行政院國家科學委員會補助專題研究計畫成果報告
※※※※※※※※※※※※※※※※※※※※※※※※
※
※
※ 由實證及理論面探討經濟附加價值 ※
※
※
※※※※※※※※※※※※※※※※※※※※※※※※
計畫類別：個別型計畫
計畫編號：89－2416－H－002－061－
執行期間：89 年 8 月 1 日至 90 年 7 月 31 日
計畫主持人：王泰昌 教授
共同主持人：劉嘉雯 助理教授
執行單位：台灣大學會計學系
元智大學會計學系
中華民國九十年七月三十一日
行政院國家科學委員會專題研究計畫成果報告
由實證及理論面探討經濟附加價值
An Analysis of Economic Value Added from both
Empirical and Analytical Perspectives
計畫編號：89－2416－H－002－061－
執行期限：89 年 8 月 1 日至 90 年 7 月 31 日
主 持 人：王泰昌 台灣大學會計學系
共同主持人：劉嘉雯 元智大學會計學系
一、中文摘要
經濟附加價值（Economic Value Added, EVA®）在近年來獲得廣泛的重視，不少
人士將其當作傳統的會計盈餘以外，在評估績效或其他管理會計乃至於外界投資人投資 決策的的重要指標，甚至有人建議以經濟附加價值取代會計盈餘。經濟附加價值概念的 起源甚早。在Hamilton (1777)即提出一企業若要創造財富，其報酬率必須要超過負債及 權益的資金成本。Solomons (1965)首先建議剩餘利潤（Residual Income）的觀念作為 企業評估績效的準則，直到最近Stern Stewart & Co.首先將剩餘利潤的觀念依其構想修 訂並將Economic Value Added (EVA)的名稱登記為商標並註冊。在企業界的報導中， EVA的名詞由1989年的1次到1996年的294次(Biddle et al., 1997)，Fortune雜誌把經濟 附加價值當成是“the real key to creating wealth”，並由1993年開始報導由Stern Stewart & Co.提供的1000大企業的經濟附加價值。經濟附加價值的觀念可應用於企業的長短期 規劃與控制、財務管理與長短期績效的評估與獎酬制度。許多的美國及歐洲企業對於經 濟附加價值的做法都相當熱中，相信未來在我國這種方法亦應會日漸普及。 本研究對經濟附加價值做了較完整的介紹，著重於其與淨現值的理論關係。其次， 本研究將比較傳統的會計指標（每股盈餘、營業活動現金流量、剩餘價值）與經濟附加 價值對股票報酬率或公司價值的解釋能力，更重要的是要了解造成解釋能力不同的原 因，亦即要找出為何對於某些公司而言經濟附加價值較佳，對於另一些公司來說傳統的 指標較佳，其決定因素究竟為何（如：產業、規模、獎酬制度、資本密集度、無形資產 所佔的比重、風險、成長性、財務政策、股權結構、時間等）。實證結果指出每股盈餘 數字最能解釋當期股票超額報酬，其次依序是經濟附加價值、剩餘利潤及營業活動現金 流量。就增額資訊內涵而言，結果顯示加入任何一個經濟附加價值的要素均有增額資訊 內涵，其中以應計項目、營業活動現金流量的增額資訊內涵較大，其他三者增額資訊內
涵較有限。就預測未來股票報酬而言，以每股盈餘數字最佳，其次依序是經濟附加價值、 剩餘利潤及營業活動現金流量。在增額資訊內涵方面，以CFO提供最多增額資訊內涵， 其他要素提供較有限的增額資訊內涵且在統計量上並不顯著。此外，高資本密集度組在 有區分指標正負值方法時，每股盈餘、經濟附加價值、剩餘利潤三者解釋能力相當，現 金流量最小，低資本密集度組則和所有樣本的排序結果相同。若依風險大小區分，小β 值組在有區分指標正負值方法時，每股盈餘、經濟附加價值、剩餘利潤三者解釋能力互 有領先，現金流量依然最小，而大β值組則和所有樣本的排序結果相同。其他依照成長 性、無形投資比重、財務結構、獎酬制度區分特性時，其結果和所有樣本的排序結果相 同。 關鍵詞：經濟附加價值、剩餘利潤、現金流量投資報酬率 Abstract
Economic Value Added (EVA®) has amassed considerable attention as an
alternative to traditional accounting earnings for use in both internal (business/planning and performance evaluation) and external (investment) purpose. Some even suggested using it to replace the traditional accounting measure. The notion of EVA can be dated back to Hamilton (1777). Solomons (1965) recommended residual income as an internal measure of divisional performance. Recently Stern Stewart & Co. registered a variation of residual income, Economic
Value Added (EVA®), as its trademark. Scores of multinational firms in the U.S. and
Europe adopted it as the foundation for business planning and incentive compensation. Citations of EVA in the business reporting have risen from 1 in 1989
to 294 in 1996 (Lexis/Nexis ‘all news’ library). Starting from 1993, Fortune regularly
reported “Performance 1000” based on the data supplied by Stern Stewart & Co. It is reasonable to believe that EVA will be widely used by the Taiwanese enterprises in the near future.
The purpose of this research project is to provide a complete introduction to the notion of EVA, with special focus on its relationship with NPV and abnormal earnings (Ohlson, 1995). This study also purports to investigate whether EVA dominates earnings, operating cash flows, residual income, in explaining contemporaneous and/or future stock returns and firm values. More importantly, we like to know how firm type (in terms of industry belonging, size, compensation system, capital intensity, intangible assets intensity, risk, groEBEIh prospects, financial policy, governance
structure, or time) will affect the explanatory ability.
Keywords: Economic value added, Residual income, Earnings per share, Operating
cash flows 二、緣由與目的 早在1777年經濟學家Hamilton即提出一企業若要創造財富，其報酬率必須要超過負 債及權益的資金成本。Marshall (1890)也做過類似的陳述。至二十世紀初期，由於數理 經濟學研究的開展，配合著量愈來愈大且容易取得的會計資訊，在理論與實證方面有愈 來愈多此類的的研究。在世紀的中期理論與實證益形整合，而且實務界的經營者也開始 採行這種做法於績效評量的決策的制定，Goetzmann and Garstka (1999)對於歷史的沿 革做了很詳盡的介紹。 在1917年Forbes雜誌的創刊號開使發行，並定期報導每股盈餘及投資報酬率(ROI) 等資料。其後在前半個世紀當中歷經Fisher、Gordon、Hirshleifer等的經濟學家對於現 值、現金流量折現法、投資計畫評估、績效評估的闡述。在實務界，General Motors在 Sloan的領導下於1920年代便開始採用剩餘利潤的概念，在1950年代，General Electric 首先提出Residual Income（剩餘利潤）的名詞。在學術界1965年，由會計學家Solomons (1965)首先建議剩餘利潤（Residual Income）的觀念作為企業評估績效的準則，Anthony (1973)也建議用它來作為財務報導外部績效衡量的標準。
直到最近Stern Stewart & Co.首先將剩餘利潤的觀念依其構想修訂並將Economic Value Added (EVA)的名稱登記為商標並註冊。揚言放棄每股盈餘(Stewart, 1991)，同 時也不要管股東權益報酬率（ROE）、投資報酬率（ROI），在企業界的報導中，EVA 的名詞由1989年的1次到1996年的294次(Biddle et al., 1997)，Fortune雜誌把經濟附加 價值當成是“the real key to creating wealth”，並由1993年開始報導由Stern Stewart & Co.提供的1000大企業的經濟附加價值。舉凡如AT&T、Coca Cola、Eli Lily、Polaroid、 Quaker Oats、Sprint、Teledyne等公司都採用或曾採用經濟附加價值於績效評量或獎 酬制度中。在會計學術界近年來的權益評價方法中（如Ohlson, 1995等）的異常盈餘 （abnormal earnings）也是剩餘利潤的想法。不只是美國的企業，歐洲的企業對於經 濟附加價值的做法亦相當熱中。在我國，就個人所知目前並沒有太多公司真正採行經濟 附加價值的觀念，不過隨著她在歐美的盛行，加上其所具備的理論基礎（見下面的說明） 以及國外實證分析的結果，相信在未來這種方法應會日漸普及。
本研究的目的在於對經濟附加價值做較完整的介紹，著重於其與淨現值的理論關係 （見研究方法中的簡介），畢竟還是有不少的地方有待釐清（例如：在紐約大學 Danmodaran教授的網頁中即有對其間關係交代不清且誤謬之處）。其次，本研究將比 較傳統的會計指標（每股盈餘、營業活動現金流量、剩餘利潤）與經濟附加價值對股票 報酬率或公司價值的解釋能力，更重要的是要了解造成解釋能力不同的原因，亦即要找 出為何對於某些公司而言經濟附加價值較佳，對於另一些公司來說傳統的指標較佳，其 決定因素究竟為何（如：產業、規模、獎酬制度、資本密集度、無形資產所佔的比重、 風險、成長性、財務政策、股權結構、時間等）。 三、結果與討論 （一）經濟附加價值的簡介 不論是就經理人評估績效或投資人制定投資決策而言，傳統上最常用的標準大部 分都是每股盈餘或投資報酬率（ROI），而這些標準最為人所詬病的地方在於，它們並 未考慮權益投資人的資金成本且會受到財務會計的的規範的影響，原因在於許多的資料 皆是依財務會計的規定編製，而在做績效評估等工作時，常需依不同情況或財務會計規 定不盡合理處做調整。在國外，許多顧問公司乃建議採行計算所謂的經濟價值來克服這 兩個主要的缺點，這些新的標準包括了 1950 及 1960 年代的流行的剩餘利潤及更早的 內部報酬率方法，Stern Stewart & Co.首先將剩餘利潤的觀念依其構想修訂並將 Economic Value Added (EVA)的名稱登記為商標並註冊。
