2008) 提出之共同邊界法. ‧ 國. 學. 衡量創新。本研究將以此概念進行證券業金融創新之估計，利用 Huang, Huang and. ‧. Liu (2014) 提出新的隨機共同邊界模型，估計廠商潛在最小成本邊界，亦稱為共同. sit. y. Nat. 成本邊界函數 (metafrontier cost function)，包絡各年的成本邊界，亦稱為群組成本. io. al. er. 邊界函數。利用共同成本邊界與此群組成本邊界之間的差距，可以計算出此產業. v. n. 的技術缺口比率 (technology gap ratio, TGR)，以該比率值衡量證券業的金融創新程. Ch. engchi. i n U. 度。為了方便區分，本文將 Huang, Huang and Liu (2014) 和 Battese et al. (2004) 提出的新與舊兩種共同邊界生產函數轉換成共同成本邊界函數後，分別稱為新與舊共同成本邊界模型。為使金融創新與競爭度有效的迴歸分析，本研究將以近年來常被使用的 Lerner 指數衡量產業競爭 (集中) 度，此指數的特點在於可替每個樣本點計算一個 Lerner 指數值，反觀 Panzar and Rosse (1987) 的 H 統計值和傳統的市場占有率及 HHI 指數 (Herfindahl-Hirschman index)，只能估計整體或逐年的市場競爭度指標。本文利用 Huang et al. (2013) 建構的模型，運用關聯結構函數 (copula function) 將傳統的 5.

(14) Lerner Index 估計方式加以改良，解決傳統估計方式的一些潛在問題，由此產生的 Lerner 指數，本文特稱為新 Lerner 指數以便與傳統 Lerner 指數有所區別。本研究主要目的即使用新共同成本邊界模型衡量金融創新，並以新 Lerner 指數衡量市場競爭度，進而得以探討台灣證券業市場的市場競爭度和金融創新之間，究竟是符合 Schumpeter 假說還是逃避競爭假說，或是其它關係。. 第三節. 研究架構. 本論文共分為五章，除第一章為緒論外，說明研究背景與動機以及研究目的. 政治大. 等；第二章回顧相關文獻，分為三部分，第一部份為市場競爭度與創新關聯性的. 立. 相關論文，第二部分的文獻與技術缺口比率如何衡量創新有關，最後一部份整理. ‧ 國. 學. 過去以結構法與非結構法估計市場競爭度的相關文獻；第三章介紹研究方法，包. ‧. 含以關聯結構法估計 Lerner 指數以及以共同成本邊界模型估計 TGR，用以代表廠. n. al. Ch. engchi. 6. er. io. 章為結論與建議。茲繪製本研究之架構如圖 1-2. sit. y. Nat. 商的創新指標；第四章先說明資料來源與各變數定義，接著分析實證結果；第五. i n U. v.

(15) 圖 1-2 研究流程圖. 研究背景與動機. 文獻回顧. 立. 政治大研究方法. ‧. ‧ 國. 學. n. al. er. io. sit. y. Nat. 金融創新:新共同成本邊界模型. Ch. engchi. i n U. 實證結果與分析. 結論與建議. 7. v. 市場競爭度: 新 Lerner 指數(利用關聯結構函數估計).

(16) 第二章. 第一節. 文獻回顧. 市場競爭度與金融創新之關係. Schumpeter (1942) 指出廠商創新的動機是來自於獨占租，隱含市場競爭度與創新呈反向關係，但是 1970 年代之後，有許多實證結果都與該理論不符，例如 Geroski (1990) 研究歐洲 1970 到 1979 年 73 個產業、Blundell et al. (1995) 研究 1972. 政治大. 到 1982 年倫敦交易所掛牌的上市公司，實證結果都與 Schumpeter 假說相反，支持. 立. 逃避競爭假說。. ‧ 國. 學. Scherer (1967) 研究美國 1960 年代製造業發現市場競爭度與創新呈倒 U 型關係，Levin et al. (1985) 利用聯邦交易委員會 (Federal Trade Commission) 的資料，. ‧. 研究 1970 年代 R&D 和 CR4 (前 4 大廠商的市占率) 的關係也得到相同的結論。. y. Nat. er. io. sit. Aghion et al. (2005) 建立一個理論模型，根據該模型假設進行推導可得到市場競爭度與創新呈現倒 U 型關係，如圖 2-1，此結果隱含的經濟含意為當市場集中度很高. al. n. v i n Ch 時，逃避競爭效果居主導地位，此時若市場競爭度提高時，廠商希 engchi U. (競爭度很低). 望可以經由創新成為市場領導者，以賺取更多利潤；但隨著市場競爭度高到一定程度，獨占租越來越少，市場競爭度提高降低廠商創新意願，此時狀況符合 Schumpeter 假說。. 8.

(17) 圖 2-1 競爭度與創新倒 U 型關係. 立. 政治大. 過去也有些文獻研究銀行業市場集中度與金融創新的關係。Hannan et al. (1984). ‧ 國. 學. 收集 1971 年到 1979 年美國 3841 間銀行資料，分布於 392 個行政區或郊區，其中. ‧. 740 間銀行在 1979 年已引進 ATM 系統，該研究以建構 ATM 系統機率作為金融創. Nat. sit. y. 新的變數，觀察金融創新是否與市場集中度具有關係，實證結果顯示集中度較大. n. al. er. io. 的市場較可能引進 ATM 系統，支持 Schumpeter 假說。Chourchane et al. (2002) 以. Ch. i n U. v. 銀行的網路化衡量金融創新，樣本為 1999 年 1618 間美國商業銀行，實證結果發. engchi. 現當市場集中度上升，銀行網路化的可能性會降低，否定 Schumpeter 假說。 Bos et al. (2013) 收集美國銀行業 1984 年至 2004 年資料，利用技術缺口比率衡量金融創新，市場競爭度則是以價格成本差法 (price cost margin, PCM) 估計，實證結果發現市場競爭度與金融創新呈倒 U 形關係，此結果與 Aghion et al. (2005) 所建立的理論模型一致。但是 Cornaggia et al. (2013) 針對美國銀行業 1976 年至 2006 年期間，蒐集金融業廠商專利權資料，藉以衡量金融創新，並利用州際分行限制指標 (index of interstate branching restrictions) 估計廠商進入障礙的程度，藉以. 9.

(18) 衡量市場競爭度，實證結果發現市場競爭度與金融創新呈現顯著負向關係，支持 Schumpeter 假說。從上述文獻中，可以發現市場競爭度與金融創新的關係可能為正相關，也可能為負相關，甚至可能存在倒 U 型關係。有鑑於國內外相關文獻較欠缺證券產業之研究，本研究嘗試彌補此缺口，針對本國證券業金融創新與競爭度兩種指標，探討兩者關係究竟適合符合 Schumpeter 假說、逃避競爭假說，還是倒 U 型關係。. 第二節. 金融創新. 政治大. Frame 和 White (2004) 定義金融創新：在金融體系中，新的金融商品、服務、. 立. 工具如果能夠減少市場參與者的成本，或是降低他們的風險，那麼這些能夠更滿. ‧ 國. 學. 足這些市場參與者的商品、服務、工具便是金融創新。換言之，金融創新可以是. ‧. 新的商品 (例如：指數股票型證券投資信託基金)，也可以是新的服務 (例如：網. sit. y. Nat. 路下單系統)，或是新的生產流程 (例如：新的證券下單紀錄系統)。因此他們認為. n. al. er. io. 影響金融創新的因素包括法規是否解禁、廠商規模、從業人員的收入及教育水準、廠商的信譽。. Ch. engchi. i n U. v. 上述這些各種形式的金融創新比較難以量化進行數量分析，因此 Bos et al. (2013) 在衡量銀行業的金融創新時，不直接針對金融創新所製造出來的商品、服務、工具進行衡量，而是透過金融創新可以降低成本的能力來衡量，因此 Bos et al. (2013) 以廠商的技術缺口比率來衡量金融創新，若該比率越高，表示廠商越能夠透過創新以降低其成本。過去文獻中最常以無母數的資料包絡分析法 (data envelopment analysis, DEA) 以及有母數的隨機邊界法 (stochastic frontier approach, SFA) 估計廠商的技術效率。 DEA 以線性規劃法估計廠商的生產及配置效率，採用此法好處在於不需預設目標 10.

