行政院國家科學委員會專題研究計畫 成果報告
知識的詛咒－以資產減損為例
研究成果報告(精簡版)
計 畫 類 別 ： 個別型 計 畫 編 號 ： NSC 100-2410-H-151-015- 執 行 期 間 ： 100 年 08 月 01 日至 101 年 07 月 31 日 執 行 單 位 ： 國立高雄應用科技大學財經與商務決策研究所 計 畫 主 持 人 ： 李文智 計畫參與人員： 博士班研究生-兼任助理人員：簡逢昇 公 開 資 訊 ： 本計畫可公開查詢中 華 民 國 101 年 10 月 31 日
中 文 摘 要 ： 本文為首篇利用資產減損的情境，探討＇知識的詛咒偏誤＇ 的實證研究。實證結果顯示，樣本公司管理當局其資產減損 決策存在＇知識的詛咒＇偏誤－亦即無法忽略先前已處理之 資訊所導致錯誤判斷之偏誤。其次，電子業與金融業其金融 與非金融資產減損的盈餘管理動機存有顯著差異。第三，公 司治理對資產減損的提列有顯著影響。綜言之，本文的發現 可填補相關文獻之不足，並具有相當之政策意涵。 中文關鍵詞： 知識的詛咒、資產減損、盈餘管理、公司治理
英 文 摘 要 ： This paper is the first positive study investigates the curse of knowledge bias in the asset impairment decision. We find that there exists the curse of knowledge bias－the inability to ignore previously processed information (Fischhoff 1977)－in the
management＇s asset impairment decision. The results further indicate that there are significant differences in the earnings management motives of financial and non-financial asset impairment decision between the finance and electronics industries. We also find that the corporate governance has a
significant effect on asset impairment decision. To sum up, our findings contribute to the literature and offer some policy implications.
英文關鍵詞： the curse of knowledge bias, assets impairment, earnings management, corporate governance
1
知 識 的 詛 咒 － 以 資 產 減 損 為 例
壹、前言
在資本市場的運作中，分析師扮演一個重要的角色。分析師藉由閱讀公司 的財務報表、產業資訊以及親自拜訪公司等方式，對公司進行深入之研究與分 析，進而提出獲利預期以及個股推薦之建議。而不論從報章雜誌或學術文獻，皆 曾看到當公司獲利不如預期時，股價呈現大幅下跌之走勢。許多會計研究均指出 公 司 可 能 爲 了 達 成 某 一 特 定 盈 餘 目 標 ( 即 所 謂 盈 餘 門 檻 ) 而 從 事 盈 餘 管 理 (Burgstahler and Dichev, 1997; Degeorge et al., 1999 ; Bhattacharya et al., 2003)，而 其中一個重要門檻即是分析師盈餘預期。在運作過程部份，分析師根據過去已發布的財務報表及現時資訊，對未來 發布預測，而公司管理階層在擁有分析師對本公司未來盈餘預期之資訊下，決定 是否從事盈餘管理以及其方式以達成分析師的預期。在此種情境下，我們可以把 分析師看成是”先手” (first mover)，而管理階層則為”後手” (second mover)；此外， 過去文獻指出，即使是資深的專業會計師，亦無法避免知識的詛咒偏誤。在上述 過程中，管理階層身為後手，是否亦可能發生”知識的詛咒偏誤”(the curse of knowledge bias)－係指在做決策時因”無法忽略先前已處理之資訊(the inability to ignore previously processed information)所導致錯誤判斷之偏誤 (Fischhoff 1977) －便是本文主要之研究課題。
由於財務會計準則公報第 34 號及 35 號要求管理當局判斷是否需進行資產 減損之測試，並進而決定是否提列資產減損損失。管理當局在這整個評估過程 中，需要做出一系列之決策且具有相當模糊的空間，因此，本文乃以資產減損為 情境進行研究。由於資產減損分為金融及非金融兩大部份，在行業特性及因應本
2 文研究目的之考量下，我們選取電子業及金融業為本文研究樣本，其理由進一步 申論如下：本文之所以使用電子業及金融業為研究樣本，主要考量電子業係以「製 造產品」為其主要業務，廠房設備為其主要資產；而金融業則以「提供服務」， 賺取利差及手續費為其主要收入來源，其固定資產主要為分行據點，且較電子業 有較高比重之金融資產，兩者之營運模式及所處產業環境明顯不同，而 Balsam et al. (2003)、Elder and Zhou (2002)、Hogan and Jeter (1999) 、Krishnan (2005)、Francis (2004)、Solomon et al. (1999)等產業專家會計師文獻也認為不同產業其行業特性 及產業知識存在明顯差異，故金融業與電子業分析師其擁有的專業知識可能有所 不同，且台灣的電子業為全球資訊產業供應鏈重要一環，有許多國內外專業投資 人及分析師對其進行分析與預測，故若電子業管理當局欲利用提列資產減損以從 事盈餘管理的話，會利用管理當局及電子業分析師皆較為熟悉的非金融資產?亦 或是雙方皆較不熟悉的金融資產以達成目的呢?；同樣地，金融業的分析師對金 融業的金融資產有相當豐富的專業知識，故在存有專業分析師的情形下，是否會 影響金融業管理當局其資產減損誘因與工具的選擇?過去並未有相關文獻可回答 上述問題。另一方面，過去有關非金融資產的減損研究認為資產減損係反映管理