要計算 EVA 有幾個步驟。
1. 先求出息前稅前盈餘（earnings before interest but after tax，EBIAT，也稱為 net
operating profits after tax, NOPAT，此為 Stern Stewart 所用的名詞），主要的理 由在於需先算出在沒有舉債經營的情況下的淨利（除了利息外，還需針對許多其他 的項目做調整）； 2. 將不付息的流動負債自資產中扣除，以求出投入的資本（除此項外還需針對其他的 項目調整）； 3. 將息前稅後盈餘除以投入的資本得到投入資本報酬率； 4. 計算 EVA，此處有兩種做法：（1）將投入資本乘以加權平均資金成本率得到資金 成本，再將息前稅後盈餘扣除資金成本即可得 EVA，（2）將投入資本報酬率檢掉 加權資金成本報酬率得到超額報酬率，再將投入資本乘以超額報酬率即可得 EVA。
前面提及為了避免財務會計規定的影響，Stern Stewart 所做的修改建議達 160 項，目的即是轉換會計的數字為經濟的利潤，所必須調整的項目包括：後進先出準備 （LIFO reserve）、如研究發展費用即廣告費用等開銷的資本化、商譽的攤銷、遞延所 得稅準備等。
（二）經濟附加價值與股票報酬率關係
就實證分析的角度來看，Milunovich and Tseui (1996)發現對伺服器產業而言， 市場附加價值在1990到1995年的六年間與經濟附加價值的關係超過其與每股盈餘、每 股盈餘成長率、自由現金流量、自由現金流量成長率、股東權益報酬率的關係。Lehn and Makhija (1997)也發現股票報酬率與經濟附加價值的關係超過其與資產報酬率、股東權 益報酬率與銷貨報酬率(return on sales)的關係。O’Byrne (1996)探討市場價值分別與經 濟附加價值及息前稅後盈餘的關係，他採用迴歸分析的方法，以市場價值當作應變數， 以這兩種績效衡量的標準當作自變數，在不加入控制變數的情況下，兩者的解釋能力相 當，但若將五十七個產業的虛擬變數（dummy 變數）以及規模變數納入迴歸式時，一 經過修改的經濟附加價值的模式較佳。也有一些學者發現可以用經濟附加價值來預測股 票報酬率。Bacidore et al. (1997)將經濟附加價值與修正經濟附加價值（Refined EVA, REVA）相比，發現後者與股票異常的報酬率的關係超過前者，後者與前者不同處在於 對投入資本的定義不同，前者係利用帳面價值再作修改，後者則是用市場價值替代帳面 價值。Chen and Dodd (1997)比較會計衡量指標（每股盈餘、資產報酬率、股東權益報 酬率）、剩餘利潤以及經濟附加價值與股票報酬率的關係，結果發現經濟附加價值的表 現較佳，不過每股盈餘等會計衡量標準有增額的解釋能力，因此作者建議不宜以經濟附 加價值取代所有的會計衡量標準，後者仍有存在的價值，另外，剩餘價值的解釋能力幾 乎快要趕上經濟附加價值，而後者必須對許多項目作調整，計算較為麻煩，倒不如使用 簡單的剩餘利潤。Biddle et al. (1998)他們將盈餘及營業利益解釋股票報酬率與經濟附 加價值及其五種組成份子（營業活動現金流量、營業應計項目、稅後利息費用、資本費 用（資金的成本）及Stern Stewart的會計調整）解釋股票報酬率的能力相比，他們發現 傳統的會計指標（每股盈餘等）解釋股票報酬率的能力超過經濟附加價值。資本費用及 會計調整雖較會計指標就統計顯著性的觀點而言有額外的解釋能力，但在實質的經濟上 的重要性不大，作者也說明了他們的結果並不受模型稍加變化的影響例如分組的方式不 同，樣本的時間不同等）。Biddle et al. (1999)發現就以與股鰾報酬率的觀點來看，經 濟附加價值並無法凌駕淨利，他們也發現類似剩餘利潤的誘因制度可以改變管理人員的
行為。他們也說明即使經濟附加價值無法告訴市場參與者額外的訊息，但對於內部經理 人提供誘因的方面確實是有用的。下一節即是針對管理會計的觀點討論經濟附加價值的 功用。 （三）就管理會計的觀點分析經濟附加價值 就此一觀點而言，重點則不在經濟附加價值與股票報酬率的關係，而是在於經濟 附加價值的觀念應用於績效評估、獎酬制度、管理決策制訂上是否能夠改善組織的績 效。Wallace (1997)的研究顯示採用類似經濟附加價值的公司較未採用的公司在決策上 確有不同，例如：採用的公司的新投資較少、資產運用的情況較為密集、比較會買回自 家的股票等，目的在於提高經濟附加價值，同時他也發現採用的公司的股票的報酬率也 稍較佳。至於對採用經濟附加價值的公司的而言，還是有使用程度的深淺的不同。有些 公司利用它在資本決策上，有些在目標的訂定，有些在獎酬制度上，也有些利用它與投 資人溝通，當然也有些公司應用它於一種用途以上，而Stern et al. (1995)指出有無和獎 酬制度連結起來是其實施成效好壞的一個重要的影響因素。Biddle et al. (1998)也指出 經濟附加價值的成效與其有無與獎酬制度連結在一起有關，在其實證研究中，以經濟附 加價值解釋股票報酬率較會計標準為好的公司也是能將其與獎酬制度連結的公司。 Wallace (1998)的問卷調查文章中提及採用經濟附加價值於獎酬計畫的公司對於資金的 成本較為敏感，因此會增加負債的使用，此外他們也會設法增加應付帳款付現的天數、 減少應收帳款收現的天數並增加銷貨收入。 （四）經濟附加價值的理論基礎 前述的實證研究中指出，相較於會計的指標（如每股盈餘或資產報酬率盈餘等）， 經濟附加價值與股票的報酬率的關係不一定比較大，不過也有研究指出若公司將獎酬制 度與經濟附加價值結合，則其股票報酬率與經濟附加價值的關係會較大。如果股票市場 的效率性不夠高或部份研究的實證方法不夠理想，則前述報酬率的研究的意義可能就不 大，實有必要由理論的觀點來探討經濟附加價值的意義。Rogerson (1997)由跨其成本 分攤及管理人員投資誘因的觀點建立一理論模型來解釋以經濟附加價值作為績效衡量 標準的理由。在模型中管理人員相對於股東比較知道投資的機會，股東因此將投資的決 策授權給經理人執行。經理人員於每一期付出心力，此心力可以增加每期的現金流量， 但股東卻無法觀察此心力。在這種情況下所產生的問題是這兩種的誘因的問題彼此會互 相干擾：為了解決道德危險（moral hazard）問題的薪資契約通常會扭曲經理人員的投
資決策。本文最重要的結果是有相當大的集合的契約可以動態地解決這個問題，但能能 使股東得到較高的性用。假設在訂定薪資契約時不使用非加總的會計資料，公司另外透 過將投資金額分攤到資產使用的各期來計算每期的淨利，再依據如此計算的淨利決定薪 資。作者證明存在一分配法則可以永遠誘使經理人員做出最有效率的投資，前提要件是 薪資契約必須隨著淨利的增加而增加。因此可以完全解決投資的授權問題，股東因而可 以有較高的自由度解決道德危險的問題。要推出前述的分配法則，股東基本上不需知道 經理人員的偏好。詳言之，股東不須知道經理人員的個人的折現率，也不須知到他們對 風 險 的 態 度 。 結 果 也 不 需 要 靠 假 設 特 別 的 函 數 形 式 或 要 求 不 確 定 性 是 一 維 （one-dimensional）的，因此，和一般許多代理問題理論不同的是，本文的結果是相 當穩當（robust）的，可以直接供實務界使用而不需做什麼修改。 前述的法則係令利息的設算率等於公司的資金成本率並選擇一折舊法則使分攤到 各期的總投資成本（包括折舊加上剩餘帳面價摺的設算利息）均相等。此折舊的法則知 所以能誘導有效率投資的條件是投資的生產力不隨時間改變，但如果會改變，則仍有一 唯一的折舊法則可有誘導有效率的投資。此時的利息設算率仍為資金成本率，而折舊提 力的方式應使分攤到各期的總投資成本與資產在各期的的相對的生產力呈正相關。此作 法恰好與會計中所談的配合原則（matching principle）相符合。本文的理由在於利用配 合原則來分配總投資成本可以將管理人員的行為年金化，經理人員只會在乎一期的薪 資，因而選擇有效率的投資金額。本篇文章的淨利也就是經濟附加價值，因其已將投資 設算的利息扣除。
Antcil et al. (1998a)提出一作業基礎成本制度來支持經濟附加價值，該文為一多作 業公司建立參與式預算系統，其中的成本系統利用一考慮了資本使用費用的公式來分攤 固定資產的成本。作者所設計的預算系統可讓決策者找出在委外或決定停產時使經濟附 加價值增加的機會。該系統的另一特性是額外的非正式的溝通只會增加經濟附加價值。
Antcil et al. (1998b)指出雖然經濟附加價值的計算只用到目前及過去的會計資料， 而現金流量折現法（discounted cash flow）需要知道將來的現金流量，但在該文的假 設下，若經理人員短視地僅將當期的經濟附加價值極大化，則最後的結果也將會漸近地 （asymptotically）使淨現值極大化。這也展示了經濟附加價值的重要性，像這樣的結果， 可以用更簡單的方式來說明，請參考研究方法的部份。
Stoughton and Zechner (1999)分析金融機構的的資本分配問題，該文考慮了金融 機構的法定的應有資本會受到投資計畫風險的影響。作者透過最適的獎酬計畫來討論嚴 格部位限制及放任部位限制的攸關性。他們證明最佳（first-best）的投資決策可以透過
以經濟附加價值決定的獎酬契約來授權達成，而且也解出了最適的資本分配法則。 （五）實證分析假說、方法及結果 研究變數之定義 本研究之資料來自台灣經濟新報社資料庫。雖然 EVA 調整項目繁多，然而有些 EVA 調整時所需相關科目資料台灣經濟新報社資料庫中並沒有。本研究僅能就可取得之資料 做調整。以下將敘述各衡量指標如何求算出來。 • EBEI：非常項目前利益，為台灣經濟新報社資料庫之經常利益科目。 • CFO：來自營業活動現金流量，為台灣經濟新報社資料庫之來自營業活動現金流量 科目。 • RI：由於剩餘利潤=淨利+稅後利息-加權平均資金成本*期初總投入資本：淨利+稅後 利息：經常利益+利息費用*(1-有效稅率)。 • EVA：經濟附加價值=淨利+稅後利息+淨利調整項目-加權平均資金成本*期初調整後 總投入資本。由於大樣本研究資料取得受到限制，因此本研究僅調整遞延所得稅、研 發費用、呆帳費用、廣告費用、在建工程及短期投資，對淨利及投入資本影響如下： NOPAT Capital 遞延所得稅 +當期所得稅費用 -本期支付所得稅 無影響 研發費用 （分三年攤銷） +當期研發費用*2/3 -前二期研發費用*1/3 +當期研發費用*2/3 +前期研發費用*1/3 呆帳費用 +本期備抵呆帳 -前期備抵呆帳 +備抵呆帳 廣告費用 （分三年攤銷） +當期廣告費用*2/3 -前二期廣告費用*1/3 +當期廣告費用*2/3 -前期廣告費用*1/3 短期投資 無影響 -短期投資 在建工程 無影響 -在建工程 • 其中研發費用及廣告費用假設為期初發生。
Dt ：表示股票異常報酬由市場調整年報酬法計算而來，即個股實際報酬減市場報酬。 • ABt：表示股票異常報酬等於個股實際報酬減由市場模型計算而來之預期報酬。 • 研究假說 本研究比較非常項目前利益(EBEI)，來自營運現金流量(CFO)，經濟附加價值(EVA) 及剩餘利潤(RI)，檢視何者具相對資訊內涵較高。乃得出假說一： H1：在解釋當期股票報酬時，某一指標比另三項指標更具資訊內涵。 若當期的盈餘能解釋股票報酬，且盈餘具有持續性，則可以用當期盈餘資訊來預測 未來股票報酬。從效率市場角度來看，若當期盈餘中有些資訊尚未充分反應至當期股 價，則該資訊亦可用來預測未來股票報酬。將此關係推至其他三個指標，則形成假說二： H2：在預測未來股票報酬時，某一指標比另三項指標更具資訊內涵。 在解釋當期股票報酬方面，為了測試增加這些要素是否有增額資訊內涵，提出以下假說： H3：在解釋當期股票報酬時，X1並沒有增加解釋了 X2-X5所解釋的部分。其中 X1-X5為 EVA 的五個組成要素：CFO、Accrual、ATInt、Capahg、Adj，亦即任一要素並沒有較 其他四個要素提供較多的增額資訊內涵。 若將此模型應用在預測未來股票報酬，可得： H4：在預測未來股票報酬時，X1並沒有增加解釋了 X2-X5所解釋的部分。 和 H3相同，其 X1-X5為 EVA 的五個組成要素：CFO、Accrual、ATInt、Capahg、 Adj，亦即每一要素並沒有較其他四個要素提供較多的增額資訊內涵。 資料來源 本研究係以民國七十九年至民國八十七年，經證管會核準上市、上櫃之公司為研究 對象，共計九年，經過篩選，在解釋當期股票報酬模型共保留 1402 個樣本，在預測未
