影響企業獲利因素之研究-以電子產業為例

(1)

作者/Author：

頁數/Page：

出版日期/Publication Date：

To cite this Article, please include the DOI name in your reference data.

引用本篇文獻時，請提供DOI資訊，並透過DOI永久網址取得最正確的書目資訊。

請使用本篇文獻DOI永久網址進行連結:

To link to this Article:

DOI是數位物件識別碼（Digital Object Identifier, DOI）的簡稱，是這篇文章在網路上的唯一識別碼，

用於永久連結及引用該篇文章。

若想得知更多DOI使用資訊，請參考 http://doi.airiti.com

http://doi.airiti.com

For more information, Please see:

The Study for Business Profit Factor-Electronic Industry as an Example

doi:10.6132/JCM.2010.5.3.01

商業現代化學刊, 5(3), 2010

Journal of Commercial Modernization, 5(3), 2010

劉錦花(Ching-Hua Liou);黃耀銜(Yaw-Shyan Huang);李仁棻(Ren-Fen Lee)

1-18

http://dx.doi.org/10.6132/JCM.2010.5.3.01

(2)

影響企業獲利因素之研究—以電子產業為例

The Study for Business Profit Factor

—Electronic Industry as an Example

劉錦花(Ching-Hua Liou)1_{、黃耀銜(Yaw-Shyan Huang)}2_{、李仁棻(Ren-Fen Lee)}3 1_{國立高雄應用科技大學會計系講師} 2_{私立南華大學會計資訊學系副教授} 3_{國立高雄應用科技大學會計系教授}

摘要

投資人與債權人從事獲利能力分析以支援其決策，獲利能力分析是企業為產生利得與所投入可運用資產、資本及資源的關係。本研究針對台灣上市櫃電子產業 2007 年營業過程中的投入與產出，先以典型相關分析(canonical correlation analysis)將變數間的結構及關係方向呈現出來，再以複迴歸分析建立模型。這時所得之模型比較精簡，自變數與反應變數間的關係比較明確。整個執行的過程中，從資料的分群、整理，變數必要的轉換，模型的評估，到最後產業與反應變數之間的對應關係及邏輯斯迴歸模型(logistic regression models)的建立等，文中都有完整的探討。資料分析結果發現：對稅後淨利有影響的自變數包括員工人數、總資產及員工分紅。

(3)

The Study for Business Profit Factor

—Electronic Industry as an Example

Ching-Hua Liou1, Yaw-Shyan Huang2, Ren-Fen Lee3

1

Lecturer, Department of Accounting, National Kaohsiung University of Applied Sciences

2

Associate Professor, Department of Accounting & Information Sciences, Nanhua University

3

Professor, Department of Accounting, National Kaohsiung University of Applied Sciences

Abstract

Profitability analysis is undertaken by stockholders and creditors. Profitability is typically defined as profits to the investment that produce it. The study analyzed the relationship of different input variables and output variables with the purpose of providing useful profitability analysis. The methodology entails collecting 2007 annual financial information of electronic industrial companies list on the TWSE from TEJ. We use the canonical correlation analysis to show the structures and directions between variables and construct the multiple regression models. The obtained models are more simply and the relationship between variables is clearer. In this article, we deal the data with some necessary steps including classifying, transforming, evaluating the model, and so on. We find that total asset, profit-sharing and number of employee have significant effects on net income.

Keywords：Multiple Regression Analysis, Canonical Correlation Analysis, Run Tests, Correspondence Analysis, Logistic Regression Models

(4)

壹、緒言

獲利能力分析是分析企業賺取盈餘或投資報酬的能力，以衡量可運用之資產或資本投入於生產活動後可創造營業收入與盈餘的能力。因此不論投資人或債權人，對於企業獲利能力之分析，是極其重要的。通常獲利能力之分析包括營業收入、營業成本、營業費用、營業損益、稅後損益、各種損益項目之比率分析如營收成長率、淨利率等，另外對各種投資報酬率作分析如每股盈餘、資產報酬率、股東權益報酬率等，綜合各項獲利能力之分析，來衡量一家企業整體之經營績效。本文欲對企業之獲利能力作預測，主要以企業投入及產出資料為基礎，結合典型相關分析法(canonical correlation analysis)建構線性迴歸模型之案例分析，並評估模型之優劣。整個執行的過程中，從資料的分群、整理，變數必要的轉換，模型的診斷等，都是為了使線性迴歸模型能更有效反應母體的結構。