當局的投機報導行為（opportunistic reporting）（如 Elliott and Shaw, 1988；Strong
and Meyer, 1987；Zucca and Campbell, 1992；Riedl, 2004；Chao, 2006；謝宛庭和 吳清在，2005）。但有關製造業與金融業其金融(與非金融)資產減損之盈餘管理 動機是否存在差異，目前未有相關證據。
因應本文研究目的，我們按年度及資產總額，以金融業配電子業、一比一 配對的方式，且有別於以往研究僅使用最小平方法(OLS)針對單一類別資產減損 進行研究，我們採取聯立方程式之研究設計，使用兩階段最小平方法（two-stage least squares method,簡稱 2SLS）對金融資產減損與非金融資產減損進行分析。實 證結果顯示，首先，本文發現電子業傾向於利用提列較高的金融資產減損損失來 達成洗大澡的目的，而非藉由使用非金融資產減損的方式，而金融業管理當局的
3 則恰巧相反：金融業管理當局傾向於使用資產減損來從事洗大澡的盈餘管理，而 較不會藉由金融資產減損的方式。我們認為這反映了電子業與金融業管理當局其 資產減損決策犯了”知識的詛咒”偏誤－亦即管理當局在做資產減損決策時因無 法忽略先前已處理之資訊所導致錯誤判斷之偏誤。其次，我們也發現電子業與金 融業其金融與非金融資產減損的盈餘管理動機存有顯著差異。 相較於現有文獻，本文至少有以下三點貢獻：首先，就筆者所知，有別於 以往主要藉由實驗的方式進行研究，本文為首篇利用資產減損的情境，探討”知 識的詛咒偏誤”的實證研究。我們也發現，電子業(金融業)管理當局會捨棄其較為 熟悉的非金融資產(金融資產)，而改用其較不熟悉的金融資產(非金融資產)來達 成盈餘管理的目的，我們認為上述結果反映了兩個產業的管理階層因為無法忽略 分析師的資訊，致使管理當局在資產減損決策方面犯了”知識的詛咒”偏誤。其 次，過去文獻僅針對非金融資產減損，且樣本多以製造業為限，本文同時以金融 業與電子業為樣本，並發現兩個產業間有關金融及非金融資產減損之誘因及工具 之選擇存在顯著差異，填補了資產減損相關文獻的匱乏；此外，我們也發現當公 司董事會持股比例愈低、所有權控制權偏離程度愈高時，會提列愈高之資產減損 損失；當公司經營權發生變動及經理人持股比例較高時，會提列較高之金融資產 減損損失，顯示公司治理因素對公司金融及非金融資產減損決策有顯著影響。具 體而言，本文的發現不但填補現有文獻的匱乏，扭轉了一般大眾的刻板印象，並 具備相當之政策意涵。 本文其餘內容安排如下：第二節為有關知識的詛咒及資產減損相關文獻之 整理，並進而建立本文之研究假說；第三節為研究設計，說明本文之研究樣本與 研究期間、研究模型等實證設計；有關實證結果與分析列於第四節；第五節則彙 總研究結果並提出未來研究建議。
4
貳、文獻探討與研究假說
2.1 事件背景 為了提升財務報表之透明度及資產衡量之可靠性，並與國際會計準則接 軌，我國於 2003 年 12 月 25 日及 2004 年 7 月 1 日發佈財務會計準則第 34 號「金 融商品之會計處理準則」及第 35 號公報「資產減損之會計處理準則」，分別適用 於會計年度開始日在 2006 年 1 月 1 日(含)及 2005 年 1 月 1 日（含）以後的財務 報表，且第 34 號公報規定不得提前適用。依公報規定，企業應評估資產是否有 跡象顯示可能產生減損，若有減損跡象存在，企業應估計該資產之可回收金額， 當資產可回收金額低於其帳面價值時，將帳面價值降至可回收金額，降低部分認 列為減損損失。若日後有證據顯示非金融資產或金融資產以往所認列之減損損失 已不存在或減少時，在非金融資產部份，除商譽外，企業可迴轉原先認列之減損 損失，亦即認列資產回升利益；而在金融資產部份，除持有至到期日證券其已認 列之金融資產減損損失可迴轉外，其餘金融資產類別皆不得迴轉。 2.2 文獻回顧 本文採用實證的方式，以資產減損為背景，探討”知識的詛咒偏誤”對管理當 局資產減損決策的影響。其次，我們進一步分析產業環境迥異之金融業及製造 業；是否因此有截然不同的減損損失提列行為與誘因，第三，我們亦探究管理當 局是否站在公司整體之角度來進行資產減損決策。就筆者所知，過去未有文獻針 對上述議題進行研究，而基於本文研究目的，我們整理以下三個系列的文獻：一、 知識的詛咒偏誤文獻；二、從事資產減損之公司特徵與動機以及三、資產減損與 公司股價或盈餘的關聯性。 2.2.1 知識的詛咒偏誤5
Fischhoff (1977)指出，人們在做決策時可能會發生”知識的詛咒偏誤”(the curse of knowledge bias)，所謂”知識的詛咒偏誤”，係指因”無法忽略先前已處理 之資訊(the inability to ignore previously processed information)而導致錯誤判斷之 偏誤。
自從 Fischhoff (1977)提出上述偏誤後，後續在心理學與行為會計領域亦有相 關文獻針對此一問題進行研究，而行為會計的文獻結果顯示，即使是高度專業、 資深的會計師，亦無法倖免上述決策偏誤，例如 Biggs and Wild (1985)、Heintz and White (1989)、Kinney and Uecker (1982)及 McDaniel and Kinney(1995)以會計師初 步分析性複核為情境，發現受試者存有知識的詛咒偏誤，而 Buchman (1985)則發 現在破產預測的情境下亦會出現知識的詛咒偏誤，而 Reimers and Butler (1992) 則發現會計師在進行內部控制判斷時亦會出現上述偏誤。 Kennedy(1995)分別使用繼續經營及分析性複核作為實驗情境，結果發現不 論是會計師或 MBA 學生，皆會出現知識的詛咒偏誤，而進一步分析更顯示，刻 責性(accountability)及經驗皆無法避免上述知識的詛咒偏誤。 綜合上述文獻，學者發現即使是資深的專業會計師，即無法避免知識的詛咒 偏誤。因此，即使是具有高度專業的管理當局，在進行資產減損的相關決策時， 是否因為無法忽略分析師所提出的資訊，而發生上述知識的詛咒偏誤，便是本文 最主要的研究課題。 2.2.2 資產減損之決定因素與動機 過去有關資產減損的實證研究，主要針對非金融資產。首先，在從事資產 減損之公司特徵部份，Francis, Hanna and Vincent（1996）發現公司過去績效、產 業表現及管理當局操縱為影響公司資產減損的重要因素。Loh and Tan（2002）探 討影響公司管理當局資產減損決策的總體與個體因素，實證結果顯示失業率、