來股票報酬模型共保留 1334 個樣本進行迴歸分析。
下表彙總各主要變數之基本統計量。由表中可看出各會計指標的分配可能非常態， 因此對於後續結果的分析宜特別小心。
DT Abt EBEI CFO RI EVA
平均數 0.022546 0.061385 0.047903 0.032305 -0.077141 -0.076363 中位數 -0.046550 -0.015470 0.037360 0.038415 -0.066785 -0.069085 最大值 3.413100 3.279450 1.119260 1.391940 0.542590 0.727050 最小值 -1.093800 -0.839740 -0.709580 -2.326530 -1.086950 -1.192110 標準差 0.413733 0.391605 0.110637 0.199269 0.112359 0.115952 Skewness 2.410473 2.477855 1.856822 -2.875650 -0.414117 -0.305360 Kurtosis 14.75838 14.68883 19.81452 43.77725 12.19323 14.33164 Jarque-Bera 9434.358 9416.053 17321.67 99066.57 4977.184 7522.837 機率 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 Sum 31.60950 86.06245 67.16058 45.29100 -108.1512 -107.0606 Sum Sq. Dev. 239.8164 214.8495 17.14903 55.63100 17.68693 18.83635 Observations 1402 1402 1402 1402 1402 1402 下表為各主要變數間之相關係數，由表中可看出各會計指標的相關係數並非很大，後續 的實證分析才較有意義。
DT ABNORMAL EBEI CFO RI EVA
DT 1.000000 0.967307 0.451771 0.051537 0.277484 0.286562 ABNORMAL 0.967307 1.000000 0.458484 0.043786 0.294683 0.300131 EBEI 0.451771 0.458484 1.000000 0.284705 0.774077 0.772823 CFO 0.051537 0.043786 0.284705 1.000000 0.142331 0.163082 RI 0.277484 0.294683 0.774077 0.142331 1.000000 0.968731 EVA 0.286562 0.300131 0.772823 0.163082 0.968731 1.000000 下表為四個主要指標平均數是否相等之檢定，結果拒絕相等之虛無假設。 Method df Value 機率 Anova F-統計量 (3, 5604) 330.1057 0.0000 Analysis of Variance
Between 3 19.31566 6.438552 Within 5604 109.3033 0.019505 Total 5607 128.6190 0.022939 Category 統計量 Std. Err. 變數 Count 平均數 標準差 of Mean EVA 1402 -0.076363 0.115952 0.003097 RI 1402 -0.077141 0.112359 0.003001 EBEI 1402 0.047903 0.110637 0.002955 CFO 1402 0.032305 0.199269 0.005322 All 5608 -0.018324 0.151456 0.002022 相對資訊內涵
我們利用 Davidson and MacKinnon (1993)的 J 檢定來作四種指標的相對資訊內 涵，結果指出 EBEI 的解釋能力最高，其次為 EVA、RI、CFO。詳言之，若以 EBEI 與 EVA 比較，則無法拒絕 EBEI 的定式，可拒絕 EVA 之定式；若以 EBEI 與 EVA 比較， 則無法拒絕 EBEI 的定式，可拒絕 EVA 之定式；若以 EVA 與 RI 比較，則無法拒絕 EVA 的定式，可拒絕 RI 之定式；若以 RI 與 CFO 比較，則無法拒絕 RI 的定式，可拒絕 CFO 之定式。下列各表為 J 檢定之詳細資料。
CFO 相對於 EBEI：結果拒絕 CFO
變數 係數 標準誤 t-統計量 機率
C 0.003468 0.009764 0.355184 0.7225 CFO -0.134028 0.052828 -2.537069 0.0113 CFO_1 0.007596 0.060775 0.124981 0.9006 ZWF 1.027242 0.047490 21.63060 0.0000 R-squared 0.256492 Mean dependent var 0.022546 Adjusted R-squared 0.254896 S.D. dependent var 0.413733 S.E. of regression 0.357132 Akaike info criterion 0.781426 Sum squared resid 178.3054 Schwarz criterion 0.796392 Log likelihood -543.7796 F-統計量 160.7584 Durbin-Watson stat 2.037644 Prob(F-統計量) 0.000000
CFO 相對於 EBEI：結果無法拒絕 EBEI
C -0.031369 0.011597 -2.704861 0.0069 EBEI 2.122117 0.098946 21.44730 0.0000 EBEI_1 -0.856109 0.092329 -9.272372 0.0000 CFOF -0.411148 0.281359 -1.461290 0.1442 R-squared 0.253805 Mean dependent var 0.022546 Adjusted R-squared 0.252204 S.D. dependent var 0.413733 S.E. of regression 0.357777 Akaike info criterion 0.785033 Sum squared resid 178.9498 Schwarz criterion 0.800000 Log likelihood -546.3085 F-統計量 158.5015 Durbin-Watson stat 2.033797 Prob(F-統計量) 0.000000
EBEI 相對於 RI：結果拒絕 RI 變數 係數 標準誤 t-統計量 機率 C -0.047123 0.010478 -4.497400 0.0000 EBEI 3.441735 0.198594 17.33052 0.0000 EBEI_1 -1.594676 0.129308 -12.33238 0.0000 RIF3 -1.044094 0.134787 -7.746247 0.0000 R-squared 0.283422 Mean dependent var 0.022546 Adjusted R-squared 0.281884 S.D. dependent var 0.413733 S.E. of regression 0.350605 Akaike info criterion 0.744534 Sum squared resid 171.8472 Schwarz criterion 0.759500 Log likelihood -517.9182 F-統計量 184.3128 Durbin-Watson stat 1.986527 Prob(F-統計量) 0.000000
EBEI 相對於 RI：結果無法拒絕 EBEI
變數 係數 標準誤 t-統計量 機率
C -0.062297 0.014136 -4.406919 0.0000 RI -1.458337 0.195063 -7.476248 0.0000 RI_1 0.742601 0.108893 6.819556 0.0000 EBEIF4 1.617431 0.093312 17.33353 0.0000 R-squared 0.282104 Mean dependent var 0.022546 Adjusted R-squared 0.280563 S.D. dependent var 0.413733 S.E. of regression 0.350927 Akaike info criterion 0.746371 Sum squared resid 172.1632 Schwarz criterion 0.761337 Log likelihood -519.2061 F-統計量 183.1191 Durbin-Watson stat 1.979271 Prob(F-統計量) 0.000000
變數 係數 標準誤 t-統計量 機率 C -0.044533 0.010585 -4.207147 0.0000 EBEI 2.997393 0.190808 15.70898 0.0000 EBEI_1 -1.358016 0.126378 -10.74563 0.0000 EVAF5 -0.686587 0.124753 -5.503548 0.0000 R-squared 0.268513 Mean dependent var 0.022546 Adjusted R-squared 0.266944 S.D. dependent var 0.413733 S.E. of regression 0.354233 Akaike info criterion 0.765125 Sum squared resid 175.4224 Schwarz criterion 0.780091 Log likelihood -532.3527 F-統計量 171.0589 Durbin-Watson stat 2.005068 Prob(F-統計量) 0.000000
EBEI 相對於 EVA：結果無法拒絕 EBEI
變數 係數 標準誤 t-統計量 機率
C -0.040936 0.013717 -2.984445 0.0029 EVA -0.984019 0.184592 -5.330780 0.0000 EVA_1 0.510876 0.109116 4.681943 0.0000 EBEIF6 1.415357 0.089807 15.75989 0.0000 R-squared 0.267760 Mean dependent var 0.022546 Adjusted R-squared 0.266188 S.D. dependent var 0.413733 S.E. of regression 0.354415 Akaike info criterion 0.766155 Sum squared resid 175.6032 Schwarz criterion 0.781121 Log likelihood -533.0746 F-統計量 170.4032 Durbin-Watson stat 1.999672 Prob(F-統計量) 0.000000