貳、文獻回顧

很多文獻以不同的統計方法，預測企業獲利能力，其相關文獻如下：張仲岳（2001）採用 Fairfield，Sweeny and Yohn（1996）所推薦之橫切面分析法來預測未來獲利能力，其結果假設企業的獲利能力維持一定之持續性。湯琇琳（2007）其研究是將盈餘進行拆解，以評估未來獲利之預測能力。研究樣本分電子產業及非電子產業二類，以三個迴歸式進行統計分析，迴歸式（1）未拆解盈餘前之模型；迴歸式（2）將盈餘拆解為資產週轉率及營業利益率之模型；迴歸式（3）將盈餘拆解為資產週轉率變動數及營業利益率變動數之模型。實證結果為：（1）、以全部產業來看，將資產報酬率變動數拆解成資產週轉率變動數，可提高未來獲利之預測能力，但將資產報酬率變動數拆解成營業利益率變動數，未增加未來獲利之預測能力。（2）、以電子產業來看，將資產報酬率變動數拆解成資產週轉率及營業利益率，可提高未來獲利之預測能力；將資產報酬率變動數拆解成資產週轉率變動數，可提高未來獲利之預測能力，且預測能力高於拆解成資產週轉率及營業利益率；將資產報酬率變動數拆解成營業利益率變動數，未提高未來獲利之預測能力。（3）、以非電子產業來看，拆解資產報酬率變動數，未提高未來獲利之預測能力。郭恩慈（2007）其研究係以全球市佔率前 10 大之廠商為實證分析對象，研究期間自 2006 年第一季至 2008 年第一季，運用縱橫資料迴歸模型與靜態追蹤資料模型分析營業收入；稅前、息前、折舊攤銷前淨利；每股盈餘；營業利益率；股價等指標與太陽能產業的景氣和廠商的經營績效的關係與變化情況，並以 STATA 統計軟體作為分析工具，實證結果發現每股盈餘及營業利益率對太陽能企業股價有顯著影響。而太陽能為新興成長的高科技產業，需求和營收不斷上升，但營業利益率卻沒有同步增加，可見所投入的設備、原料及研發費用佔太陽能產業成本很高。徐甄璟（2003）其

(5)

研究在探討分紅入股制度對公司獲利之影響，採用台灣上市電子業為樣本，以 1992 至 2001 年之財務資料進行研究。實證結果發現，採單一迴歸模式時，員工現金與股票紅利對公司獲利表現均有正向且顯著的效果；採聯立迴歸模型時，員工股票紅利仍是顯著，但是員工現金紅利不顯著。林志雄（2006）其研究以臺灣上市上櫃傳統產業 115 家，2003 年至 2005 年財務報表之財務比率資料作為樣本。而以財務報表的各項財務比率視為投入項，並以灰關聯模型計算出各企業的效率值，以此資料劃分為經營正常及發生財務危機之企業，並利用各種模型預測公司是否可能發生財務危機。首先將各年度資料分為「87%訓練資料及 13%測試資料」與「70%訓練資料及 30%測試資料」兩組，搜集三個年度共六組資料進行分析。另外為了提升模式的預測能力，其研究嘗試利用灰關聯模型先對輸入變數進行篩選，經由傳統計量及人工智慧方法建構模型---產生六種財務危機預警模式。除分析何種模式具有最佳的預測能力外，並利用 Wilcoxon 符號檢定六種模式預測績效間是否存有顯著差異。經由實證結果發現，應用人工智慧方法有顯著的優越性。 Hall M 與 Weiss L ( 1967)針對不同規模的企業作研究，其結論是資產較大企業的營運規模效益優於資產較小企業，其投資機會亦大於小企業，所以資產較大企業會有較大的獲利能力。Marcus M. (1969 ) 在後續的研究亦得到相同的結論。近年來，許多企業以薪資費用影響其獲利能力為由，企圖利用裁員提高其獲利能力，然而 Luscio W.F., Young C.E. 與 Morris, J.R. (1997 )研究發現單是裁員不能提高公司的總資產報酬率，裁員與資產結構重整並行才可能提高公司的總資產報酬率。研究與發展對企業的生存與發展至為重要， Griliches Z. (1980)針對美國製造業所作研究，其結論是研究與發展對企業生產力具有正面的貢獻。Hall B.H. 與 Mairesse, J. (1995)對法國製造業所作研究亦得到相同結論。但企業規模是否影響其研究與發展的強度，Cohen, W.M., Levin, R.C. 與 Mowery D.C. (1987) 發現並無顯著相關。Kruse D,L.(1992)認為企業實施員工分紅可以使(1)員工更為努力 (2)員工技能提升(3)增加組織內資訊流通，進而提高企業的獲利能力。Calde, J 與 Wilson N. (1990)針對德國企業以及 Estrin S., Crout, E.S.與 Wadhwanis, E(1987) 針對英國企業都得到員工分紅可提高員工生產力的結論。但 Blanchflower, D.G. 與 Oswald, H. J. (1988)研究認為員工分紅制度並不能提高企業財務績效，惟有員工績效評估才能提高企業財務績效。