6 GDP 成長率及空屋率與公司資產報酬率、董事變動為影響資產減損的重要影響 因素。鄭文吉（2005）探討提前適用 35 號資產減損公報之公司特徵，實證結果 發現：員工分紅比重越低、曾經發生財務危機、規模越大、負債佔權益比越低， 公司淨資產帳面價值大於市值時，公司傾向於提前適用 35 號公報提列資產減損 損失。謝宛庭和吳清在（2005）與曹美娟（2005）發現影響台灣上市櫃公司是否 提前採用 35 號公報之因素，除了公司經濟因素外，亦受到管理當局盈餘管理的 動機影響。而 Chao （2006）亦發現盈餘管理動機會影響公司是否提前適用資產 減損公報。 其次，過去文獻亦曾探討非金融資產減損的盈餘管理動機，且主要針對兩
種動機進行測試：「洗大澡」（big bath）假說與「損益平穩化」（income smoothing）
假說。「洗大澡」假說主張公司在盈餘表現極度不佳的年度，管理當局有誘因「一
次清倉」，亦即一次性的大幅認列損失，使得來年的盈餘將不會受到這些可能損
失的影響，同時也告訴投資人：「公司最壞的情況已經過去，未來的績效會變好」。
而「損益平穩化」假說則認為，管理當局會操縱盈餘使其維持在一區間波動，使 盈餘不至於有暴起暴落的現象，其目的可能是為了極大化經理人長期獎酬，也可
能是為了極大化股東價值（Riedl 2004）。例如 Zucca and Campbell （1992）發現
管理當局認列資產減損係為「洗大澡」及「損益平穩化」；而 Elliott and Shaw
（1988）、Strong and Meyer（1987）同樣亦發現資產減損決策與公司報導動機有
關。而 Rees, Gill and Gore（1996）與 Lindahl and Ricks (1991)認為管理當局係利 用資產減損此種裁決性決策傳達公司私有資訊予投資人，研究結果顯示伴隨著資 產價值減損的異常應計金額變動，傳達管理當局對公司未來績效的看法。但上述 看法並未被 Riedl （2004）所認同，Riedl(2004)利用 FASB 於 1995 年發佈 SFAS 121 號公報前後期間資料進行分析，實證發現在公報實施後，資產減損與總體經 濟因素、產業因素及公司個體因素之相關性降低，反而是「洗大澡」管理盈餘動 機與資產減損的相關性較高，反映了資產減損公報實施後管理當局的投機報導行
7 為，而在 SFAS 121 號公報實施後，資產減損的財務報導品質並未提升。 在國內 文獻部分，謝宛庭和吳清在（2005）發現提前適用 35 號資產減損公報之公司， 其所認列資產減損之金額會受到公司管理當局「洗大澡」、「損益平穩化」等報導 動機所影響，而準時適用 35 號公報之公司，其所認列資產減損之金額除受公司 管理當局之報導動機所影響外，亦受到企業營運因素之影響。而 Chao （2006） 則發現不論提前或準時適用者，其資產減損金額，有「洗大澡」的現象，但謝宛 庭和吳清在（2005）所發現的「損益平穩化」行為，Chao 發現僅在於準時適用 的公司具顯著性，而在提前適用的公司則無此現象。 綜合上述，本文發現，在探討資產減損之決定因素部份，過去研究發現經濟 成長率、資產報酬率等總體與個體因素會影響資產減損的提列（如 Francis, Hanna, and Vincent, 1996；Loh and Tan, 2002；Chao, 2006；謝宛庭和吳清在，2005；曹 美娟，2005；鄭文吉，2005）；而在管理當局的動機方面，有主張資產減損係管 理當局傳達公司私有資訊（Rees, Gill, and Gore, 1996），亦有認為資產減損係反
映管理當局的投機報導行為（opportunistic reporting）（如 Elliott and Shaw, 1988；
Strong and Meyer, 1987；Zucca and Campbell, 1992；Riedl, 2004；Chao, 2006；謝 宛庭和吳清在，2005）。
2.2.3 資產減損與公司股價或盈餘的關聯性
Elliott and Shaw（1988）分析資產沖銷1短期及長期的股價表現，研究結果
顯示：就短期而言，在資產沖銷宣告之前股價已有負向反應，表示資產沖銷的訊 息對投資人而言並非意外，而在宣告資產沖銷前後的短期股價表現亦為負向；長 期而言，在宣告資產沖銷後十八個月，股價反應仍為負值。Francis, Hanna, and Vincent（1996）發現投資人對資產減損的反應會隨資產減損的型態不同而異，例 如存貨價值減損為負向反應，而公司重組（restructuring charge）則為正向反應。
1
8
Strong and Meyer（1987）則發現在資產減損宣告時，累積異常報酬（CAR）為 負值，但於宣告日六天後卻呈現反轉，顯示資產減損傳達公司未來績效將改善的 訊號。Hogan and Jeter（1998）、Zucca and Campbell（1992）的研究則未發現股 價有顯著反應。 由於上述有關資產減損與公司股價關聯性其實證結果並不一致，後續文獻 試圖提出進一步之解釋。例如 Bunsis（1997）認為過去文獻未考慮資產沖銷所造 成之現金流量效果，Bunsis（1997）將資產沖銷分成正向現金流量組、負向現金 流量組、以及無影響三組，研究結果顯示若資產沖銷造成公司現金流量減少（增 加），股價為負向（正向）反應，亦即市場對資產減損的反應需考慮其隱含的現 金流量意涵。Alciatore, Easton, and Spear（2000）則認為資產減損宣告時股價之 所以未有顯著反應，可能是因為在資產減損前市場已有預期或已得知訊息，股價 因而提前反應。為證明此種解釋，Alciatore et al. （2000）利用石油業公司之資