(19) 函數，因此沒有函數誤設的風險，但是效率評估結果易受隨機因素影響，Berger et al. (1997) 收集各國共 130 篇金融機構效率文獻，發現無母數估計方法結果離散程度較有母數方法高，且估計值較小。SFA 需設立目標函數，並搭配組合誤差進行效率估計，其中組合誤差包含一項無法控制的隨機干擾項以及另一項廠商生產無效率項，主要優點在於區隔隨機干擾因素，使得效率估計值較不易受隨機因素影響。若是樣本廠商採用不同生產技術，欲比較這些廠商的技術效率水準，共同邊. 政治大. 界生產函數 (metafrontier production function) 模型是較佳選擇。共同邊界模型首先. 立. 由 Hayami (1969) 提出，用以衡量不同國家間農業生產力的大小，後續學者 Battese. ‧ 國. 學. et al. (2004) 擴充為兩階段估計法，O’Donnell et al. (2008) 、Bos and Schmiedel. ‧. (2007) 和 Bos et al. (2013) 相繼用來進行實證分析，估計不同群組 (國家) 間技術. sit. y. Nat. 效率和技術缺口比率，並相互比較。. io. al. er. Battese et al. (2004) 提出之共同邊界模型，先將不同技術水準的廠商分組，在. v. n. 第一階段採 SFA 估計個別群組廠商技術效率，第二階段則是利用數理規畫法估計. Ch. engchi. i n U. 共同生產函數，利用各群組之效率邊界和共同邊界的差距，即能夠以相同的基準-共同邊界--衡量和比較不同群組廠商之效率。O’Donnell et al. (2008) 使用相同模型，將 97 個國家分為非洲、美洲、亞洲和歐洲五個群組，分析 1986 年至 1990 年不同國家農業技術效率及 TGR。Bos and Schmiedel (2007) 收集 1993 年至 2004 年歐洲銀行業共 9544 筆不平衡的縱衡資料，依照國家分類成 15 個群組，將共同邊界生產函數轉換成共同成本函數，估計各國之群組成本邊界以及所有樣本之共同成本邊界。Bos et al. (2013)依照 Bos and Schmiedel (2007)方式，將美國銀行業 1984 年至 2004 年的資料，依照年度分為 21 個群組，估計出 TGR 後據以衡量金融創新。 11.

(20) 但 Battese et al. (2004) 所發展共同邊界模型的兩個階段，分別用 SFA 方法及數理規劃法從事估計，估計方法並不一致，數理規劃法得到的生產邊界屬於確定邊界，易受隨機因素的影響且其參數估計值不具統計性質。Huang, Huang and Liu (2014) 針對前述模型進行修正，將第二階段改為 SFA 方法，如此，不但擺脫估計結果易受隨機因素的影響，參數估計值也具有統計性質。本研究將根據 Huang、 Huang and Liu (2014) 所建構的隨機共同生產邊界模型，轉換為隨機共同成本邊界模型，用來進行實證分析，估計我國證券業廠商的技術缺口比率，作為金融創新指標。. 第三節. 市場競爭度. 學. ‧ 國. 立. 政治大. ‧. 估計市場競爭度的方法可分為結構法以及非結構法，結構法緣起於傳統的「結. sit. y. Nat. 構-行為-績效」假說 (structure-conduct-performance, SCP)，認為市場結構會直接影. n. al. er. io. 響廠商的行為，少數規模大的廠商會為避免競爭而進行勾結，以賺取更多利潤。. i n U. v. 結構法估計競爭度指標計有市場占有率、前 k 大廠商集中度 (CRk) 和 HHI指標等，. Ch. engchi. 但有些實證結果並不支持這項假說，Baumol (1982) 提出可競爭理論 (contestable theory)，認為在一個自由進出的市場，就算集中度增加，競爭度也不一定會降低，因為若廠商貿然抬高商品價格，潛在競爭者就會進入瓜分市場。非結構法則是利用經濟理論推導出計量模型，配合廠商資料，直接估計市場競爭度，其估計方法有 Boone et al. (2007) 的利潤彈性 (proﬁt elasticity, PE)、Panzar and Rosse (1987) 的 H 統計量、Lerner 指數以及價格成本差 (price cost margin, PCM) 等。利潤彈性旨在衡量邊際成本變動百分之一時，會導致利潤水準下降百分之幾。若市場競爭度越高，則邊際成本上升百分之一時，將造成利潤水準下降百分比愈 12.

(21) 大，PE 之絕對值愈高。 Panzar and Rosse (1987) 的模型 (簡稱 PR 模型) 假定市場處於長期均衡的狀態，先估計出廠商的收入函數，計算出各要素價格的彈性和，得出 H 統計量，若 H < 0 表示廠商具有獨占力，因為當要素價格等比例增加時，廠商訂價便隨著成本增加而提高，導致總收入下降，代表廠商面對的需求彈性絕對值大於一，符合獨占廠商的特性。H = 1 表示廠商處於完全競爭市場，由於廠商可自由進出市場，當要素價格等比例增加時，長期平均成本曲線也會等比例上移，在長期均衡峙，廠. 政治大. 商的收入會等比例增加。若 0 < H < 1 則表示市場為獨占性競爭。. 立. 過去使用 PR 模型研究金融業市場競爭度的文獻中，對象大多為銀行業，Tsutsui. ‧ 國. 學. et al. (2005) 研究日本證券業市場競爭度，研究期間分為 1983 年至 1988 年、1991. ‧. 年至 1996 年、1997 至 2002 年等三時段，實證結果發現第一時段及第三時段為獨. sit. y. Nat. 占性競爭市場，第二時段為獨占市場。作者認為 1980 年代日本面臨市場泡沫化，. io. al. er. 因此市場競爭度較高，第二階段市場競爭度降低，在第三階段期間，雖然日本在. v. n. 這段期間的金融改革讓許多證券業務自由化，也因此增加市場競爭度，但還是沒. Ch. engchi. i n U. 有達到完全競爭市場。Coccorese (2009) 研究義大利 1988 年至 2005 年銀行業，樣本為 86 間單一分行，這些銀行在該行政區為唯一銀行，無競爭對手，實證結果發現這些銀行雖然集中度很高，但是市場競爭度也很高。採 PR 模型估計市場競爭度必須假設該市場處於長期均衡，但是現實中未必所有市場都處於長期均衡的狀態。此外，使用 PR 模型所估計出來的市場競爭度指標在估計出一條迴歸式後只會產生一個 H 值，無法替每家樣本廠商估計一個 H 值，因此該 H 值不能用於後續的迴歸分析，例如探討市場競爭度與金融創新之關係，故本研究將採用 Lerner 指數代表市場競爭 (集中) 度。 13.

(22) Geavara et al. (2007) 以 Lerner 指數研究歐洲 15 國銀行業 1993 年至 2001 年市場競爭度，實證結果指出市場競爭度隨時間有下降的趨勢，其中芬蘭、英國、義大利、西班牙等四國獨占力最高。過去文獻中估計 Lerner 指數大部分是先估計出廠商的總成本函數，將總成本函數對產出偏微分得出邊際成本函數，最後將產出價格代入公式 (P-MC)/P 得出 Lerner 指數，並以該值衡量廠商所面臨的競爭環境，若廠商獨占力越高，則定價能力越強，P 和 MC 的差距會越大。過去實證結果有時 Lerner 指數所估計出來的值. 政治大. 會小於 0，在廠商以利潤極大為前提下，此現象不合常理。Huang et al. (2013) 利. 立. 用關聯結構函數將價格函數以及成本函數同時估計，並在兩函數中加入了組合誤. ‧ 國. 學. 差，其中包含了一項隨機干擾項以及一項無效率項，用此方式估計出來的 Lerner. n. al. er. io. sit. y. Nat. 的市場競爭度。. ‧. Index 不會小於 0，且離散程度比傳統方法小，因此本研究將以此方法估計證券業. Ch. engchi. 14. i n U. v.