RI 相對於 CFO：結果無法拒絕 RI 變數 係數 標準誤 t-統計量 機率 C 0.072983 0.015579 4.684610 0.0000 RI 1.475887 0.108823 13.56228 0.0000 RI_1 -0.699522 0.077463 -9.030354 0.0000 CFOF7 0.133665 0.297830 0.448797 0.6536 R-squared 0.127943 Mean dependent var 0.022546 Adjusted R-squared 0.126072 S.D. dependent var 0.413733 S.E. of regression 0.386775 Akaike info criterion 0.940901 Sum squared resid 209.1335 Schwarz criterion 0.955867 Log likelihood -655.5717 F-統計量 68.36872 Durbin-Watson stat 2.029251 Prob(F-統計量) 0.000000
RI 相對於 CFO：結果拒絕 CFO 變數 係數 標準誤 t-統計量 機率 C -0.000720 0.010619 -0.067767 0.9460 CFO -0.003321 0.056619 -0.058656 0.9532 CFO_1 0.029945 0.066164 0.452584 0.6509 RIF8 0.993371 0.071531 13.88727 0.0000 R-squared 0.127955 Mean dependent var 0.022546 Adjusted R-squared 0.126083 S.D. dependent var 0.413733 S.E. of regression 0.386772 Akaike info criterion 0.940888 Sum squared resid 209.1308 Schwarz criterion 0.955854 Log likelihood -655.5624 F-統計量 68.37584 Durbin-Watson stat 2.029109 Prob(F-統計量) 0.000000
EVA 相對於 CFO：結果無法拒絕 EVA
變數 係數 標準誤 t-統計量 機率
C 0.069719 0.015335 4.546304 0.0000 EVA 1.503191 0.105691 14.22246 0.0000 EVA_1 -0.758810 0.079908 -9.496091 0.0000 CFOF9 0.128546 0.295864 0.434476 0.6640 R-squared 0.137783 Mean dependent var 0.022546 Adjusted R-squared 0.135933 S.D. dependent var 0.413733 S.E. of regression 0.384586 Akaike info criterion 0.929553 Sum squared resid 206.7736 Schwarz criterion 0.944519 Log likelihood -647.6164 F-統計量 74.46750 Durbin-Watson stat 2.032353 Prob(F-統計量) 0.000000
變數 係數 標準誤 t-統計量 機率 C -0.000657 0.010554 -0.062262 0.9504 CFO -0.008036 0.056310 -0.142708 0.8865 CFO_1 0.032113 0.065694 0.488827 0.6250 EVAF10 0.994218 0.068436 14.52762 0.0000 R-squared 0.137816 Mean dependent var 0.022546 Adjusted R-squared 0.135966 S.D. dependent var 0.413733 S.E. of regression 0.384579 Akaike info criterion 0.929515 Sum squared resid 206.7659 Schwarz criterion 0.944481 Log likelihood -647.5902 F-統計量 74.48777 Durbin-Watson stat 2.032118 Prob(F-統計量) 0.000000
RI 相對於 EVA：結果無法拒絕 EVA 變數 係數 標準誤 t-統計量 機率 C 0.077168 0.022997 3.355543 0.0008 EVA 1.587459 0.397650 3.992104 0.0001 EVA_1 -0.794629 0.206612 -3.845995 0.0001 RIF11 -0.051922 0.272048 -0.190858 0.8487 R-squared 0.137690 Mean dependent var 0.022546 Adjusted R-squared 0.135839 S.D. dependent var 0.413733 S.E. of regression 0.384607 Akaike info criterion 0.929662 Sum squared resid 206.7962 Schwarz criterion 0.944628 Log likelihood -647.6928 F-統計量 74.40861 Durbin-Watson stat 2.033248 Prob(F-統計量) 0.000000
RI 相對於 EVA：結果拒絕 RI 變數 係數 標準誤 t-統計量 機率 C -0.002997 0.023691 -0.126520 0.8993 RI -0.076849 0.404642 -0.189919 0.8494 RI_1 0.047000 0.201648 0.233079 0.8157 EVAF12 1.050006 0.262249 4.003853 0.0001 R-squared 0.137705 Mean dependent var 0.022546 Adjusted R-squared 0.135855 S.D. dependent var 0.413733 S.E. of regression 0.384604 Akaike info criterion 0.929643 Sum squared resid 206.7924 Schwarz criterion 0.944610 Log likelihood -647.6801 F-統計量 74.41846 Durbin-Watson stat 2.033334 Prob(F-統計量) 0.000000
利用異常報酬率分析的結果：此處的結果和前處稍稍有差異，若考慮異常報酬率，則 EVA 和 EBEI 幾乎不分軒輊，其次為 RI，最後則是 CFO。RI 及 CFO 的相對地位在超 額報酬（前一小節）及異常報酬下皆相同。由這部分的結果亦可發現相對於 EBEI，EVA 是極具競爭潛力的。
EBEI 相對於 CFO：結果無法拒絕 EBEI
變數 係數 標準誤 t-統計量 機率
C 0.035032 0.020039 1.748149 0.0807 EBEI 2.060258 0.092759 22.21080 0.0000 EBEI_1 -0.854057 0.086657 -9.855574 0.0000 CFOF1A -0.553224 0.308710 -1.792050 0.0733 R-squared 0.266163 Mean dependent var 0.061385 Adjusted R-squared 0.264588 S.D. dependent var 0.391605 S.E. of regression 0.335825 Akaike info criterion 0.658398 Sum squared resid 157.6645 Schwarz criterion 0.673364 Log likelihood -457.5368 F-統計量 169.0182 Durbin-Watson stat 2.028815 Prob(F-統計量) 0.000000
EBEI 相對於 CFO：結果拒絕 CFO
變數 係數 標準誤 t-統計量 機率
C 0.002801 0.009439 0.296710 0.7667 CFO -0.140340 0.049548 -2.832380 0.0047 CFO_1 -0.006212 0.056998 -0.108992 0.9132 EBEIF2A 1.031532 0.045958 22.44497 0.0000 R-squared 0.269477 Mean dependent var 0.061385 Adjusted R-squared 0.267909 S.D. dependent var 0.391605 S.E. of regression 0.335066 Akaike info criterion 0.653871 Sum squared resid 156.9525 Schwarz criterion 0.668838 Log likelihood -454.3639 F-統計量 171.8990 Durbin-Watson stat 2.037707 Prob(F-統計量) 0.000000
EBEI 相對於 RI：結果拒絕 EBEI
變數 係數 標準誤 t-統計量 機率
C 0.024256 0.010628 2.282314 0.0226 EBEI 2.913044 0.192519 15.13124 0.0000
EBEI_1 -1.384910 0.129583 -10.68739 0.0000 RIF3A -0.654552 0.125047 -5.234469 0.0000 R-squared 0.278616 Mean dependent var 0.061385 Adjusted R-squared 0.277068 S.D. dependent var 0.391605 S.E. of regression 0.332964 Akaike info criterion 0.641283 Sum squared resid 154.9891 Schwarz criterion 0.656249 Log likelihood -445.5392 F-統計量 179.9801 Durbin-Watson stat 2.004266 Prob(F-統計量) 0.000000
EBEI 相對於 RI：結果拒絕 RI 變數 係數 標準誤 t-統計量 機率 C -0.057225 0.015733 -3.637183 0.0003 RI -0.929172 0.186356 -4.986011 0.0000 RI_1 0.455192 0.105102 4.330980 0.0000 EBEIF4A 1.404854 0.092279 15.22399 0.0000 R-squared 0.277400 Mean dependent var 0.061385 Adjusted R-squared 0.275850 S.D. dependent var 0.391605 S.E. of regression 0.333244 Akaike info criterion 0.642966 Sum squared resid 155.2502 Schwarz criterion 0.657932 Log likelihood -446.7192 F-統計量 178.8936 Durbin-Watson stat 1.995208 Prob(F-統計量) 0.000000
EBEI 相對於 EVA：結果拒絕 EBEI
變數 係數 標準誤 t-統計量 機率