料，2，測試當公司報導資產減損時，與當期及前期股價報酬的關係。研究結果
發現前期的股價報酬與當期資產減損的相關性較高，表示市場在公司宣告價值減 損前已預先獲知此訊息，股價因而提前反應。Collins and Henning（2004）認為 先前文獻皆係分析公司「整體」經營績效與公司「部分」資產減損的關係，其結 果僅為間接證據，故其進一步使用部門別資訊探討資產減損與盈餘、股價間的關 聯性。在國內文獻方面，謝宛庭和吳清在（2005）與 Chao （2006）皆發現股票 市場投資人對公司宣告認列資產減損有顯著負面反應。黃美珠（2006）則發現減 損資產類別與股價反應幅度間未有顯著之關係存在。 綜合上述國內外文獻，我們發現過去有關資產減損的實證研究，主要集中 2 依美國證管會 1978 年 Regulation SX4-10 之規定，採全部成本法的公司，其資本化的成本，包 含取得礦區成本、探勘成本及開發成本，減除累計攤銷後，不得超過該油礦未來收入折現值加取 得礦區成本的帳面值，否則應認列減損損失，稱之為天花板測試。而在 1985 年底至 1986 年初， 石油價格大幅滑落，造成許多石油公司資產帳面價值高於市價，而上述天花板測試限縮這些公司 認列資產減損的時間點。
9
於非金融資產及一般產業，議題則涵蓋資產減損之決定因素（如 Francis, Hanna, and Vincent, 1996；Loh and Tan, 2002；Chao, 2006；謝宛庭和吳清在，2005；曹
美娟，2005；鄭文吉，2005）、管理當局的動機（如 Elliott and Shaw, 1988；Strong
and Meyer, 1987；Zucca and Campbell, 1992；Rees, Gill, and Gore, 1996；Riedl, 2004；Chao, 2006；謝宛庭和吳清在，2005）以及資產減損與公司股價或盈餘的 關聯性（例如 Francis, Hanna, and Vincent, 1996；Alciatore, Easton, and Spear,
2000；Collins and Henning, 2004；謝宛庭和吳清在，2005）。本文從行為會計的
角度切入，探討公司管理階層其資產減損決策是否存在知識的詛咒偏誤，是本文 與現有文獻最大不同之處；其次，在樣本方面，過去多僅針對一般製造業進行研 究，本文同時使用行業特性迥異的電子業與金融業進行研究，分析其資產減損行 為與盈餘管理動機之異同，可填補相關文獻之不足；第三，本文從公司整體角度， 同步考量公司金融與非金融資產減損決策，有別於過去研究僅單向考慮單一類別 資產減損之作法，可提供更為穩健之結論。 二、研究假說 在資本市場的運作中，分析師通常會根據過去已發布的財務報表及現時資 訊，對未來發布預測，而公司管理階層在擁有分析師對本公司未來盈餘預期之資 訊下，決定是否從事盈餘管理以及其方式以達成分析師的預期。而許多會計研究 均指出公司可能爲了達成某一特定盈餘目標(即所謂盈餘門檻)而從事盈餘管理 (Burgstahler and Dichev, 1997; Degeorge et al., 1999 ; Bhattacharya et al., 2003)，而 分析師盈餘預期即是其中一個重要門檻。 在上述分析師預測及管理當局回應的運作過程中，我們可以把分析師看成 是”先手” (first mover)，而管理階層則為”後手” (second mover)。而在上節文獻回 顧中，我們發現即使是資深的專業會計師，即無法避免知識的詛咒偏誤，而且， Kennedy(1995)進一步發現刻責性(accountability)及經驗皆無法避免上述偏誤。因
10 此，即使是具有高度專業的管理當局，在進行資產減損的相關決策時，是否因為 無法忽略分析師所提出的資訊，而發生上述知識的詛咒偏誤，過去未曾有文獻針 對此議題進行研究，而這也構成本文最主要的研究課題。根據以上推論，本文建 立下列假說並進行測試： 假說一：管理階層有關(金融)資產減損的決策存在知識的詛咒偏誤。 本文之所以使用電子業及金融業為研究樣本，主要是因為資產減損分為金融 及非金融兩大部份，而電子業係以「製造產品」為其主要業務，廠房設備為其主 要資產；而金融業則以「提供服務」，賺取利差及手續費為其主要收入來源，其 固定資產主要為分行據點，且較電子業有較高比重之金融資產，兩者之營運模式 及所處產業環境明顯不同；再者，Balsam et al. (2003)、Elder and Zhou (2002)、 Hogan and Jeter (1999) 、Krishnan (2005)、Francis (2004)、Solomon et al. (1999) 等產業專家會計師文獻也認為不同產業其行業特性及產業知識存在明顯差異，故 金融業與電子業分析師其擁有的專業知識可能有所不同；另一方面，過去有關非 金 融 資 產 的 減 損 研 究 認 為 資 產 減 損 係 反 映 管 理 當 局 的 投 機 報 導 行 為
（opportunistic reporting）（如 Elliott and Shaw, 1988；Strong and Meyer, 1987；Zucca
and Campbell, 1992；Riedl, 2004；Chao, 2006；謝宛庭和吳清在，2005）。綜合上
述，我們預期兩個產業其金融與非金融資產減損的盈餘管理動機可能存在顯著差
異，故建立假說如下（以虛無假說形式）：
11
参、研究設計