Fama, E.F. 與 French K.R.(2000) 認為針對個別企業的獲利能力的預測也許可以使用時間數列法，為了強化其測試勢必使用較長時間（20 年）資料，就產業分析而言，20 年以上歷史企業並不具有代表性，統計結論是薄弱的。Stowe, Watson 與 Robertson (1980)肯定典型相關分析的財務預測能力。基於以上之文獻探討，本文以典型相關分析與迴歸模型來探討企業獲利能力之預測，並得到好的模型。

(6)

參、研究方法

本研究以 2007 年台灣上市櫃公司 12 個電子產業為樣本，共獲得 446 個觀察值。由於產業不同，投入的主要因素不同，最後產出的結果亦有所差異，因此文中僅針對電子產業(包括主機板、光電、電子零組件、網路設備、其他半導體、IC 設計、電子設備、通訊設備、資訊通路、消費性電子、軟體服務、及其他電子類)加以探討。由於考慮公司產出的變數有：營業收入、稅後淨利、營收成長率、資產報酬率 (ROA)、每股盈餘(EPS)、每股淨值、股票報酬率。而投入的變數有：員工人數、資本總額、研究發展費用、薪資總數（不含員工分紅費用總數）、營業費用（不含薪資總數、員工分紅與研究發展費用）、銷貨成本、總資產、員工分紅費用總數，其中員工分紅費用總數是假設 2007 年各公司員工分紅視為費用。在投入與產出變數中，其實並不是所投入的每個因素對於每個產出都有影響，因此，本文以典型相關分析法來探討這兩組變數中，各種變數組合間之相關，這些變數組合可以利用線性組合來表示，如U =a₁X₁+_L+a_pX_p及V =a_p₊₁X_p₊₁+_L+a_p₊_qX_p₊_q。在 U 與 V 之相關中，求出 q p p p a a a a₁,_L, , ₊₁,_L, ₊ 使相關為極大時，則可顯示兩組變數間的相關係數值，可以了解兩種結構的關聯程度。再繼續找到與極大相關對應之垂直向量之次大相關，即找到另一角度以了解兩種結構之相關等。因此，可用典型相關分析法來了解投入與產出變數對應的結構、方向及大小的關係。由於本研究分析結果：投入與產出關聯性高，故由建立複迴歸模型(multiple regression models)以投入預測產出。再進一步以邏輯斯迴歸模型(logistic regression models)用投入預測分類的產出變數。

肆、資料分析

由於考慮到不同的產業中，各投入與產出變數的重要性有所不同，因此本研究集中探討電子產業的情況。以 2007 年我國上市櫃公司 12 個電子產業共 446 家公司為研究對象。表 1 為各產業的樣本家數。表 1 電子產業之樣本家數主機板光電/IO 電子零組件網路設備其他半導體 IC 設計電子設備通訊設備資訊通路消費性電子軟體服務其他電子 61 63 96 16 30 46 27 17 41 15 21 13

(7)

總資產銷貨成本營業費用稅後淨利低稅後淨利低 x x x P P value p value p value p value p 0.000) ( 0.001) ( 0.000) ( 0.000) ( 010 . 0 003 . 0 029 . 0 855 . 1 ) 1 ln( = − = − = − = − ∧ ∧ − + − = − (6) (6)式中之單位為千萬元。由(6)式營業費用與總資產之係數符號為負號，表示營業費用、總資產越大，若能配合越少的銷貨成本，則稅後淨利低的機率越低，亦即稅後淨利高。而 Cox & Snell 2

R =35.1%，表示分類反應變數機率變動之變異有 35.1%被此三 個自變數(營業費用、銷貨成本、總資產)所決定，亦即模型的解釋能力為 35.1%，此模型的解釋能力較弱。