C 0.015757 0.010575 1.489989 0.1365 EBEI 2.548134 0.183149 13.91291 0.0000 EBEI_1 -1.177375 0.125561 -9.376899 0.0000 EVAF5A -0.383258 0.115880 -3.307370 0.0010 R-squared 0.270187 Mean dependent var 0.061385 Adjusted R-squared 0.268621 S.D. dependent var 0.391605 S.E. of regression 0.334903 Akaike info criterion 0.652898 Sum squared resid 156.7998 Schwarz criterion 0.667864 Log likelihood -453.6817 F-統計量 172.5201 Durbin-Watson stat 2.012516 Prob(F-統計量) 0.000000
EBEI 相對於 EVA：結果拒絕 EVA
C -0.036042 0.015044 -2.395831 0.0167 EVA -0.568561 0.175260 -3.244096 0.0012 EVA_1 0.262521 0.104619 2.509297 0.0122 EBEIF6A 1.244592 0.088227 14.10667 0.0000 R-squared 0.269998 Mean dependent var 0.061385 Adjusted R-squared 0.268432 S.D. dependent var 0.391605 S.E. of regression 0.334946 Akaike info criterion 0.653157 Sum squared resid 156.8404 Schwarz criterion 0.668123 Log likelihood -453.8631 F-統計量 172.3548 Durbin-Watson stat 2.005974 Prob(F-統計量) 0.000000
RI 相對於 CFO：結果無法拒絕 RI 變數 係數 標準誤 t-統計量 機率 C 0.115208 0.024962 4.615264 0.0000 RI 1.549810 0.101232 15.30948 0.0000 RI_1 -0.780808 0.072065 -10.83483 0.0000 CFOF7A -0.027501 0.324609 -0.084721 0.9325 R-squared 0.157607 Mean dependent var 0.061385 Adjusted R-squared 0.155799 S.D. dependent var 0.391605 S.E. of regression 0.359808 Akaike info criterion 0.796357 Sum squared resid 180.9877 Schwarz criterion 0.811323 Log likelihood -554.2463 F-統計量 87.18601 Durbin-Watson stat 2.028681 Prob(F-統計量) 0.000000
RI 相對於 CFO：結果拒絕 CFO 變數 係數 標準誤 t-統計量 機率 C 0.000284 0.010412 0.027295 0.9782 CFO -0.020251 0.052672 -0.384475 0.7007 CFO_1 0.008279 0.061443 0.134748 0.8928 RIF8A 1.001630 0.063174 15.85518 0.0000 R-squared 0.157692 Mean dependent var 0.061385 Adjusted R-squared 0.155884 S.D. dependent var 0.391605 S.E. of regression 0.359790 Akaike info criterion 0.796256 Sum squared resid 180.9695 Schwarz criterion 0.811223 Log likelihood -554.1757 F-統計量 87.24173 Durbin-Watson stat 2.028653 Prob(F-統計量) 0.000000
變數 係數 標準誤 t-統計量 機率 C 0.109736 0.024673 4.447609 0.0000 EVA 1.559027 0.098366 15.84928 0.0000 EVA_1 -0.839473 0.074384 -11.28573 0.0000 CFOF9A -0.014567 0.322545 -0.045163 0.9640 R-squared 0.166088 Mean dependent var 0.061385 Adjusted R-squared 0.164298 S.D. dependent var 0.391605 S.E. of regression 0.357992 Akaike info criterion 0.786239 Sum squared resid 179.1656 Schwarz criterion 0.801205 Log likelihood -547.1533 F-統計量 92.81178 Durbin-Watson stat 2.033186 Prob(F-統計量) 0.000000
EVA 相對於 CFO：結果拒絕 CFO
變數 係數 標準誤 t-統計量 機率
C 0.000264 0.010330 0.025581 0.9796 CFO -0.022822 0.052409 -0.435455 0.6633 CFO_1 0.012182 0.061055 0.199518 0.8419 EVAF10A 1.001235 0.061135 16.37736 0.0000 R-squared 0.166200 Mean dependent var 0.061385 Adjusted R-squared 0.164411 S.D. dependent var 0.391605 S.E. of regression 0.357968 Akaike info criterion 0.786104 Sum squared resid 179.1414 Schwarz criterion 0.801070 Log likelihood -547.0587 F-統計量 92.88726 Durbin-Watson stat 2.033259 Prob(F-統計量) 0.000000
EVA 相對於 RI：結果無法拒絕 EVA
變數 係數 標準誤 t-統計量 機率
C 0.096703 0.028379 3.407575 0.0007 EVA 1.392180 0.367927 3.783851 0.0002 EVA_1 -0.751260 0.203263 -3.696007 0.0002 RIF11A 0.112744 0.241621 0.466616 0.6408 R-squared 0.166216 Mean dependent var 0.061385 Adjusted R-squared 0.164427 S.D. dependent var 0.391605 S.E. of regression 0.357965 Akaike info criterion 0.786084 Sum squared resid 179.1380 Schwarz criterion 0.801051 Log likelihood -547.0452 F-統計量 92.89800 Durbin-Watson stat 2.032789 Prob(F-統計量) 0.000000
EVA 相對於 RI：結果拒絕 RI 變數 係數 標準誤 t-統計量 機率 C 0.013327 0.028838 0.462153 0.6440 RI 0.174837 0.373735 0.467811 0.6400 RI_1 -0.075545 0.198731 -0.380139 0.7039 EVAF12A 0.896338 0.235540 3.805466 0.0001 R-squared 0.166239 Mean dependent var 0.061385 Adjusted R-squared 0.164450 S.D. dependent var 0.391605 S.E. of regression 0.357960 Akaike info criterion 0.786057 Sum squared resid 179.1330 Schwarz criterion 0.801023 Log likelihood -547.0258 F-統計量 92.91347 Durbin-Watson stat 2.033224 Prob(F-統計量) 0.000000
若將會計指標變數依正負值區分，然後再作相對資訊內涵分析所得到的結果亦極為相 似，若將同期的報酬率改為下期的報酬率，則所得的結果亦雷同。 增額資訊內涵 本小節將說明若將EVA的組成份子解析出來，則其各部分的增額解釋能力有多強， 此處是採用Biddle et al. (1997)的方法，首先將經濟附加價值與會計指標的關係列出： 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 2 14444444244444443 1444442444443 1 4 4 3 4 4 2 1 Added Value Economic IncomeI Residual EBIAT Earnings AccAdj CapChg t AfterTaxIn Accrual CFO EVA= + − + + 其中： CFO ：表示營業活動現金流量 Accrual ：表示應計項目 t AfterTaxIn ：表示稅後的利息費用，及利息費用乘以（一減稅率） CapChg ：資本費用，即投入資本乘以加權平均資金成本率 AccAdj：會計調整 下表所示為 EVA 的五項組成因素的基本統計量，由表中可看出各個項目的分配可能非 常態，這也提醒我們在從事統計分析時宜特別小心，非常態對結果之解釋所造成的影響。
DT ABNORMAL CFO ACCRUAL ATINT CAPCHG ADJ 平均數 0.021797 0.059715 0.035275 0.011011 0.020201 0.139392 -0.000301 中位數 -0.044900 -0.011575 0.038795 -0.008680 0.012578 0.123235 0.000000 最大值 3.413100 3.279450 1.391940 2.523620 0.393980 1.051060 0.213220 最小值 -1.093800 -0.849460 -2.326530 -1.256590 0.000000 0.000000 -0.413580 標準差 0.405478 0.384182 0.184322 0.182772 0.028709 0.092511 0.028506 Skewness 2.271783 2.320757 -3.012626 5.030876 5.719586 3.430275 -2.327210 Kurtosis 13.87531 13.77819 49.25991 61.08323 57.23123 26.86740 41.41042 Jarque-Bera 9909.369 9823.524 155241.5 247876.2 219127.5 43992.70 106787.7 機率 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 Sum 37.31570 102.2319 60.39025 18.85002 34.58381 238.6396 -0.515346 Sum Sq. Dev. 281.3092 252.5369 58.13047 57.15700 1.410255 14.64338 1.390313 Observations 1712 1712 1712 1712 1712 1712 1712 下表所示為五個 EVA 組成項目之間及其與超額及異常報酬率間的相關係數。由表中可 發現，各個組成項目間的關係並不大。在作後續分析時，應可較能判斷何者對解釋超額 或異常報酬率的貢獻較大。