(23) 第三章. 研究方法. 第一節. Lerner Index. 3.1.1 傳統 Lerner 指數估計方法 Lerner 指數為一種衡量市場壟斷力的指標，由產出價格和邊際成本的差距衡量廠商訂價的力量，公式為 Lit . Pit  MCit Pit. 政治大. 立. (3-1). 其中 Pit 為第 i 家廠商在時間 t 時的產出價格，本研究的計算方式為總收益 (包. ‧ 國. 學. 含利息收入及非利息收入) 除以總產量，依循相關文獻本研究採用總資產代表產量。. sit. y. Nat. 設定如下:. ‧. MC 為產出之邊際成本，它是由單一產出的 translog 成本函數所推導出，成本函數. n. al. er. io. 2 1 ln TCit   0  1 ln Qit   2 ln Qit  k ln Wk ,it 2 k 1. . i n U. v. 2 1 2 2 W W  ln ln   k ln Qit ln Wk ,it  1Trend  kh k ,it h,it  2 k 1 h 1 k 1. Ch. engchi. (3-2). 2.  2Trend 2  3Trend ln Qit   k Trend lnWk ,it  1it k 1. 其中 TC 為總成本，Q 為單一產出，即為總資產，要素投入包含勞動與資本，因此 Wk (k = 1, 2) 分別為勞動與資本的價格，Trend 反映出技術變動。組合誤差項. 1it 包含隨機干擾項 v1 以及成本無效率項 u1 ，即 1it = v1it + u1it ，假設 v1it 與 u1it 互相獨 iid. iid. 立，並進一步假設 v1it ~ N (0,  v2 ) ，且 u1it ~ | N (0,  u2 ) | 。 1. 1. 本模型中待估計的參數為  、  、 、  、  、  、  u21 和  v21 ，估計出上述參. 15.

(24) 數後即可以 E(u1it | 1it ) 估計出成本無效率項，若將 (3-2) 對產出偏微分，能得到邊際成本函數 MC，即. MCit . TCit Qit. 2       ln Q  k ln Wk ,it  3Trend   1  2 it k 1  . (3-3). 計算 Lerner 指數時必須使用產出價格和邊際成本的資訊，但是這兩項變數使用不同資料計算而得，易受到隨機因素的影響，因此計算出來的 Lerner 指數可能為負數，隱含廠商訂價低於其邊際成本，違反廠商追求利潤極大化的行為，似不. 政治大界與產出價格邊界等兩條迴歸方程式，其中價格邊界將產出價格大於或等於邊際立. 合理。為解決此問題，Huang et al. (2013) 建構一聯立方程式體系，同時包含成邊. ‧. ‧ 國. 學. 成本的條件內含，故由此估計得到的 Lerner 指數一定會大於或等於 0。. 3.1.2 使用關聯結構法估計 Lerner 指數. y. Nat. n. al. er. io. 有不等式如下. sit. 追求利潤極大化廠商會選擇在 MR=MC 處生產，若市場為不完全競爭，則會. Ch. P  MR  MC. engchi. i n U. v. (3-4). 上式中若在不等式的右邊加上一項非負隨機變數 u2 和一項隨機干擾項 v2 ，且 u2 與 v2 互相獨立，則可讓 (3-4) 成為等式，如下式所示 Pit  MCit  u2it  v2it iid. (3-5). iid. 其中 v2it ~ N (0,  v2 ) ， u2it ~ | N (0,  u2 ) | 。組合誤差項  2it = v2it + u2it 可以與 (3-2) 中的 2. 2. 組合誤差 1it 相關，此相關可能來自於廠商的隨機衝擊，也可能來自於成本的無效率，MC + v2 項則是廠商的隨機價格邊界。由於 MC 函數中的參數可由 TC 偏微分求出不須另外估計，聯合估計 (3-5) 和 (3-2) 一方面可以提高迴歸係數估計式的 16.

(25) 有效性：另一方面，技術效率估計值不會偏低，請參考 Lai and Huang (2013)。在 (3-5) 式中加入非負隨機變數 u2it 代表廠商訂價與邊際成本的差距，此差距能由條件期望值 E(u2it |  2it ) 估計出，若估計出來的值越大，表示廠商的定價能力 (market power) 越強，也表示該廠商的市場獨占力 (競爭度) 愈高 (低)。Huang et al. (2013) 定義 Lerner 指數為前述條件期望值除以產品價格，即 Lnew it =. E(u2it |  2it ) Pit. (3-6). 政治大 (3-5) 式明確將 P  MR  MC 的關係納入，符合追求利潤最大化廠商的邊際成本訂立. 此估計方式的優點除因聯立估計 (3-2) 和 (3-5) 式導致係數估計值較有效率外，. ‧ 國. 學. 價策略，因而避免 Lerner 指數出現負值的情況。此外，此模型估計出的 Lerner 指數較不易受到隨機干擾的影響，因為在 (3-5) 式的誤差項中已區隔成隨機干擾項. ‧. v2 及 u2 兩個成分，利用 (3-6) 式計算 Lerner 指數受到隨機干擾項的影響較傳統估. y. Nat. er. io. 指數的變異數較大。. sit. 計方式為低，因為傳統 Lerner 指數的計算相當於 L = [P – (MC+ v2 )]/P，故傳統 Lerner. al. n. v i n Ch 由於組合誤差項的機率密度函數包含標準常態分配的累積分配函數，具有 engchi U. skew normal 性質，該累積分配函數沒有封閉型式 (closed form)，要直接推導 (3-2) 式和 (3-5) 式的聯合機率密度函數和對應之對數概似函數並不容易。Huang et al. (2013) 使用 Lai and Huang (2013) 提出的關聯結構法 (copula methods)，解決此問題，此法由 Sklar 在 1959 年所發展出。設 F1 (1it ) 及 F2 ( 2it ) 分別為 1it 和  2it 邊際累積分配函數，它們的相關係數為  ，依照 Sklar 的理論， 1it 及  2it 的聯合累積分配函數可表示如下 F (1it ,  2it )  C ( F1 (1it ), F2 ( 2it );  ) 17. (3-7).

(26) 其中 C () 為 F1 () 和 F2 () 的關聯結構函數，若 F1 () 和 F2 () 為連續函數，則存在唯一的關聯結構函數，對應 (3-7) 的聯合機率密度函數為 2. f (1it ,  2it )  c( F1 (1it ), F2 ( 2it );  )   f j ( jit ). (3-8). j 1. 其中 c( F1 (1it ), F2 ( 2it );  )   2C ( F1 (1it ), F2 ( 2it );  ) / F1 (1it )F2 ( 2it ) ，是關聯結構密度函數 (copula density)，而 f j ( jit ) 為邊際機率密度函數。以往文獻已發展出許多種 copula 函數，例如 Student’s t copula、Archimedean copula、Gumble n-copula 和. 政治大. Clayton n-copula 等。本研究依循 Lai and Huang (2013) 和 Huang et al. (2013) 採用. 立. 學. ‧ 國. Gaussian copula 推導出 (3-7) 式的二元聯合累積分配函數，表為. C ( F1 (1it ), F2 ( 2it );  )   2 ( 1 ( F1 (1it )),  1 ( F2 ( 2it ));  ) . 1. exp{. 1  1  it   it } 2. (3-9). ‧. 2 |  |. 1/2. sit. y. Nat. 其中  1 () 為單變量標準常態累積分配函數的反函數，  2 () 為二元標準常態累積. n. al. er. io. 分配函數，隨機變數  1 ( F1 (1it )) 和 1 ( F2 ( 2it )) 的 2  2 相關係數矩陣  為.  1    12. Ch. 12 . e 1ng c h i. i n U. v. (3-10). 對應 (3-9) 式的 Gaussian copula 機率密度函數為 c( F1 (1it ), F2 ( 2it );  ) . 1 1 exp{  it (  1  I 2 ) it } 1/2 || 2. (3-11). 其中 I 2 為 2  2 之單位矩陣。將 (3-11) 代入 (3-8)，可得到組合誤差的聯合機率密度函數 2. f (1it ,  2it )  c( F1 (1it ), F2 ( 2it );  )   f j ( jit ) j 1. 2 1 1  1  exp{   (   I )  }  f j ( jit )  2 it it |  |1/2 2 j 1. 18. (3-12).