一、研究期間與樣本選取 由於我國財務會計準則第 35 號公報對會計年度開始日在 2005 年 1 月 1 日 （含）以後的財務報表適用之，而第 34 號公報則規定適用於會計年度開始日在 2006 年 1 月 1 日（含）以後的財務報表適用，並不得提前適用。因此，本文以 2006 年至 2008 年為樣本期間，而由於變數整理需用到前一年度之資料，故資料 蒐集期間為 2005 至 2008 年，資料來源為台灣經濟新報社資料庫及公開資訊觀測 站。 因應本文研究主題，我們採取配對樣本之研究設計，針對台灣上市櫃公司， 按年度及資產總額，以金融業搭配電子業、一比一的配對方式加以配對。經過上 述篩選程序及排除資料有遺漏值者後，最終樣本共計 270 個觀測值，其中電子業 有 138 個觀測值，金融業則有 132 個觀測值。 二、研究模型與變數定義 依據財務會計準則之規定，企業應於資產負債表日評估金融資產及非金融 資產是否發生減損，若有客觀證據顯示業已減損，應評估其可回收金額，若可回 收金額低於其帳面價值時，應將帳面價值降至可回收金額，降低部分認列為減損 損失。 公司在做資產減損損失提列決策時，除了判斷是否符合公報規定之條件 外，管理階層或許會從公司整體之角度－而非單就第 34 號或 35 號個別公報之觀 點－來評估資產減損決策之經濟後果。因此，有別於以往研究僅使用最小平方法 (OLS)針對單一類別資產減損進行研究，我們亦採取聯立方程式之研究設計，使 用兩階段最小平方法（two-stage least squares method,簡稱 2SLS）對金融資產減12 損損失與非金融資產減損損失進行分析。3 首先，我們利用式(1)及式(2)進行初步分析（變數下方之符號代表預期方向）：
0 1 2 3 4 5 6 7 8 9 _ _ it it it it it it it it it itFIN IMP IMP BATH SMOOTH SIZE LEV
DIRHOLD MANHOLD DEV CHN PRE
? － ＋ ? ?
10 11 12 13 14 _ (1) it it it it it iD IND CFO SECTA MKTRET D
? ? ? ?
0 1 2 3 4 5 6 7 8 9 10 _ _ _ it it it it it it it it it it itIMP FIN IMP BATH SMOOTH SIZE LEV
DIRHOLD MANHOLD DEV CHN PRE D IND
－ ＋ ? (?)
11 12 13 14 1 15 (2) it it it it it iCFO SALES PPETA BTM D
? ? ? ?
? 其中， IMPit：i公司第t年認列之資產減損損失金額（以正值表達），並以期初總資 產平減。 FIN_IMPit：i公司第t年認列之金融資產減損損失金額（以正值表達），並以 期初總資產平減。 BATHit：洗大澡之代理變數，以i公司第t年尚未減除資產減損損失及金融資 產減損損失之淨利（即資產減損前淨利，並以期初總資產平減）減 去第t-1年尚未減除資產減損損失之淨利（以期初總資產平減），若 3根據 Greene（2000），當一個經濟體系中的某些變數是同時被決定時，這些變數稱為內生變數 （endogenous variables）。為了求得內生變數間的互動關係，可建立聯立方程式求算各變數的係 數。13 變動數小於負值之中位數者，則BATH等於變動數，反之則設為0。 SMOOTHit：損益平穩化之代理變數，以i公司第t年尚未減除資產減損損失及 金融資產減損損失之淨利（即資產減損前淨利，並以期初總資產平 減）減去第t-1年尚未減除資產減損損失之淨利（以期初總資產平 減），若該變動數大於正值之中位數者，則SMOOTH等於變動數， 反之皆設為0。 SIZEit：公司規模，為i公司第t年底的資產總額，取自然對數。 LEVit：i公司第t年底的負債比率，為總負債除以總資產。 DIRHOLDit：i公司第t年底之董事會持股比例。 MANHOLDit：i公司第t年底之經理人持股比例。 DEVit：為i公司第t年控制股東控制權比率減所有權比率。 CHN_PRE it：虛擬變數，若i公司第t年發生董事長異動者設為1，反之則為0。 D_INDit：虛擬變數，若公司聘任獨立董事者設為1，反之則為0。 △CFOit：i公司第t年營業活動現金流量減第t-1年營業活動現金流量，並以期 初總資產平減。 SECTAit：金融資產佔總資產比率，以i公司第t年之金融資產總額除以總資產。 MKTRETt：第t年之大盤報酬率。 ᇞSALESit：i公司第t年的營收淨額成長率。 PPETAit：固定資產佔總資產比率，以i公司第t年之財產廠房設備總額除以總
14 資產。 BTMit-1：淨值市值比，為i 公司t-1 年底之股東權益總額除以t-1年底之市值。 Dit：虛擬變數，若觀察值屬金融業者設為1，反之則為0。 在式(1)及式(2)中，首先，本文參考 Riedl（2004）的做法，設立 BATH 做 為洗大澡之代理變數，但與其他文獻最大不同之處，在於我們同時考量資產減損 損失及金融資產減損損失。若式(1)及式(2)中 BATH 的係數為負，表示樣本公司 會因為當年度績效較差而提列較高之金融及非金融資產減損損失以從事洗大澡 之盈餘管理。有關管理階層是否在盈餘高於預期時傾向多認列金融及非金融資產 減損損失以達成損益平穩化之目的，本文參考 Riedl（2004）做法，分別在式(1) 及式(2)中加入 SMOOTH 變數加以探討，但在變數設定方面，我們同時考量資產 減損損失及金融資產減損損失。若式(1)及式(2)中 SMOOTH 的係數為正，表示樣 本公司傾向於因為當年度績效較佳而提列較高之金融及非金融資產減損以從事 損益平穩化之盈餘管理。此外，電子業係以「製造產品」為其主要業務，廠房設 備為其主要獲利工具，亦佔總資產相當比例；而金融業則以「提供服務」，賺取 利差及手續費為其主要收入來源，其固定資產主要為分行據點，且較電子業有較 高比重之金融資產。此兩大產業其金融與非金融資產減損損失的提列是否存有顯 著差異?過去從未有文獻針對此議題加以探討，因此，我們藉由產業別虛擬變數 Dit (若觀察值屬金融業者設為 1，反之則為 0)對此問題進行初步分析。 過去文獻指出，即使是資深的專業會計師，亦無法避免知識的詛咒偏誤。隨 著資本市場的國際化，分析師的角色益形重要。分析師根據過去已發布的財務報 表及現時資訊，對未來發布預測，而公司管理階層在擁有分析師對本公司未來盈 餘預期之資訊下，決定是否從事盈餘管理以及其方式以達成分析師的預期。在此 種情境下，我們可以把分析師看成是”先手” (first mover)，而管理階層則為”後手”