DT ABNORMAL CFO ACCRUAL ATINT CAPCHG ADJ DT 1.000000 0.966371 0.055514 0.186992 0.105353 0.199692 0.074122 ABNORMAL 0.966371 1.000000 0.053972 0.195502 0.110118 0.197205 0.064014 CFO 0.055514 0.053972 1.000000 -0.842421 -0.007428 0.161130 0.092520 ACCRUAL 0.186992 0.195502 -0.842421 1.000000 0.067657 -0.003146 -0.041690 ATINT 0.105353 0.110118 -0.007428 0.067657 1.000000 0.750091 0.009619 CAPCHG 0.199692 0.197205 0.161130 -0.003146 0.750091 1.000000 0.107412 ADJ 0.074122 0.064014 0.092520 -0.041690 0.009619 0.107412 1.000000 首先要作的分析是各組成項目與超額報酬率之間的迴歸關係。也就是估計 1 10 9 1 8 7 1 6 5 1 4 3 1 2 1 0 − − − − − + + + + + + + + + + = t t t t t t t t t t t Adj Adj CapChg CapChg AtInt AtInt Accrual Accrual CFO CFO D α α α α α α α α α α α 。 結果如下表所示，由表中可發現每個組成份子的係數均為顯著（使用 White 方法處理 heteroscedasticity 問題）。 變數 係數 標準誤 t-統計量 機率 C -0.066305 0.024033 -2.758951 0.0059
CFO 1.833737 0.175525 10.44717 0.0000 CFO_1 -0.790177 0.202453 -3.903025 0.0001 ACCRUAL 1.994592 0.197751 10.08641 0.0000 ACCRUAL_1 -0.815730 0.209687 -3.890226 0.0001 ATINT -4.905599 1.131663 -4.334859 0.0000 ATINT_1 5.208518 1.166908 4.463522 0.0000 CAPCHG 1.239656 0.264509 4.686635 0.0000 CAPCHG_1 -0.988038 0.226106 -4.369805 0.0000 ADJ 0.900977 0.439270 2.051080 0.0404 ADJ_1 -0.755594 0.373579 -2.022583 0.0433 R-squared 0.270314 Mean dependent var 0.021797 Adjusted R-squared 0.266025 S.D. dependent var 0.405478 S.E. of regression 0.347382 Akaike info criterion 0.729623 Sum squared resid 205.2673 Schwarz criterion 0.764611 Log likelihood -613.5572 F-統計量 63.01407 Durbin-Watson stat 1.983997 Prob(F-統計量) 0.000000
接下來則是利用 Wald 檢定分析每個組成項目的增額資訊內涵，由下列各表 p 值的數字 中可看出每一個組成項目均有增額資訊內涵。 Wald 檢定: 虛無假設: C(1)=0 C(2)=0 F-統計量 57.13425 機率 0.000000 Chi-square 114.2685 機率 0.000000 Wald 檢定: 虛無假設: C(3)=0 C(4)=0 F-統計量 51.67299 機率 0.000000 Chi-square 103.3460 機率 0.000000 Wald 檢定: 虛無假設: C(5)=0
C(6)=0 F-統計量 10.29302 機率 0.000036 Chi-square 20.58605 機率 0.000034 Wald 檢定: 虛無假設: C(7)=0 C(8)=0 F-統計量 12.16407 機率 0.000006 Chi-square 24.32814 機率 0.000005 Wald 檢定: 虛無假設: C(9)=0 C(10)=0 F-統計量 2.657166 機率 0.070438 Chi-square 5.314332 機率 0.070147 下表為當應變數為異常報酬率時，下列迴歸方程式的估計結果（亦採用 White 之 Heteroskedasticity-Consistent 標準誤及共變數）。 1 10 9 1 8 7 1 6 5 1 4 3 1 2 1 0 − − − − − + + + + + + + + + + = t t t t t t t t t t t Adj Adj CapChg CapChg AtInt AtInt Accrual Accrual CFO CFO AB α α α α α α α α α α α 變數 係數 標準誤 t-統計量 機率 C -0.027766 0.022561 -1.230680 0.2186 CFO 1.836257 0.171287 10.72037 0.0000 CFO_1 -0.814662 0.204048 -3.992503 0.0001 ACCRUAL 1.992023 0.190438 10.46020 0.0000 ACCRUAL_1 -0.801710 0.212239 -3.777387 0.0002 ATINT -4.018120 1.095823 -3.666759 0.0003 ATINT_1 4.143368 1.124497 3.684641 0.0002 CAPCHG 0.735924 0.246358 2.987210 0.0029
CAPCHG_1 -0.487428 0.214893 -2.268238 0.0234 ADJ 0.805931 0.423270 1.904058 0.0571 ADJ_1 -0.839051 0.420421 -1.995740 0.0461 R-squared 0.273026 Mean dependent var 0.059715 Adjusted R-squared 0.268752 S.D. dependent var 0.384182 S.E. of regression 0.328526 Akaike info criterion 0.618003 Sum squared resid 183.5879 Schwarz criterion 0.652991 Log likelihood -518.0109 F-統計量 63.88351 Durbin-Watson stat 2.011158 Prob(F-統計量) 0.000000
接下來則是在應變數為異常報酬率時，利用 Wald 檢定分析每個組成項目的增額資訊內 涵，由下列各表 p 值的數字中可看出每一個組成項目均有增額資訊內涵。 Wald 檢定: 虛無假設: C(1)=0 C(2)=0 F-統計量 61.27980 機率 0.000000 Chi-square 122.5596 機率 0.000000 Wald 檢定: 虛無假設: C(3)=0 C(4)=0 F-統計量 56.63131 機率 0.000000 Chi-square 113.2626 機率 0.000000 Wald 檢定: 虛無假設: C(5)=0 C(6)=0 F-統計量 7.150676 機率 0.000808 Chi-square 14.30135 機率 0.000784
Wald 檢定: 虛無假設: C(7)=0 C(8)=0 F-統計量 4.489248 機率 0.011362 Chi-square 8.978496 機率 0.011229 Wald 檢定: 虛無假設: C(9)=0 C(10)=0 F-統計量 2.409875 機率 0.090133 Chi-square 4.819750 機率 0.089827 進一步的分析 若依公司特性區分樣本，我們發現高資本密集度組在有區分指標正負值時，EBEI、 RI、EVA 三者解釋能力大致相當，以 CFO 最小，低資本密集度組則和所有樣本的排序 結果相同。若依風險大小區分，小β值組在有區分指標正負值方法時，EBEI、RI、EVA 三者解釋能力互有領先，CFO 仍然最小，大β值組則和所有樣本的排序結果相同。依 規模大小區分時，小規模組 RI 超越 EVA，但差異十分小，形成 EBEI 優於 RI，RI 優於 EVA，而 EVA 優於 CFO 的排序，至於大規模組則和所有樣本的排序結果相同。其他依 照成長性、無形投資比重、財務結構、獎酬制度區分特性時，其結果和所有樣本的排序 結果相同。另外，若按指標區分正負值，則有區分正負值時的解釋能力幾乎都大於為區 分正負值，顯示正負值對股票報酬傳達的訊息不同：正值的反應大於負值。
（六）EVA 理論分析部份
of Business教授A. Damodarna的網頁http://www.stern.nyu.edu/~adamodar/有下列的 敘述： The Basics of NPV
∑
= = − + + − = t n t t t t j WACC Depr t EBIT NPV 1 Investment Initial ) 1 ( ) 1 (∑
= = + + + = t n t n t WACC WACC WACC 1 (1 ) Investment Initial ) 1 ( ) Investment Initial ( Investment Initial∑
∑
∑
∑
∑
= = = = = = = = = = + + + − + − + − = + + + − + + − = n t t t t n t t n t n t t t t n t t n t n t t t t t j WACC Depr WACC WACC WACC WACC t EBIT WACC WACC WACC WACC Depr t EBIT NPV 1 1 1 1 1 ) 1 ( ) 1 ( Investment Initial ) 1 ( ) Investment Initial ( ) 1 ( ) 1 ( ) 1 ( Investment Initial ) 1 ( ) Investment Initial ( ) 1 ( ) 1 (Define ROC = EBIT （1-t） / Initial Investment: The earnings before interest and taxes
are assumed to measure true earnings on the project and should not be contaminated by capital charges （such as leases） or expenditures whose benefits accrue to future projects （such as R & D）.