(27) 而本模型中的對數概似函數經過推導後結果為下式 N. T. ln L( )   f (1it ,  2it ) i 1 t 1 N. T. 2. N. T.   lnc( F1 (1it ), F2 ( 2it );  )   ln f j ( jit ) i 1 t 1. . (3-13). j 1 i 1 t 1. N T  NT 1 N T ln |  |    it (  1  I 2 ) it   (ln f1 (1it )  ln f 2 ( 2it )) 2 2 i 1 t 1 i 1 t 1. 其中   (1 ,2 ;  ) ， 1 與  2 為 (3-2) 和 (3-5) 的未知參數。由(3-13) 可知，利用最大概似法進行估計時，需要 f j ( jit ) ， j  1, 2 以及. 政治大.  it  [1 ( F1 (1it ))1 ( F2 ( 2it ))] 。已知 f j ( jit ) 的機率密度函數為. 立2. ‧ 國. j. (.  jit  j jit ) ( ) j j. j  1, 2. (3-14). 學. f j ( jit ) . 其中  j   uj /  vj 且  2j   vj2   uj2 。由於 f j ( jit ) 並沒有一個封閉形式，因此不易推. ‧. sit. y. Nat. 導出 Fj ( jit ) 。Lai and Huang (2013) 利用 Tsay et al. (2013) 發展出的方法，推導出. io. er. Fj ( jit ) 的近似函數，該函數具有封閉形式，故可帶入 (3-13) 式中的對數概似函. al. n. 數。. Ch. engchi. 針對 (3-14) 對 f j ( jit ) 積分可得下式. F (Qit )  . Qit. f ( it )d it . . 2. i n U. v. I (Qit ). (3-15).  it )d it . (3-16). . 其中 I () 被定義為下式 I (Qit )  . Qit. . Qit. . . .  it . . . a it. .  ( )d (.  ( )d (b it )d it. 上式中 a   /   0 ， b  1/   0 。Tsay et al. (2013) 針對 (3-16) 推導出近似積分. I app  Qit  如下 19.

(28) I app (Qit ) . bQ 1  sign(Qit ) a 2c 2 1 1 erf ( it )( ) exp{ 2 1 2 } 2b 2 4(b  a c2 ) 2 4 b 2  a 2c2. {1  erf [. ac1  2Qit (b 2  a 2c2 ) sign(Qit ) 2 b 2  a 2c2. (3-17). ]}. 式中誤差函數 (error function) 定義如下 2. erf ( z ) . . .  2. z. e  t dt 2. 0. 2z. 0.  (t )dt.  2 ( 2 z  1). (3-18). 政治大.  1  exp(c1 z  c2 z 2 )  g ( z). 立. 符號函數 sign  Qit  分別在 Qit >; =; < 0 時為 1, 0, -1，常數 c1  1.0950081470333 ，. ‧ 國. 學. c2  0.75651138383854 可讓 g ( z ) 盡可能靠近 erf ( z ) ，Tsay et al. (2013) 已證明在. ‧. er. io. Fapp (Qit ) . sit. Nat. I app  Qit  ，將此代入 (3-15) 得到近似累積分配函數如下. y. z  0 之下即可求出誤差函數，而得到誤差函數後更能進一步求出 (3-17) 中的. 2. n. (3-19) a l I (Q ) v i n Ch U engchi 經由以上推導求出 F (Q ) ，即可得到本模型中的對數概似函數 (3-13) 式， app. app. it. it. 本研究將以此函數利用最大概似法估計 Lerner 指數。. 第二節. 衡量金融創新. 如同本文在前面章節所描述，本研究將以共同邊界模型所估計出來的技術缺口比率衡量證券業創新，本節會將 Huang, Huang and Liu (2014) 和 Battese et al. (2004) 提出的新與舊兩種共同邊界生產函數轉換成共同成本邊界函數，並且比較兩種共同邊界生產函數的差異及優缺點。 20.

(29) 3.2.1 共同邊界模型本研究將樣本資料依照年度別分為 J 個群組，因此定義第 j 個生產群組由該年的樣本廠商組成，第 i 個生產單位的隨機成本邊界函數為 V ji U ji. C ji  f j ( X ji )e. (3-20). 其中 C ji 為第 j 個群組中(在此為第 j 年) 的第 i 個廠商所花費的實際總成本，X 代 iid. 表多重產出 (Y) 和要素價格 (W) 列向量。 V ji ~ N (0,  Vj 2 ) 為相同且獨立的隨機干 iid. 擾項，U ji ~ N (  (Z ji ),  (Z jit . j. j2 U. 立. 政治大 )) 則為此模型中的無效率隨機變數，該隨機變數不. Nat. C ji. e. U ji. j, i. (3-21). sit. TEi . f j ( X ji )e. y. V ji. j. ‧. ‧ 國. 定義為. 學. 得為負值且與隨機干擾項 V ji 互相獨立，其中 Z 為外生變數。個別廠商的技術效率. n. al. er. io. 由上式可知，技術效率和外生變數 Z 有關。對於全部群組中的所有廠商，有一相. Ch. i n U. v. 同的共同邊界成本函數，此函數應不高於群組邊界函數，故兩者之關係表為. engchi UM ji. f j ( X ji )  f M ( X ji )e. (3-22). M ( X ji )  f j ( X ji ) 。定義技術缺口比率為共同邊界成本相對於其中 U M ji  0 ，隱含 f. 各群組邊界成本之比率，即. TGR . f M ( X ji ) f j ( X ji ). (3-23). TGR 值應介於 0 和 1 之間，其值越大表示該群組採用之生產技術水準越高，反之則越低。. 21.

(30) 若給定一組 X ji ，對應之共同邊界 ( f M ( X ji ) ) 與實際成本支出 ( C ji ) 之比值由以下三個因子所組成，包括 TGR、TE 與隨機干擾項，即. f M ( X ji ) C ji. V ji. . f M ( X ji ) f j ( X ji )e j. f ( X ji ). C ji. 1 V e ji. (3-24). iid. 由 (3-24) 可知，因為隨機干擾項 V ji ~ N (0,  Vj 2 ) ，因此雖然 TGR 和 TE 均小於 1，但是共同邊界未必是所有廠商實際成本支出本之包絡線，此為 SFA 模型和數理規劃法不同的地方。排除隨機干擾項的影響後，即定義出共同技術效率 (meta technical efficiency, MTE). MTE ji . f M ( X ji )e. v ji.  TGR  TE. C ji. 學. (3-25). ‧. ‧ 國. 立. 政治大. 圖 3-1 共同成本邊界模型. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3.1 假設廠商 1 和廠商 2 消除了隨機干擾項後均在 d 點水準，但是廠商 1 和廠商 2 的技術水準分別為群組 1 和群組 2，由圖中可知廠商 1 消除隨機干擾項後與該群組技術水準的差距為 g (TE1 ) ，該差距越小表示廠商的生產點越接近應有的生 22.

(31) 產水準，廠商技術效率 (TE) 越大，而該技術水準下，此群組技術與共同生產技術差距為 gap1 ，該差距越小表示此技術水準離共同生產的技術水準越接近，這也表示 TGR 越大。因此從圖中可以觀察廠商 1 的 TE 較廠商 2 大，而廠商 1 面臨的技術水準較廠商 2 低。 3.2.2 舊共同邊界模型 Battese et al. (2004) 與 O’Donnell et al. (2008) 提出兩階段法估計共同邊界模型中的參數，第一階段利用 (3-20) 針對各「群組」廠商的資料，以最大概似法估. 政治大. 計隨機邊界模型的參數. 立. ln C ji  ln f j ( X ji )  V ji  U ji. (3-26). ‧ 國. 學. 上式中組合誤差為  ji  V ji  U ji ，其餘定義同上。(3-26) 可以估計出第 j 群組邊界. ‧. fˆ j ( X ji ) ，其中個別廠商的技術效率經由以下條件期望值估計而得 | ˆ ji ). er. io. 其中 ˆ ji  ln C ji  ln fˆ j ( X ji ) 為殘差項。. (3-27). y. U ji. sit. Nat. TEi j  E(e. al. n. v i n 在第二階段中，Battese et C al. h (2004) 與 O’Donnell e n g c h i U et al. (2008) 使用第一階段. 所估計出的各群組邊界函數，搭配線性規劃法求解得出共同邊界函數 J. N. min  | ln fˆ j ( X ji )  ln f M ( X ji ) |. (3-28). j 1 i 1. s.t. ln f M ( x ji )  ln fˆ j ( x ji ). 除了以線性規劃求解外，Battese et al. (2004) 與 O’Donnell et al. (2008) 另提出極小化距離平方和的數理規劃法，估計共同邊界函數. 23.