伍、結論

本研究針對企業獲利能力作預測，以 2007 年台灣上市櫃的電子各產業為研究對象，剛開始討論時所考慮的反應變數有七個，自變數有八個。經過典型相關分析了解相關結構後，所需考慮反應變數有三個、自變數有五個。建模型時，則只用到剩下二個反應變數及五個個自變數。雖然只使用少數的自變數來建模型，但最後的殘差分析卻都能通過常態分配假設及資料隨機性假設的考驗，這表示影響反應變數變異的主要因素已被掌握住了。而由對應分析中可發現：資訊通路的營業收入”多”，但淨利”少”；網路設備的營業收入”多”，但淨利”中”；而主機板的營業收入”少”，但淨利”中”；光電/IO 的營業收入”中”，但淨利”多”。由對應分析雖可了解現況—變數間的對應關係，但對於分類的反應變數則需建立邏輯斯迴歸模型才能加以預測。

陸、參考文獻

1. Bartov. E., Gul. F.A. and Tsui, S. L. (2000). “Discretionary-accruals models and audit qualifications” Journal of Accountingand Economics, Elsevier.

2. Blanchflower, D.G. and Oswald, A. J. (1988). “Profit-related pay prose discovered?” The Economic Journal, 98, pp720-730.

3. Calde, J and Wilson N. (1990). “Profit-Sharing and Productivity: Some Further Evidence” The Economic Journal, 100, pp550-555.

(8)

Quantiles Based on Data” Journal of Applied Statistics. Vol. 32, No.9, pp909-927. 5. Cohen, W.M., Levin, R.C. and Mowery D.C. (1987). “Firm Size and R & D Intensity: A

Re-Examination” The Journal of Industrial Economics, Vol. 35, No. 4, pp543-565. 6. Dalenius and Hodges. (1959). Minimum Variance Stratification.” Journal of

American Statistical Association. Vol. 54, pp88-101.

7. Estrin S., Crout, E.S. and Wadhwanis, E (1987) “Profit-sharing and Employee share ownership” Economy Policy, Vol. 2, No.4, pp13-62.

8. Fama, E.F. and French K.R. (2000). “Forecasting Profitability and Earnings” Journal of Business, 2000, Vol 73, No,2, pp161-175.

9. Griliches Z. (1980). “R & D and the Productivity Slowdown” The American Economics Review, Vol. 70, No.2 pp.343-348.

10. Hall B.H. and Mairesse, J. (1995). “Exploring the relationship between R&D and

productivity in French manufacturing firms” Journal of Econometrics 65, pp. 263-293. 11. Hall M and Weiss L (1967). ”Firm Size and Profitability” The Review of Economics

and Statistics, Vol 49, No 3, pp319-331.

12. Kruse D,L.(1992). “Profit Sharing and Productivity: Microeconomic Evidence from the United States” The Economic Journal, 102, pp24-36.

13. Luscio W.F., Young C.E. and Morris, J.R. (1997). ”Financial Consequences of

Employment Change Decisions in Major U.S. Corporations” Academy of Management Journal, Vol. 40, No 5. pp1175-1189.

14. Marcus M. (1969). ”Probability and Size of Firm: Some Further Evidence” The Review of Economics and Statistics, Vol, No 3, pp104-107.

15. Stowe, Watson and Robertson (1980). “Relationship between two sides of the balance sheet – A canonical correlation analysis” Journal of Finance, Vol. 35, No 4, pp973-980. 16. Fairfield, P., R. Sweeny, and T Yohn.（1996），”Accounting Classification and the

Predictive Content of Earnings”,Accounting Review,71（July）:337-355. 17. 黃登源、李仁棻，(2009)，應用多變量分析講義。 18. 張仲岳，（2001），「損益表之分類與獲利能力之預測」，當代會計，第二卷，第一期。 19. 郭恩慈，（2007）「太陽能產業與廠商經營績效分析」，世新大學經濟研究所論文。 20. 湯琇琳，(2007)，「拆解盈餘預測獲利能力之研究-以台灣上市公司為例」，中原大學會計研究所論文。 21. 林志雄，(2006)，「台灣上市上櫃公司經營績效之預測－人工智慧與傳統計量方

(9)

法之應用」，東吳大學經濟研究所論文。 22. 徐甄璟，（2003），「分紅入股制度對台灣高科技產業獲利之影響」，台大財務金融研究所論文。 23. 公開資訊觀測站，網址http://newmops.tse.com.tw/ 24. 台灣經濟新報資料庫，網址http://www.tej.com.tw/ 25. TWSE臺灣證券交易所，網址http://www.twse.com.tw