Assume that :
∑
∑
= = = = + = + = + n t t t n t t t t n WACC EVAT WACC Depr WACC) 1 (1 ) 1 (1 ) 1 ( Investment InitialThe present value of depreciation covers the present value of capital invested, i.e, it is a return of capital.
∑
∑
= = = = + − + = t n t t n t t t j WACC WACC WACC ROC NPV 1 1 (1 ) ) Investment Initial ( ) 1 ( ) Investment Initial ( 以上的推導是有問題的，事實上要得到這個結果不需要假設∑
= = + = + n t t t t n WACC Depr WACC) 1 (1 ) 1 ( Investment Initial ，茲說明如下： 令 NPV表示淨現值 t EBIAT表示t期息前稅後盈餘 t DEP 表示 t 期的折舊費用 t BV表示 t 期的帳面價值 r表示加權平均資金成本率 C表示原始投資的金額根據淨現值的定義可知： C r DEP r EBIAT C r DEP EBIAT NPV N t t t N t t t N t t t t − + + + = − + + =
∑
∑
∑
= = = 1 1 1 ) 1 ( ) 1 ( ) 1 ( 根據經濟附加價值的定義可知：∑
∑
∑
∑
= − = = − = − − + ⋅ − + = + ⋅ − = + − = N t t t N t t t N t t t t N t t t t t r BV r r EBIAT r BV r EBIAT r BV r BV EBIAT 1 1 1 1 1 1 1 1 ) 1 ( ) 1 ( ) 1 ( ) 1 ( EVA of Value Present 由於∑
∑
= − = + ⋅ + + = N t t t N t t t r BV r r DEP C 1 1 1 (1 ) (1 ) ，故淨現值等於經濟附加價值的現值。此外經濟附加價值 也與Ohlson （1995）所說的異常盈餘（abnormal earnings）相關，由此部份的說明可 看出經濟附加價值與股東財富的關係，令 t V表示一公司在 t 期時所計算未來期望股利的現值 t D 表示預期該公司在t期所發放的股利 t I 表示預期該公司在t期的盈餘 假設公司沒有舉債，根據基本的財務理論知：∑
∞ = + = 1 0 ) 1 ( t t t r D V再根據clean surplus equation知：
t t t t BV EBIAT D BV = −1+ − 將此代入前式可得：
∑
∑
∞ = − ∞ = − − + ⋅ − + = + − + + ⋅ − = 1 1 0 1 1 1 0 ) 1 ( ) 1 ( ) 1 ( ) ( t t t t t t t t t t r BV r EBIAT BV r BV BV r BV r EBIAT V前式的EBIATt−r⋅BVt−1即為經濟附加價值，也就是Ohlson所稱的abnormal earnings。值
得注意的是在上面的說明中的運用資本均是期初的帳面價值，而不是期末的帳面價值， 在實際計算時多半是使用期末的帳面價值，當然也還要經過「會計調整」。
最後，若定義「資本經濟價值」為預期後續現金流量之現值，則可利用資本經濟價 值來計算經濟附加價值，這是另一種計算經濟附加價值的方法，在此略過其證明。
四、計畫成果自評 本研究截至目前的成果係原計畫所欲探討項目的一部份，缺少的部分在於針對經濟 附加價值相關經濟理論之推演。由於資料的處理分析較為繁複，故已花費不少的時間， 無法從事進一步的理論推導。目前本計畫結果的一部份已發表於中華管理評論，實證分 析的部分近日將改寫再投稿。 研究限制：EVA 的調整項目十分繁多，但由於本研究為大樣本之實証研究，對於台灣經 濟新報社資料庫所沒有提供的相關調整項目，亦不易從個別財務報表中取得資訊，因而 造成 EVA 與 RI 的差異不是很大的結果。 五、參考文獻 [1] 王勗華（民 87）「經濟利潤模式評估企業資源規劃的效益」，東吳大學會計學系 未出版碩士論文。 [2] 洪隆華（民 84）「台灣地區股票上市公司盈虧預測模式之建立與資訊價值之研究」， 行政院國科會研究計畫。 [3] 洪寶玉（民 83）「不同會計獲利性衡量方式對台灣重要產業股票報酬率的影響」， 台灣大學研究所未出版論文。 [4] 胡華盛（民 87）「股價評估模式的選擇-以台灣科技公司台達電為例」，政治大學 金融學系未出版碩士論文。 [5] 孫幸琪（民 82），「營業淨利、淨利及綜合淨利於解釋股票報酬有用性之比較-台 灣股市之實證研究」，政治大學研究所未出版碩士論文。 [6] 張素鈴（民 87）「公司評價新趨勢-EVA(經濟附加價值)在台灣應用的可行性」， 中央大學財務管理研究所未出版碩士論文。 [7] 張耿豪（民 87）「經濟附加價值資訊內涵之研究--以台灣上市公司為例」，交通大 學未出版碩士論文。 [8] 許欣欣（民 85）「現金流量與相關會計變數對於股價報酬率關聯性之研究」，政 治大學研究所未出版碩士論文。 [9] 陳惠鈴（民 86） 「經濟附加價值與股票報酬關聯性之研究」，交通大學科技管理 研究所未出版碩士論文。
[10] 黃如惠（民 87）「價值創造活動型態、財務政策與經濟附加價值關係之研究---以 台灣資訊電子產業為例」，交通大學科技管理所未出版碩士論文。
[11] Anonymous. (1995) “Paying for performance,” Chemical Week, v157 n13, 38-39.
[12] Anonymous. (1997) “A star to sail by?” The Economist, v344 n8028, 61-63. [13] Antcil, R., J. Jordan, J., and Mukherji, A. (1998) “Asymptotic Optimality of
residual inocme maximization,” Review of Accounting Studies, v2, 207-229. [14] Antcil, R., J. Jordan, J., and Mukherji, A. (1998) “Activity-based costing for
economic value added,” Review of Accounting Studies, v2, 231-264.
[15] Anthony, R. (1973) “Accounting for the cost of equity,” Harvard Business Review, v51, 88-102.
[16] Bacidore, J., Boquist, K. and Milbourn, T. (19978) “The search for the best financial performance measure,” Financial Analyst Journal, v53, 11-20. [17] Barber, E. and Manger, G. (1997) “Improving management’s valuations of
human capitals in small firms,” Journal of Management Development, v16 n7-8,457-468.
[18] Bao, B. and Bao, D. (1998) “Usefulness of value added and abnormal economic earnings: An empirical examination,” Journal of Business Finance & Accounting, v25 n1/2, 251-264.
[19] Birchard, B. (1996) “Do it yourself:" How Valmont Industries implemented EVA,” CFO, The Magazine for Senior Financial Executives,v12 n3, 34-37.
[20] Biddle, G. C. and Bowen, R. M. (1997) “Does EVA beat earnings? Evidence on associations with stock returns and firm values,” Journal of Accounting and Economics, 301-336.
[21] Biddle, G. C., Bowen, R. M. and Wallace, J. S. (1999) “Evidence on EVA.” Journal of Applied Corporate Finance, v12, n2.
[22] Brands, K. (1997) “The Financial Management Workshop,” The Management Accounting (USA), v79 n1, 72.
[23] Brewer, P. and Chandra, G. (1989) “Economic value added (EVA): Its uses and limitations,” S.A.M. Advanced Management Journal, v64 n2, 4-11.
[24] Brossy, R. and . Balkcom, J (1994) “Getting executives to create value.". Journal of Business Strategy, v15 n1 , 18-21.
[25] Burkette, G. and Hedley, T. (1997) “The truth about economic value added,” The CPA Journal, v67 n7, 46-49.
[26] Byrne,H. (1994) “Harnischfeger Industries: with EVA's help and paper's revival, it's poised for a rebound,” Barron's, v74 n4, 51-52.
[27] Carr, R. (1996) “Towards a truer measure of value,” The Financial Times, 19. [28] Chen, S. and Dodd, J. (1997) “Economic Value Added: an empirical examination
of a new corporate performance measure,” Journal of Managerial Issues, v9 n3, 318-333.
[29] Chen, S. and Dodd, J. (1997) “Usefulness of accounting earnings, residual income, and EVA?: A value-relevance perspective.” SSRN Working Paper Series.
[30] Conley, P. (1995) “Key indicator signals peril for rails, consultant says,” Journal of Commerce and Commercial, v404 n28454, 2.
[31] Copeland, T. and Meenan. J. (1994) “AT&T uses shareholder value as a guide to strategy,” Planning Review, v22 n6, 27-33.
[32] Copeland, T., Koller, T. and Murrin, J. (1994) Valuation-Measuring and Managing the Value of Companies , Second Edition.
[33] Davidson, R.,a nd J. MacKinnon (1981) Estimation and Inference in Econometrics, Oxford University Press.
[34] Dierks, P. and Patel, A. (1997) “What is EVA, and how can it help your company?” Management Accounting (USA), v79 n5, 52-58.
[35] Dierks, P. (1997) “Using EVA at OutSource Inc.” Management Accounting (USA) v78 n7, 56-58.
[36] Dodd, J. L. and Chen, S. (1996) “EVA：A new panacea?” Business and Economic Review, 42, 26-28.
[37] Edwards, E. O. and Bell, P. W. (1961) The Theory and Measurement of Business Income, University of California Press.