(32) J. N. min  (ln fˆ j ( X ji )  ln f M ( X ji )) 2. (3-29). j 1 i 1. ln f M ( x ji )  ln fˆ j ( x ji ). s.t. 上述模型的兩個階段分別使用 SFA 法與數理規劃法求出共同邊界，出現方法上的不一致，且第二階段共同邊界函數是由數理規劃法求解，無法得到相關統計性質與估計標準誤。此外，在第二階段數理規劃法求解中，因真實的群組邊界函數未知，必須帶入其估計值，數理規劃法無法將兩者差異納入模型中考慮。因此，. 政治大本研究接下來將介紹 Huang、Huang and Liu (2014) 所提出的新共同邊界模型，可立. ‧ 國. 學. 以一併解決上述三個問題。 3.2.2 新共同邊界模型. ‧. Huang, Huang and Liu (2014) 保留了 Battese et al. (2004) 第一階段估計方法，. y. Nat. io. sit. 利用 SFA 方法估計各群組之技術效率，在第二階段估計方法再次利用 SFA 方法估. n. al. er. 計共同邊界函數。此模型不僅讓二階段估計方法一致，也讓估計出來的參數具有統計性質。. Ch. engchi. i n U. v. 已知共同邊界與群組邊界之關係為. ln f. j.  X ji   ln f M  X ji   U Mji. M ji. (3-30). j. 其中 U 為技術缺口因子，考慮 f ( X ji ) 在第一階段的估計誤差項，得到 ln fˆ j ( X ji )  ln f j ( X ji )   ji  ˆ ji. (3-31). 上式中定義 V jiM   ji  ˆ ji ，將 (3-31) 代入 (3-30) 並整理，可得共同邊界函數與估計的群組邊界函數關係式如下 M ln fˆ j ( X ji )  ln f M ( X ji )  U M ji  V ji. 24. (3-32).

(33) iid. 式中  Mji  U Mji  V jiM 為組合誤差項， U Mji ~ N  (  M (Z ji ),  UM 2 (Z jit )) ，並與 f j ( X ji ) 估計誤差項 V jiM 獨立，  M ( Z ji ) 反映出個別廠商的生產環境，而  UM ( Z ji ) 則反映出生 2. 產過程中的不確定性。技術缺口比率可用下式計算. TGRi j  E(e. U M ji. | ˆ Mji )  1. (3-33). 其中 ˆ Mji  ln fˆ j ( X ji )  ln fˆ M ( X ji ) 為 (3-32) 的殘差。模型中的共同邊界函數恆小於. 政治大. 群組邊界函數 f M ( X ji )  f j ( X ji ) ，由於此模型已考慮 f j ( X ji ) 的估計誤差，因此允. 立. 許 f M ( X ji )  fˆ j ( X ji ) ，此時技術缺口比率估計值等於 1。. ‧ 國. 學. 從上述模型介紹可知，Huang, Huang and Liu (2014) 的模型用 SFA 方法估計各. ‧. 群組成本邊界以及技術邊界，所要估計的迴歸式分別為群組邊界 (3-26) 和共同邊. sit. y. Nat. 界 (3-32)。估計 (3-26) 式後可以計算各廠商的技術效率值 TE，估計 (3-32) 式後. n. al. er. io. 可以計算各廠商的技術缺口比率值 TGR，兩者相乘得到共同邊界效率值 MTE。TGR. i n U. v. 表示各廠商所採用的生產技術水準與共同邊界代表的潛在技術水準之差距，該值. Ch. engchi. 愈大，代表廠商使用的生產技術水準愈高，生產成本因而愈低，該廠商之金融創新程度愈高。. 25.

(34) 第四章. 資料來源與變數定義第一節. 資料來源. 本研究期間為 2001 年至 2012 年，對象為受託買賣外國有價證券、集中市場經紀、集中市場自營、店頭市場經紀、店頭市場自營之國內專營券商，不分上市櫃與否並排除兼營和只受託買賣外國有價證券之券商。在研究期間內被合併或消滅之證券商亦包含在內，屬於不平衡的縱衡資料 (unbalanced panel data)，全產業. 政治大控股公司體系之國內證券商。台灣金融控股公司與合作金庫金融控股公司，成立立. 共計有 85 家 949 筆，其中 13 家為金融控股公司之證券子公司；72 家為非金融. ‧ 國. 學. 年限較短，而國票金融控股公司，其體系下並無銀行，如此一來恐難發揮經營綜效，故將台銀證與國票證兩家公司改列於非屬金融控股公司之類別，而合庫證券. ‧. 則完全剔除於樣本外。資料來源主要為「台灣經濟新報資料庫」之損益表及資產. y. Nat. er. io. sit. 負債表、台灣證券交易所、公開資訊觀測站及中華民國證券商業同業公會。金額以千元為單位，並以 2011 年的消費者物價指數平減，轉為實質變數。. n. al. i n U. C. h e n變數之定義第二節 gchi. v. Wang et al. (2003) 及 Goldberg et al. (1991) 定義證券業有勞動及資本兩項投入，其中勞動投入為員工人數，而資本投入則為固定資產，反映出證券商為了追求利潤，會添購設備以及設立營業據點；產出則為經紀手續費收入、營業收入及營業外收入。由於上述產出的定義並非以量為單位，衡量邊際成本及產出價格時並不容易，因此本文將經紀手續費收入、營業收入及營業外收入定義為總收入，產出為總資產；投入則依 Wang et al. (2003) 及 Goldberg et al. (1991) 定義為勞動及資本兩項投入。 26.

(35) 詳細的變數定義如下： 1. 總收入 (TR)：包括經紀手續費收入、營業收入、營業外收入等三種證券商主要收入。其中經紀手續費收入系指證券經紀部門接受客戶委託買賣有價證券及辦理融券業務所收取之經紀手續費收入。營業收入包括承銷業務收入、股務代理收入、出售證券利益及衍生性商品利益等。營業外收入包括財務收入、股利收入、轉投資事業收入等非屬營業收入之項目。 2. 總產出量 (Q)：資產總額。. 政治大. 3. 勞動投入量 ( X 1 )：員工人數。. 立. 4. 資本投入量 ( X 2 )：固定資產淨額。. ‧ 國. 學. 5. 勞動成本 ( C1 )：包括人員之薪資獎金、勞健保費用、退休金、伙食費、職工福. ‧. 利及其他用人費，本文稱為勞動成本。. sit. y. Nat. 6. 資本成本 ( C2 )：使用資本要素所需支付的費用，包括租金、稅捐、電腦資訊費、. n. al. er. io. 折舊或攤提及其他營業費用。. i n U. v. 7. 總成本(TC)： C1 + C2 ，即勞動成本與資本成本之總和。. Ch. engchi. 8. 產出價格(P)：總收入除以總產出量，即為生產每單位產出所收取的價格。 9. 勞動價格 ( W1 )：勞動成本除以員工人數，即為勞動價格。 10. 資本價格 ( W2 )：資本成本除以資本投入量，即為使用每單位資本所支付的資本價格。. 27.

(36) 表 4-1 變數定義與樣本統計量變數名稱. 平均數. 標準差. 最小值. 最大值. 總收入(TR). 1701916.8424. 2972460.3323. 8357.6962. 2.57608D+07. 總產出量(Q). 1.23777D+07. 2.21818D+07. 95012.296. 1.74657D+08. 勞動投入量( X 1 ). 427.7850. 717.1045. 10. 5800. 資本投入量( X 2 ). 634801.7595. 1120316.1787. 199.6720. 7854890.500. 勞動價格( W1 ). 1571.2906. 1909.9886. 329.0261. 14612.1054. 資本價格( W2 ). 2.8264. 產出價格(P). 0.2030. 7803647.50000. 433145.96296. 713128.64837. 4515.04639. 5388498.00000. 240553.44939. 401145.01413. 881.33881. Nat. io. sit. y. 949. 2415149.50000. al. er. 樣本數. 1.56862. 7751.42578. ‧. 資本成本( C2 ). 371.5415. 673699.41280 1088410.84772. ‧ 國. 勞動成本( C1 ). 立. 學. 總成本(TC). 治 0.009941 政15.0752 大0.01707 0.1612. v. n. 表 4-1 中各項變數之標準差以及樣本全距都很大，表示樣本不僅包含各種規模. Ch. engchi. i n U. 之證券商，且研究期間受到各種經濟情勢影響，導致變異程度頗大。從勞動投入量最小值及最大值中，顯示本研究樣本之證券商規模小至 10 位員工，大至 5800 位員工規模。表中兩項投入價格之標準差亦很大，原因為本研究樣本期間包含不同市場情況，且各家證券商在不同期間財務狀況有所不同，因此雇用投入的價格差異甚大。表 4-2 則將各變數之樣本分類為金控與非金控兩類，由兩要素投入之平均數可知金控證券商的規模較非金控證券商大。要素投入和產出價格則以非金控券商較大，此結果是否會影響 Lerner 指數，有待進一步分析。 28.