15 (second mover)，在上述過程中，即便是具有高度專業的管理當局，在進行資產 減損的相關決策時，是否因為無法忽略分析師所提出的資訊，而發生上述知識的 詛咒偏誤，便是本文最主要的研究課題。而本文之所以使用電子業及金融業為研 究樣本，主要考量電子業係以「製造產品」為其主要業務，廠房設備為其主要資 產；而金融業則以「提供服務」，賺取利差及手續費為其主要收入來源，其固定 資產主要為分行據點，且較電子業有較高比重之金融資產，兩者之營運模式及所 處產業環境明顯不同，而Balsam et al. (2003)、Elder and Zhou (2002)、Hogan and Jeter (1999) 、Krishnan (2005)、Francis (2004)、Solomon et al. (1999)等產業專家 會計師文獻也認為不同產業其行業特性及產業知識存在明顯差異，故金融業與電 子業分析師其擁有的專業知識可能有所不同，且台灣的電子業為全球資訊產業供 應鏈重要一環，有許多國內外專業投資人及分析師對其進行分析與預測，故若電 子業管理當局欲利用提列資產減損以從事盈餘管理的話，會利用管理當局及電子 業分析師皆較為熟悉的非金融資產?亦或是雙方皆較不熟悉的金融資產以達成目 的呢?；同樣地，金融業的分析師對金融業的金融資產有相當豐富的專業知識， 故在存有專業分析師的情形下，是否會影響金融業管理當局其資產減損誘因與工 具的選擇?過去並未有相關文獻可回答上述問題。另一方面，過去有關非金融資 產的減損研究認為資產減損係反映管理當局的投機報導行為（opportunistic
reporting）（如Elliott and Shaw, 1988；Strong and Meyer, 1987；Zucca and Campbell,
1992；Riedl, 2004；Chao, 2006；謝宛庭和吳清在，2005）。但有關製造業與金融
業其金融(與非金融)資產減損之盈餘管理動機是否存在差異，目前未有相關證 據，因此，本文利用式(3)及式(4)之研究設計，針對本文研究假說進行測試：
16
0 1 2 3 4 5 6 7 8 9 _ _ it it it it it it it it it itFIN IMP IMP BATH SMOOTH SIZE LEV
DIRHOLD MANHOLD DEV CHN PRE
? － ＋ ? ?
10 11 12 13 _ it it it itD IND CFO SECTA MKTRET
? ? ?
14 15 16 * * (3) it it it i D BATH D SMOOTH D ? ? ?
0 1 2 3 4 5 6 7 8 9 _ _ it it it it it it it it it itIMP FIN IMP BATH SMOOTH SIZE LEV
DIRHOLD MANHOLD DEV CHN PRE
－ ＋ ? (?)
10 11 12 13 14 1 _ it it it it itD IND CFO SALES PPETA BTM
? ? ? ?
15 16 17 * * (4) it it it i D BATH D SMOOTH D ? ? ? 在式(3)及式(4)中，我們利用兩個交乘項變數來檢定假說二。若式(3)的實證 結果顯示BATH D 或* it SMOOTH D 的係數顯著，即代表金融業與電子業其提列* it 金融資產減損損失的盈餘管理動機有顯著不同。同樣地，在式(4)中，若BATH D* it 或SMOOTH D 的係數顯著，即代表金融業與電子業其提列非金融資產減損損* it 失的動機有明顯差異。而有關假說一的檢定，本文則是藉由檢視管理當局期金融 與非金融資產減損決策進行綜合分析。 在控制變數部份，由於提列資產減損損失會降低公司之盈餘，進而影響分紅 及股價，董事或經理人可能會基於自利動機而影響資產減損決策，故本文加入董 事會持股比例DIRHOLD及經理人持股比例MANHOLD加以控制；過去文獻指出 (如Beasley, 1996; Chtourou et al., 2001; Klein, 2002; Xie et al., 2003），當董事會中 獨立董事或外部董事的比率越高，愈能有效執行其監督功能，抑制公司盈餘管理17
的程度；由此推論，獨立董事可能會影響公司資產減損損失之提列，故我們加入 D_IND此變數。而控制股東對於公司的經營，可能存在正的誘因效果與負的侵佔 效果(Claessens et al., 2002)，當控制股東所有權與控制權偏離程度愈大，控制股 東愈有誘因侵奪剝削小股東的財富(Shleifer and Vishny,1997; Claessens et al., 2000)，此即為負的侵佔效果，故我們加入DEV以瞭解控制股東所有權與控制權 偏離程度對資產減損損失之提列所帶來的影響。過去文獻指出，當公司經營權發 生變動，新的經營者為了凸顯其領導能力及績效，可能會有洗大澡的動機，而管 理當局可能藉由減損損失之提列來達成上述目的，故我們加入CHN_PRE此變數 加以控制。Bartov（1993）認為在債務契約假說下，管理當局可能會操縱會計數 字以符合合約的條件，故我們加入負債比例LEV加以控制；Riedl（2004）指出， 營業活動現金流量的變動，表示在現金基礎之下，公司資產可回收金額變動，故 加入△CFOit此變數並預期其為負號；而營收成長率反映資產減損損失的可能跡 象(Riedl, 2004），故本文加入△SALES此變數加以控制；過去研究發現公司規模
愈大，資產減損金額愈高（Elliott and Hanna, 1988），故我們亦加入公司規模SIZE
加以控制。而淨值市值比及固定資產占總資產比率反映公司發生資產減損之可能
性，故我們在式(2)及式(4)中加入BTMit-1及PPETAit兩個變數。而在金融資產減損
部分，金融資產之比重反映公司發生金融資產減損之可能性，故我們加入SECTAit
加以控制；而整體金融市場之表現亦反映公司發生金融資產減損之機率，故我們
18
肆、實證結果與分析