[38] England, J. (1992) “Don't be afraid of phantom stock,” Compensation and Benefits Review, v24 n5, 39-46.
[39] Ettorre, B. (1995) “George Lorch explains economic value added,” Management Review, v84 n9, 50-52.
[40] Ferguson, R. and Leistikow, D. (1998) “Search for the best financial
performance measure: Basics are better,” Financial Analysts Journal, v54 n1, 81-85.
[41] Ferling, R (1993) “Quality in 3D: EVA, CVA, and employees,” Financial Executive, v9 n4, 51.
[42] Fisher, J. (1995) “How effective executive compensation plans work?” CMA - the Management Accounting Magazine, v69 n5, 36-39.
[43] Gapenski, L. (1996) “Using MVA and EVA to measure financial performance,” Healthcare Financial Management, v50 n3, 56-58.
[44] Hamilton, R. (1777) An introduction to merchandize. Edinburgh.
[45] Garstka, S. J. and Goetzmann, W. N. (1999) “The Development of Corporate Performance Measures: Benchmarks Before EVA.” SSRN Working Paper Series.
[46] Goetzmann, W. and Garstka, S. (1999) “The Development of Corporate Performance Measures:Benchmarks Before EVA™ ,” SSRN Working Paper Series.
[47] Gressle, M. (1996) “How to implement EVA and make share prices rise,” Corporate Cashflow Magazine, v17 n4. 28-30.
[48] Grant, J. (1996) “Foundations of EVA for investment managers: just in time, EVA! ” Journal of Portfolio Management, v23 n1, 41-48.
[49] Hall, J. H. and Brummer, L.M. (1999) “The Relationship Between the Market Value of a Company and Internal Performance Measurements.” SSRN Working Paper Series.
[50] Hamilton, J., Whittlesey, N. , Robison, M. and Ellis, J (1993) “Economic impacts, value added, and benefits in regional project analysis: reply,” American Journal of Agricultural Economics, v75 n3, 763.
[51] Hanson, B. (1995) “Background for compensation professionals: what you need to know about economic value added,” Compensation and Benefits Review, v27 n2, 33-36.
[52] Herzberg, M. (1998) “Implementing EBO/EVA analysis in stock selection,” Journal of Investing, v7 n1, 45-53.
[53] Hirschey, M. and Weygandt, J. (1985) “Amortization Policy for Advertising and Research and Development Expenditures,” Journal of Accounting Research, v23, n1, 326-335.
[54] Hotelling, H. (1940) “The selection of variates for use in prediction with some comments on the general problem of nuisance parameters,” The Annals of Mathematical Statistics, 271-283.
[55] Hughes, D. and Holland, D (1993) “Economic impacts, value added, and
benefits in regional project analysis: comment,” American Journal of Agricultural Economics, v75 n3, 759-762.
[56] Jensen, M. C. and Meckling, W. H. (1998) “Divisional Performance
Measurement” in Foundations of Organizational Strategy, ed. by M. Jensen, Harvard University Press, 1998.
[57] Keys, D., Azamhuzjaev, M. and ackey,J. (1999) “EVA to boldly go?” CMA Management, v73 n7, 30-33.
[58] Lehn, K. and Makhija, A. (1996) “EVA and MVA as performance measures and signals for strategic change,” Strategy and Leadership, v24 n3, 34-38.
[59] Lavergne, P. and Vuong, Q. (1996) “Nonparametric selection of regressors: the non-nested case,” Econometrica, v64 n1, 207-220.
[60] Loeb, M. (1993) “How we all learned about EVA,” Fortune, v128 n6, 4. [61] McLaren, J. (1999) “A strategic perspective on economic value added,”
Management Accounting, v77 n4, 30-32
[62] Martin, J (1996) “Eli Lilly is making shareholders rich. How? By linking pay to EVA,” Fortune, v134 n5,173-174.
[63] Marshall, A. (1890) Principles of Economics, Macmillan Press, London.
[64] Mayfield, J. (1997) “Economic value management,” Management Accounting, 32-33.
[65] Mills, R. and Rowbotham, S. (1998) “Using economic profit in assessing business performance,” Management Accounting, v76 n10, 34-38.
[66] Milunovich, S., and Tsuei, A. (1996) “EVA in the computer industry,” Journal of Applied Corporate Finance, v9, 105-115.
[67] Mouritsen, J. (1998) “Driving GroEBEIh: Economic Value Added versus Intellectual Capital” Management Accounting Research, v8 n4.
[68] O’Byrne, F. (1996) “EVA and Market Value,” Bank of America Journal of Applied Corporate Finance, v9, 116-125.
[69] Ochsner, R (1995) “Welcome to the new world of 'economic value added,” Compensation and Benefits Review, v27 n2, 30-32.
[70] O'Hanlon, J. and Peasnell, K. (1996) “Measure for measure?” Accountancy, v117 n1230, 44-46.
[71] O'Hanlon, J. and Peasnell, K. (1998) “Wall Street's Contribution to Management Accounting: The Stern Stewart EVA Financial Management System”
Management Accounting Research, v8 n4.
[72] Ohlson, J. (1995) “Earnings, book value, and dividends in security valuation,” Contemporary Accounting Research, v11, 661-687.
American Banker, v162 n50, 20.
[74] Rogerson, W. (1997) " Intertemporal cost allocation and managerial investment incentives: a theory explaining the use of economic value added as a
performance measure." Journal of Political Economy, v105, n4, 770-795. [75] Rutledge, J. (1993) “e-jargoning EVA,” Forbes, v152 n10, 148.
[76] Scherrer, P. (1997) “Valuing management for real estate investments,” Real Estate Finance Journal, v12, n3, 58-64.
[77] Sharman, P (1995) “How to implement performance measurement in your organization,” CMA – the Management Accounting Magazine, v69 n4, 33-37. [78] Shirouzu, N. (1998) “7-Eleven Japan loses luster: contrarian view emerges
despite firm's success” The Asian Wall Street Journal Weekly, v20 n3, 23. [79] Skubovius, A., Mavrinac, S. C., and Fiorillo, H. (1999) “EVA at adult foods
limited.” SSRN Case and Teaching Paper Series.
[80] Solomons, D. (1965) Divisional Performance: Measurement and Control, Financial Executives Research Foundation, New York.
[81] Snyder, A. (1995) Value-Based Management: highlighting the Resource Allocation Challenge, Braxton Associates, Boston.
[82] Sougiannis, T. (1994) “The Accounting Based Valuation of Corporate R&D,” Accounting Review, pp.44-68.
[83] Stern, J., Stewart III, G., and Chew, D. (1995) “The EVA financial management system,” Journal of Applied Corporate Finance, v8, 32-46.
[84] Stern Stewart EVA Roundtable at Johnson and Johnson Headquarters, Journal of Applied Corporate Finance, v7 46-70.
[85] Stewart III, G. (1991) The Quest for Value, Harper Business, New York. [86] Stewart III, G. (1994) “EVA: fact or fantasy?” Journal of Applied Corporate
Finance, v7, 71-84.
[87] Stewart III, G (1995) “EVA works - but not if you make these common mistakes,” Fortune, v131 n8, 117-118.
[88] Stoughton, N., and Zechner, J. (1998) “Optimal Capital Allocation Using RAROC and EVA.” SSRN Working Paper Series.
[89] Tully, S. (1999) “America's wealth creators,” Fortune, v40 n10, 275-284. [90] Tully, S (1993) “The real key to creating wealth,” Fortune, v128 n6, 38-44.
[91] Weissenrieder, F. (1999) “Value based management: economic value added or cash value added?” SSRN Working Paper Series.
and a direct test for heteroscedasticity,” Econometrica, v48, 817-838. [93] Uyemura, D. (1997) “EVA: a top-down approach to risk management,” The
Journal of Lending and Credit Risk Management, v79 n6, 40-47.
[94] Velez-Pareja, I. (1999) “Value creation and its measurement: a critical look at EVA.” SSRN Case and Teaching Paper Series.
[95] Velez-Pareja, I. (1999) “Value creation revisited: the economic profit” SSRN Working Paper Series.
[96] Villiers, J. (1997) “The distortions in Economic Value Added (EVA) caused by inflation,” Journal of Economics and Business, v49 n3, 285-310.
[97] Vuong, Q. (1989) “Likelihood ratio tests for model selection and non-nested hypothesis,” Econometrica, v57, 307-333.
[98] Wallace, J. (1996) “Adopting Residual Income-Based Compensation Plans: Evidence of Effects on Management Actions,” SSRN Working Paper.
[99] Wallace, J. (1997) “Adopting residual income-based compensation plans: Do you get what you pay for” Journal of Accounting and Economics, 24.
[100] Wallace, J. (1998) “EVA financial systems: Management perspectives,” Advances in Management Accounting, v6, 1-15.
[101] Xu, X. (1995) “Upgrading labor quality, structural change, and economic development,” Atlantic Economic Journal, v23 n2, 122-133.
[102] Young, D. (1997) “Economic Value Added: a primer for European managers,” European Management Journal, v15 n4, 335-343.
[103] Young, D. (1999) “Some reflections on accounting adjustments and economic value added,” Journal of Financial Statement Analysis, v4 n2, 7-19.
[104] Young, D. (1998) “Groupe Schneider: Economic value added and the measurement of financial performance.” SSRN Case and Teaching Paper Series.