(37) 表 4-2 金控與非金控證券商之樣本統計量金控變數名稱. 平均數. 非金控標準差. 平均數. 標準差. 總收入(TR). 4541469.81 4348504.97 9 5. 1198125.209. 2320136.095. 總產出量(Q). 34182979.2 28912427.9 6 7. 8509031.796. 18235552.36. 勞動投入量( X 1 ). 1239.18881 1022.12545 1 7. 532.5364149. 資本投入量( X 2 ). 1617880.77 9. 283.8263027 政治大 1428800.48 460384.5134. 1 1159.21493. 1668.994865. 資本價格( W2 ). 1.77565254 12.5404671 2 2. 3.012882111 0.216322133 464224.2905. sit. io. al. 0.03858239 9. er. Nat. 0.12841109 5. 1998.906426 15.4809763. y. 1020.59381 6. ‧. 勞動價格( W1 ). 產出價格(P). 956983.2745. 學. ‧ 國. 立. 0.170864147. 1854436.87. 1521015.79 5. 勞動成本( C1 ). 1184893.33 4. 1067372.76 8. 299771.4288. 528890.5873. 資本成本( C2 ). 669543.535 523413.704 9 9. 164452.8617. 320447.355. 樣本數. 143. n. 總成本(TC). Ch. engchi. i n U. v. 833902.9712. 806. 29.

(38) 第五章. 實證分析. 第一節. 市場競爭度. 5.1.1 結構分析法本研究採用前四大廠商集中度 (CR4) 與 HHI 指數來衡量市場集中度，若集中度越高，表示廠商之間越容易勾結或共謀以提高售價賺取更高的利潤，因此市場獨占力愈高，市場競爭度則愈低。由於 2008 年發生金融海嘯，重創全球景氣，. 政治大年兩段不同子期間，藉以觀察證券業市場競爭度是否因為金融海嘯有所改變。立 HHI. 平均數. 標準差. 0.01854. 486.305. 14.429. 0.03410. 601.980. 88.234. e 0.04394 n g c h i U 524.864. 74.160. al. 0.3780 0.3275. Ch. -5.098333. sit. y. 標準差. er. ‧. t 檢定統計量. 0.3022. n. 全期間. 平均數. io. 2009 年至 2012 年. CR4. Nat. 2001 年至 2008 年. 表 5-1 CR4 及 HHI 之敘述統計量. 學. 期間. ‧ 國. 因此本研究將研究期間 2001 至 2012 年再細分為 2001 至 2008 年、2009 至 2012. v ni. -3.792132. 註: HHI 為利用總資產變數計算的赫氏指數. 表 5-1 使用 t 檢定顯示兩段子期間之市場集中度無論是 HHI 亦或是 CR4 均有顯著差異，且第一子期間之市場集中度均小於第二子期間，表示金融海嘯過後證券業之市場集中度明顯上升。原因則是本國證券業自金融海嘯之後，持續許多大型併購案，且併購券商及被併購券商都為大型券商，例如 2012 年寶來證券被元大證券併購，成為元大寶來證券。大型併購案發生後，造成存續券商市占率上升， 30.

(39) 集中度因此增加。本國證券業在全樣本期間的 CR4 為 0.3275，根據 Shepherd (1985) 的市場結構分類標準，前四大廠商的集中度低於 40% 為獨占性競爭市場，故我國證券業的市場競爭型態為獨占性競爭。 5.1.2 非結構分析法本文以 Lerner 指數及 PCM 作為非結構法市場競爭度指標，有別於集中度指標和 H 統計量，Lerner 指數和 PCM 可以替每個樣本點計算一個值，是 Lerner 指數和 PCM 的優點。計算 PCM 須使用利潤、銷售金額與固定成本等資料，若 PCM 值越. 政治大. 大，代表市場競爭度越高，計算公式如下. 立   F R  F PCM  1   0. ‧ 國. R. (4-1). 學. R. (4-1)中  代表廠商的稅後利潤，F 是固定成本，R 為總收入，公式中的分子約略等. ‧. 於變動成本，PCM 代表變動成本與總收入之比。使用樣本資料，可以替每個樣本. Nat. sit. y. 點計算一個 PCM 值，其值愈大，代表變動成本愈接近總收入，廠商根據成本加價. n. al. er. io. 能力愈低，導致獲利較低，市場競爭度愈高；反之，PCM 值若愈小，市場競爭度愈低。. Ch. engchi. i n U. v. Lerner 指數為一種衡量市場壟斷力的指標，係以產品價格與其邊際成本之差距計算得到，其值介於 0 與 1 之間，若等於 0 代表完全競爭市場；若等於 1 為獨占市場，介於其間則為壟斷性競爭。本文將分別使用關聯結構聯立模型以及傳統方法估計 Lerner 指數。依照傳統估計方式計算 Lerner 指數之前，必須先對 (3-2) 中的 translog 成本函數進行估計，表 5-2 列出出係數估計結果，再利用這些係數估計值代入 (3-3) 可. 31.

(40) 求出每一廠商在不同期間的邊際成本，透過公式計算得出 Lerner 指數。1 表 5-2.. 成本函數之係數估計結果. 係數估計值. 自變數. 係數估計值. 自變數. (估計標準誤) 截距項. 6.8866*** (1.5325). ln Q. -0.8373*** (0.2042). (估計標準誤) -0.1434*** (0.0451). Trend 1 Trend  Trend 2. 0.0110*** (0.0033). 治  ln Q 政 Trend 大 0.0986*** Trend  ln W 立(0.0135) 1.2043*** (0.1376). lnW2. 1 ln Q  ln Q 2. 0.0032 (0.0027) 0.0011 (0.0035). 2.  2   v2   u2. 1 ln W2  ln W2 2. -0.0478*** (0.0116).  u2 /  2. 0.0518*** (0.0004). -719.6861. sit. y. Nat. 對數概似函數值：. 0.2760*** (0.0125). ‧. ‧ 國. -0.0978*** (0.0094). 學. ln Q  ln W2. 樣本數：949. io. n. al. er. ***：代表達到 1%顯著水準 **：代表達到 5%顯著水準. Ch. *：代表達到 10%顯著水準. engchi. i n U. v. 表 5-2 為 translog 成本函數係數值，此模型估計出來的成本函數份額大部分樣本大於 0，符合經濟理論。此估計結果大部分參數估計結果達 1%顯著水準，僅時間趨勢與產出交乘項以及時間趨勢與資本要素價格交乘項兩係數估計值不顯著。. 1. 本研究選用 W1 標準化成本與其他要素價格，以符合個體經濟理論的要求，即成本函數是要素價. 格的一階齊次函數。 32.

(41) 本研究也利用關聯結構法估計 Lerner 指數，以下稱之為新 Lerner 指數，其估計方法如研究方法所述，設立 Translog 成本邊界及價格邊界，都包含組合誤差，利用關聯結構模型導出概似函數，以最大概似法將 Translog 成本邊界及價格邊界的參數同時估計出。有別於傳統估計方式，用此方式估計出來的 Lerner 指數不會小於 0，且隱含廠商依照其生產成本考慮定價，邏輯上較合理。Translog 成本邊界及價格邊界的係數估計結果如表 5-3。表 5-3. 關聯結構模型 Translog 成本函數係數估計結果. 政治大係數估計值自變數立 (估計標準誤). 1 ln W2  ln W2 2. Trend. al. Ch. 1 2. 0.2573*** (0.0181).  1. n. ln Q  ln W2. io. 1 ln Q  ln Q 2. Trend  ln W2. y. lnW2. -0.0324*** (0.0093) -0.0285*** (0.0063) -0.3514*** (0.0903) 0.8907 (1.4539) 1.177*** (0.1071) 1.010* (0.5317). Trend  ln Q. sit. 0.0106 (0.0087) 0.7461*** (0.2010) 0.0437*** (0.0040) -0.0218*** (0.0073) 0.0267 (0.0215) -0.0071 (0.1276). 0.0373*** (0.0062). e n g ch i 2. 對數概似函數值：-626.238. er. ln Q. 1 Trend  Trend 2. ‧. 3.9261*** (1.0053). Nat. 截距項. 係數估計值 (估計標準誤). 學. ‧ 國. 自變數. i n U. v. 樣本數：949 ***：代表達到 1%顯著水準 **：代表達到 5%顯著水準 *：代表達到 10%顯著水準表 5-3 為以關聯結構法估計出的成本函數係數值，此模型估計出來的成本函數份額  lnC/ Wi 大部分樣本大於 0，符合經濟理論。利用這些係數估計值，求出各 33.