一、敘述統計 表一 敘述性統計量及單變量檢定 電子業 金融業 差異 變數 平均數 中位數 標準差 平均數 中位數 標準差 平均數 中位數 IMPit 0.001 0.000 0.003 0.002 0.000 0.014 0.001 0.000** FIN_IMPit 0.001 0.000 0.004 0.000 0.000 0.001 -0.001*** 0.000*** BATHit -0.030 0.000 0.057 -0.021 0.000 0.046 0.009 0.000 SMOOTHit 0.027 0.000 0.056 0.012 0.000 0.042 -0.015** 0.000*** SIZEit 18.008 18.248 1.257 18.169 18.376 1.448 0.161 0.128 LEVit 42.499 44.860 15.380 59.694 67.395 33.141 17.195*** 22.535*** DIRHOLDit 17.484 11.365 14.571 21.607 15.090 18.238 4.124** 3.725** MANHOLDit 1.377 0.670 1.722 0.348 0.170 0.456 -1.029*** -0.500*** DEVit 8.858 3.260 12.125 7.489 0.650 13.457 -1.369 -2.610*** CHN_PREit 0.228 0.000 0.421 0.475 0.000 0.501 0.247*** 0.000*** D_INDit 0.614 1.000 0.488 0.432 0.000 0.497 -0.182*** -1.000*** △CFOit 0.008 0.002 0.090 0.017 0.004 0.091 0.009 0.002 △SALESit 19.354 6.410 88.843 -13.414 2.055 213.562 -32.768* -4.355 *** PPETAit 0.260 0.122 0.255 0.024 0.014 0.032 -0.236 *** -0.108*** BTMit-1 0.639 0.568 0.332 0.893 0.866 0.299 0.254*** 0.298*** SECTAit 0.031 0.010 0.053 0.179 0.097 0.208 0.149*** 0.087*** MKTRETit -7.421 8.360 31.929 -7.488 7.400 31.895 -0.067 -0.960 a. *,**,***表示檢定結果分別達到 10%、5%、1%之顯著水準。 b.變數定義： IMPit：i 公司第 t 年認列之資產減損損失金額（以正值表達），並以期初總資產平減。 FIN_IMPit：i 公司第 t 年認列之金融資產減損損失金額（以正值表達），並以期初總資產平減。 BATHit：洗大澡之代理變數，以 i 公司第 t 年尚未減除資產減損損失及金融資產減損損失之淨利（即資產減損前淨利， 並以期初總資產平減）減去第 t-1 年尚未減除資產減損損失之淨利（以期初總資產平減），若變動數小於負值之中位數者， 則 BATH 等於變動數，反之則設為 0。 SMOOTHit：損益平穩化之代理變數，以 i 公司第 t 年尚未減除資產減損損失及金融資產減損損失之淨利（即資產減損前 淨利，並以期初總資產平減）減去第 t-1 年尚未減除資產減損損失之淨利（以期初總資產平減），若該變動數大於正值之 中位數者，則 SMOOTH 等於變動數，反之皆設為 0。 SIZEit：公司規模，為 i 公司第 t 年底的資產總額，取自然對數。 LEVit：i 公司第 t 年底的負債比率，為總負債除以總資產。 DIRHOLDit：i 公司第 t 年底之董事會持股比例。19 MANHOLDit：i 公司第 t 年底之經理人持股比例。 DEVit：為 i 公司第 t 年控制股東控制權比率減所有權比率。 CHN_PRE it：虛擬變數，若 i 公司第 t 年發生董事長異動者設為 1，反之則為 0。 D_INDit：虛擬變數，若公司聘任獨立董事者設為 1，反之則為 0。 △CFOit：i 公司第 t 年營業活動現金流量減第 t-1 年營業活動現金流量，並以期初總資產平減。 SECTAit：金融資產佔總資產比率，以 i 公司第 t 年之金融資產總額除以總資產。 MKTRETt：第 t 年之大盤報酬率。 SALESit △ ：i 公司第 t 年的營收淨額成長率。 PPETAit：固定資產佔總資產比率，以 i 公司第 t 年之財產廠房設備總額除以總資產。 BTMit-1：淨值市值比，為 i 公司 t-1 年底之股東權益總額除以 t-1 年底之市值。 Dit：虛擬變數，若觀察值屬金融業者設為 1，反之則為 0。 表一按產業別分別列示實證變數之敘述統計量及其平均數與中位數檢定。首 先，在金融資產減損損失佔總資產之比例FIN_IMP方面，電子業樣本的平均數及 中位數較金融業顯著為高，亦即電子業公司平均而言認列較高之金融資產減損損 失；而在資產減損損失金額佔總資產之比例IMP部分，我們發現電子業公司平均 數較金融業為低，但僅有中位數部分顯著，綜合來看，敘述統計的結果初步支持 樣本公司管理當局在資產減損的決策方面，囿於分析師預測，而犯有知識的詛咒 偏誤，支持假說一的預期。 在盈餘管理誘因部分，在洗大澡的代理變數BATH方面，我們發現電子業的 平均數較金融業為低，但差異並不顯著；而在損益平穩化代理變數SMOOTH部 份，電子業的平均數與中位數皆較金融業顯著為高，故初步證據顯示電子業較金 融業更易有損益平穩化的動機。在董事會持股比例DIRHOLD及經理人持股比例 MANHOLD部分，金融業其董事會持股比例顯著較高，但電子業有較高之經理 人持股比例；我們也發現金融業其CHN_PRE之平均數及中位數皆顯著較高，顯 示其經營權更迭較為頻繁。在其他公司治理機制部分，電子業公司其所有權及控 制權偏離程度顯著較高，但聘任獨立董事之公司比例也相對較高。 在其他控制變數方面，首先，就公司規模SIZE而言，兩組樣本之平均數與中 位數差異並不顯著，顯示本文的樣本配對過程應屬允當；在負債比率LEV部份， 金融業的平均數及中位數皆較電子業顯著為高，這可能是因為金融業主要係收受 存款再進行放款賺取利差之行業特性所致；電子業營收成長率△SALES較金融業