(42) 樣本點中價格方程式內無效率項的條件期望值，並依照 (3-6) 式算出新 Lerner 指數；傳統 Lerner 指數則利用表 5-2 的係數估計值計算，兩種指數計算結果置於表 5-4，此表亦同時利用 (4-1) 式計算 PCM。新 Lerner 指數平均數為 0.4020，較傳統 Lerner 指數平均數 0.6567 小，且新 Lerner 指數估計出的標準差 0.0750 也小於傳統 Lerner 指數的 0.1515，此結果表示目前台灣證券業處於獨占性競爭的市場環境。 PCM 的平均數等於 0.7955，顯示本產業的市場競爭度頗高，Bos et al. (2013) 研究美國銀行業 1984 年至 2005 年，實證結果 PCM 平均值僅在 0.1 至 0.25 之間。. 政治大. 立. 新 Lerner 指數. 0.6567. 0.4020. 0.1515. 0.0750. ‧. 估計標準誤. 傳統 Lerner 指數. 學. 估計值. ‧ 國. 表 5-4 市場競爭度指標估計結果 PCM 0.7955. Nat. n. al. er. io. sit. y. 0.3557. i n U. v. 在計算出傳統 Lerner 指數、新 Lerner 指數以及 PCM 等非結構市場競爭度指標後，. Ch. engchi. 接下來將針對不同群組的樣本進行分類，分別為金控與非金控、大規模資產與小規模資產以及不同期間的樣本，觀察不同類別的證券商面對的市場競爭度是否有差異。. 34.

(43) 表 5-5 金控與非金控券商市場競爭度比較傳統 Lerner Index. 新 Lerner Index. PCM. 0.5877 (0.1000) 0.6689 (0.1557) 0.6567 (0.1515). 0.3962 (0.0564) 0.4030 (0.0778) 0.4020 (0.0750). 0.7060 (0.2104) 0.8114 (0.3735) 0.7955 (0.3557). -6.0186. -0.9994. -3.2825. 金控非金控全樣本 t 檢定統計量註:括號內為標準差. 立. 樣本數 143 806 949. 政治大. 表 5-5 將各非結構法所估計出的市場競爭度指標，依照金控券商以及非金控券. ‧ 國. 學. 商分類，並依照 t 檢定判斷這兩群券商所面對的市場競爭度是否存在顯著的差異。. ‧. 使用傳統 Lerner 指數和 PCM 法下，金控與非金控所面臨的市場競爭度存在顯著的. sit. y. Nat. 差異，但兩者的結論卻相反，而新 Lerner 指數檢定結果發現這兩群券商面對的市. n. al. er. io. 場競爭度無顯著差異。金控券商的傳統 Lerner 指數較非金控券商低，表示金控券. i n U. v. 商價格和邊際成本差距較小，市場競爭度較大，其結果與 Baumol (1982) 提出的可. Ch. engchi. 競爭理論相符，雖然金控公司可以跨業行銷，進行資源整合，獲取較高的市佔率，但是卻擔心潛在競爭者瓜分市場而不敢貿然提高價格。而金控券商的 PCM 比非金控券商小，其代表金控券商的變動成本占總收入比例較非金控券商小，面對的市場競爭度亦較小，顯示其加價能力較非金控券商高；另一方面，可能因為金控公司多為大型企業，固定成本比重較大，導致變動成本占總收入比重較小。. 35.

(44) 表 5-6. 大資產規模券商小資產規模券商全樣本. 依資產規模大小比較市場競爭度. 傳統 Lerner Index. 新 Lerner Index. PCM. 0.6339 (0.1479) 0.6796 (0.1517) 0.6567 (0.1515). 0.4116 (0.0683) 0.3924 (0.0800) 0.4020 (0.0750). 0.7396 (0.3427) 0.8516 (0.3600) 0.7955 (0.3557). 3.9808. -4.9047. t 檢定 -4.6987 統計量註(1)：括號內為標準差. 立. 樣本數. 475 474 949. 政治大. ‧ 國. 學. 註(2)：所有樣本中資產變數之中位數約為 200,000 千元，本研究以此為標準將樣本分類成大資產規模廠商以及小資產規模廠商. ‧. 表 5-6 是將所有樣本廠商依照全部樣本中位數(200,000 千元) 分為兩類，大於中位數的樣本歸類為大規模資產樣本，小於中位數的樣本則歸類於小規模資產樣. sit. y. Nat. io. al. er. 本，並依照 t 檢定判斷大規模資產樣本與小規模資產所面對的市場競爭度是否存. v. n. 在顯著的差異。依照 t 值判斷無論以何種方法估計大資產規模券商和小資產規模券. Ch. engchi. i n U. 商的市場競爭度均有顯著的差異，但是所估計出的結果卻不相同，以新 Lerner 指數和 PCM 方法估計結果為小資產規模廠商會面臨較高的市場競爭度，其背後隱含大資產規模廠商有較高市占率，因此較容易壟斷市場；但若以傳統 Lerner Index 估計則會得到大資產規模廠商會面臨較高市場競爭度的結果。. 36.

(45) 表 5-7 依樣本期間比較市場競爭度. 2001 年至 2008 年 2009 年至 2012 年 2001 年至 2012 年. 傳統 Lerner Index. 新 Lerner Index. PCM. 0.6529 (0.1497) 0.6641 (0.1549). 0.3802 (0.0747) 0.4447 (0.0541). 0.8093 (0.3841) 0.7685 (0.2907). 0.6567. 0.4020. 0.7955. (0.1515). 政治大 -13.73639*** 1.673665* (0.0750). 立. 628 321 949. (0.3557). ‧ 國. 學. t 檢定 -1.077 統計量註:括號內為標準差 ***：代表達到 1%顯著水準. 樣本數. **：代表達到 5%顯著水準. ‧. *：代表達到 10%顯著水準. y. Nat. io. sit. 表 5-7 將研究期間分為 2001 年至 2008 年及 2009 年至 2012 年兩段子期間，. er. 並以 t 統計量比較金融海嘯前與金融海嘯後的市場競爭度是否有顯著差異。表中可. al. n. v i n Ch 看出新 Lerner 指數與 PCM 在兩段不同子期間均有顯著差異，且金融海嘯過後之市 engchi U 場集中度較高，其背後隱含近年來證券商家數減少的結果 (見表 1-1)，導致存續的證券商有較高的市占率。若以傳統 Lerner 指數估計，則兩段期間之市場競爭度無顯著差異。. 37.

(46) 第二節. 證券業創新. 本文利用新隨機共同成本邊界模型估計證券商的創新，第一階段按年為單位分群組，分別估計這 12 群組之隨機成本邊界函數，估計結果列於附表 1，除了 2003 年及 2004 年外，其餘隨機成本邊界函數所估計出的係數超過一半達 1%顯著水準；而 2003 年以及 2004 年有一半以上係數達 10%顯著水準。第二階段建立隨機共同邊界函數，並以 SFA 方法估計該函數，估計結果列於表 5-8. 政治大. 表 5-8 第二階段隨機共同成本邊界函數結果. er. al. n. 0.0855***. Ch. (0.0037). ln Q  ln W2. -0.1103*** (0.0029). 1 ln W2  ln W2 2. -0.0408***. sit. 業務集中度. y. 經濟成長率. (0.0411). io. 1 ln Q  ln Q 2. Nat. lnW2. 環境變數截距項. HHI. engchi U. (0.0039). 對數概似函數值：388.0732 樣本數：949 ***：代表達到 1%顯著水準 **：代表達到 5%顯著水準 *：代表達到 10%顯著水準. 38. 係數估計值 (估計標準誤) 2.6185*** (0.4115) -0.0284*** (0.0046) -0.1721***. ‧. ln Q. 學. 截距項. ‧ 國. 立. 係數估計值 (估計標準誤) 4.9593*** (0.4102) -0.6467*** (0.0557) 1.3697***. v ni. (0.0631) -48.0144*** (8.4622).  2   v2   u2. 0.0359*** (0.0029).  u2 /  2. 0.4844*** (0.0590).

(47) 表 5-8 為隨機共同成本邊界模型估計的結果，其成本函數形式為 Translog 成本函數，依照第一種要素投入 (勞動) 的價格標準化，並且考慮 3 個環境變數，分別為我國經濟成長率、每家證券商之業務集中度以及 HHI，估計結果全部係數達 1%顯著水準。本研究另外將 Battese et al. (2004) 所建立的共同生產邊界模型改寫為共同成本邊界模型，以下稱之為舊共同成本邊界模型，此模型如研究方法所提到，第一階段和新共同成本邊界模型相同，第二階段則是利用線性規劃法求出，但是線性規劃法因為沒有考慮到隨機的因素，因此無法直接得到各係數的估計標. 政治大. 準誤，本研究利用拔靴法 (bootstrap) 針對樣本資料採抽後放回重複抽樣 5000 次，. 立. 依據這 5000 次係數估計值計算它們的標準差，估計結果如表 5-9。2. ‧ 國. 學標準差. 5.2678. 0.4848. sit. y. 係數值. 0.0642 a l-0.7644 v i n Ch 1.3651 e n g c h i U 0.0481. n. lnW2. io. ln Q. ‧. Nat. 截距項. 共同邊界成本函數估計結果--線性規劃法. er. 表 5-9. 1 ln Q  ln Q 2. 0.0945. 0.0046. ln Q  ln W2. -0.1145. 0.0041. 1 ln W2  ln W2 2. -0.00897. 0.0024. 註：此結果由 Gauss6.0 軟體所估計出。. 2. 使用二次規劃法得到的結果類似，故未列出。 39.

(48) 在計算出新、舊共同成本邊界模型的 TGR 後，接下來將樣本區分為金控與非金控券商，進行比較，觀察不同類別證券商的創新程度是否有差異。. 表 5-10. 金控與非金控證券商創新比較. 新共同成本邊界法之 TGR. 舊共同成本邊界法之 TGR. 0.8620. 0.3435. 金控. 樣本數. 143. 政治大 0.3539 立0.8825 (0.2848). (0.0791). (0.2840). 0.8794. 0.3523. (0.0818). (0.2839). -2.7729. -0.4024. 806. 學. ‧ 國. 非金控. (0.0938). 全樣本. y. sit. n. al. er. io. 註：括號內為標準差. ‧. 統計量. Nat. t 檢定. 949. Ch. engchi. i n U. v. 表 5-10 將不同模型估計出來的 TGR 以金控券商及非金控券商分類，並依照 t 檢定判斷金控券商與非金控券商的創新是否存在顯著的差異，由表中 t 值可知以新共同成本邊界模型估計，金控券商和非金控券商的創新有顯著的差異，且金控券商的創新均比非金控券商小，其背後隱含雖然金控公司將各部門資源進行整合，有利於跨業行銷，但是目前所產生的綜效有限；而非金控券商因為專營一產業，因此較能夠進行創新達到降低成本的效果。若以舊共同成本邊界模型估計，則兩者並無顯著差異。. 40.

(49) 第三節. 市場競爭度與創新之關聯性. 本節將利用前文所估計得到之金融創新以及市場競爭度，討論兩者之間的關連，究竟符合 Schumpeter 假說亦或是逃避競爭假說，以及是否存在 Aghion (2005) 所提出的倒 U 型關係。Schumpeter 假說認為市場競爭會阻礙創新，逃避競爭假說則認為市場競爭有助於創新，Aghion (2005) 認為在市場競爭度低時符合逃避競爭假說，市場競爭度高時符合 Schumpeter 假說。由於集中度指標 (CR4 與 HHI) 只能每一年度利用所有樣本計算一個指標值，PCM 與 Lerner 指數可替每一年度每一. 政治大. 個樣本點計算一個值，故本小節的迴歸分析僅採用 PCM 與 Lerner 指數代表市場競. 立. TGRit  1Cit  2Cit2   Zit  i   it. 學 ‧. ‧ 國. 爭度，探討市場競爭度與金融創新之關聯。創新和市場競爭度的迴歸式設定如下. 式中 TGR 為模型中的應變數，C 為競爭度指標， C 2 為其平方項用以觀察市場競. sit. y. Nat. 爭度與創新是否呈現倒 U 型關係，Z 為控制變數向量，  則為無法觀察到的異質. n. al. er. io. 性 (unobserved heterogeneity)。為了消除該異質性以方便進行實證研究，本文依照. Ch. i n U. Bos et al. (2013) 將模型取一階差分，並改寫為下式. engchi. v. TGRit  1Cit  2 Cit2   Zit   it 上式中，1  0 代表市場競爭度正向影響創新，支持逃避競爭假說；反之，若 1  0 ，代表負向影響創新，支持 Schumpeter 假說，若配合  2  0 ，表示金融創新與市場競爭度存在倒 U 型關係。因為 PCM 數值愈大即表示市場競爭度愈高，當 1  0 且  2  0 ，表示金融創新與市場競爭度存在倒 U 型關係。另一方面，因為 Lerner 指數值愈大表示市場競爭度愈低，此時若 1  0 且  2  0 ，隱含金融創新與市場集中度 (市場競爭度) 存 41.

(50) 在 U 型關係。剛開始隨集中度的增加 (市場競爭度的下降)，會降低金融創新，至某個轉折點以後，兩者關係反轉，集中度繼續增加 (市場競爭度繼續下降) 會提升金融創新。然而，在進行實證分析時面臨金融創新亦可能會影響市場競爭度，亦即這兩個變數之間可能存在逆因果關係 (reverse causality)，此時市場競爭度可能有內生性問題，進而導致係數估計值產生偏誤。為修正此內生性問題，本文採用一般化動差法 (generalized method of moments, GMM) 進行估計，利用市場競爭度一階差分之落後期以及控制變數一階差分之落後期當作工具變數。. 政治大. 表 5-11 中以 GMM 模型分別估計四條迴歸式，其應變數均為新共同成本邊界. 立. 模型所估計出的 TGR。模型 1 中自變數為新 Lerner 指數之一次項及平方項；模型. ‧ 國. 學. 2 除了上述兩項自變數，另外參考 Bos et al. (2013) 放入總資產、權益資產比以及. ‧. 平均每位員工的工資水準等控制變數；模型 3 及模型 4 則是將市場競爭度指標分. n. al. er. io. sit. y. Nat. 別換成舊 Lerner 指數及 PCM，方便與前兩模型比較。. Ch. engchi. 42. i n U. v.

(51) 表 5-11 以新共同成本邊界 TGR 當應變數之 GMM 迴歸結果自變數  Lnew  L2new. 模型 1. 模型 2. -3.5914***. -3.7574***. (1.0601). (1.0002). 4.4100***. 4.2786***. (1.4646). (1.4304). 模型 3. 模型 4. 0.0033.  PCM. (0.0765) -0.0412.  PCM 2. 立.  Lold. (0.9139) 1.7027** (0.7560). ‧ 國. 6.9021E-10. (1.1148E-09) (1.2990E-09). 1.00. (0.1251). 3.1962E-07. 1.3934E-06. y. (0.0854). (5.2466E-07) (8.8343E-07). n Sargan 檢定 p-value. -0.2300*. sit. io. al. -0.2741***. er. Nat.  average wage. 6.6224E-10. ‧.  total asset.  Equity / total asset. (0.0286). 學.  L2old. 政治 -2.3837*** 大. Ch. 1.00 engchi U. iv n1.00. -9.1586E-10 (1.1518E-09) -0.4341*** (0.0846) -3.2015E-07 (5.5467E-07) 0.931. 註(1)：括號內的數字為標準差註(2)：此表中的模型應變數均為新共同成本邊界模型估計出的 TGR 註(3) : Lnew 及 Lold 分別代表新 Lerner 指數及舊 Lerner 指數 ***：代表達到 1%顯著水準 **：代表達到 5%顯著水準 *：代表達到 10%顯著水準. 模型 1 及模型 2 是以新 Lerner 指數作為自變數，所估計出來的係數大多在顯著水準 1% 下顯著。新 Lerner 指數一次項的係數估計值為負且顯著異於零，其平方項係數估計值為正且亦達統計顯著，表示市場集中度與金融創新成 U 型關係， 43.