20 顯著為高，符合投資人對高科技產業具備高成長特性的預期；而電子業公司有較 高之固定資產比率，金融業則有較龐大之金融資產，此兩變數充分反映兩個產業 迥異之行業特性；在淨值市值比BTM部分，電子業平均數及中位數皆顯著較低， 這或許是因為投資人認為電子業具有高成長之特性所致，而此變數亦可能反映發 生資產減損之機率；而△CFO及MKTRET方面，兩個產業之差異並不顯著。 表二列示實證變數之相關係數矩陣，左下半部份為Spearman相關係數，而右 上半部份為 Pearson相關係數。在Pearson相關係數方面，我們發現BATH與IMP、 FIN_IMP皆呈顯著負相關，顯示就整體樣本而言，公司會因為洗大澡之誘因提列 較高之金融及非金融資產減損損失；整體而言，表二的數據顯示變數間之相關係 數並無過高之現象，意味本文後續迴歸分析結果應無共線性之疑慮，但我們亦會 在迴歸分析中針對此問題加以檢視。
21 表 二 Pearson 與 Spearman 相關係數矩陣 變 數 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 1.IMPit 0.013 ‐0.156 *** ‐0.030 ‐0.086 0.113* ‐0.029 ‐0.059 0.166*** ‐0.017 ‐0.065 ‐0.026 ‐0.008 0.005 0.177*** ‐0.014 0.026 2.FIN_IMPit ‐0.043 ‐0.158 *** ‐0.019 ‐0.072 ‐0.111* ‐0.056 0.256*** 0.048 0.075 ‐0.047 ‐0.106* 0.021 0.150** 0.005 ‐0.080 ‐0.142** 3.BATHit ‐0.036 ‐0.095 0.190 *** 0.077 0.126** 0.089 0.085 ‐0.068 0.044 ‐0.057 0.064 0.368*** ‐0.252*** ‐0.083 0.105* 0.335*** 4.SMOOTHit ‐0.062 ‐0.024 0.327 *** 0.003 ‐0.147** ‐0.101* ‐0.075 ‐0.037 ‐0.028 0.063 0.046 0.169*** 0.124** ‐0.047 ‐0.114* 0.231*** 5.SIZEit 0.219 *** 0.065 0.089 ‐0.009 0.128** ‐0.087* ‐0.283*** ‐0.253*** 0.155*** ‐0.084 ‐0.019 0.034 0.164*** ‐0.095* ‐0.101* 0.012 6.LEVit 0.277 *** ‐0.048 0.193*** ‐0.149** 0.106** 0.216*** 0.021 0.186*** 0.158*** ‐0.218*** ‐0.027 0.081 ‐0.185*** 0.284*** 0.352*** ‐0.004 7.DIRHOLDit 0.007 ‐0.154 ** 0.090 ‐0.114* ‐0.017 0.163*** 0.025 0.584*** 0.089* 0.063 ‐0.009 0.014 ‐0.026 ‐0.021 ‐0.027 ‐0.001 8.MANHOLDit ‐0.112 * 0.198*** 0.044 0.027 ‐0.304*** 0.088* ‐0.148*** 0.145*** ‐0.182*** 0.092* ‐0.058 0.067 ‐0.105** ‐0.132** ‐0.151*** 0.023 9.DEVit ‐0.051 0.000 ‐0.068 0.032 ‐0.103 ** 0.096* 0.144*** 0.260*** ‐0.035 ‐0.008 0.002 0.058 0.043 ‐0.027 ‐0.047 0.023 10.CHN_PREit 0.153 ** ‐0.052 0.009 ‐0.002 0.152*** 0.145*** 0.081 ‐0.286*** ‐0.089* ‐0.051 0.000 0.000 ‐0.059 0.202*** 0.089* ‐0.039 11.D_INDit ‐0.013 ‐0.024 ‐0.054 0.118 * ‐0.075 ‐0.208*** 0.066 0.040 ‐0.056 ‐0.051 0.076 0.039 0.215*** ‐0.104* ‐0.173*** ‐0.176*** 12.△CFOit ‐0.057 ‐0.040 0.031 0.132 ** 0.004 ‐0.026 ‐0.006 0.048 ‐0.007 0.030 0.067 0.089 ‐0.020 ‐0.115* 0.110* ‐0.092 13.△SALESit ‐0.161 *** 0.014 0.586*** 0.450*** 0.051 0.184*** 0.051 0.205*** 0.045 ‐0.063 0.013 0.160*** 0.087* ‐0.180*** 0.028 0.134** 14.PPETAit ‐0.012 0.219 *** ‐0.122** 0.155*** ‐0.104** ‐0.014 ‐0.122** 0.203*** 0.100* ‐0.102* 0.144*** 0.016 0.105** 0.025 ‐0.212*** ‐0.005 15.BTMit‐1 0.194 *** ‐0.058 ‐0.040 ‐0.112* ‐0.106** 0.318*** 0.021 ‐0.245*** ‐0.104** 0.244*** ‐0.122** ‐0.129** ‐0.132** ‐0.033 0.261*** ‐0.011 16.SECTAit 0.138 ** 0.045 0.202*** ‐0.022 ‐0.018 0.504*** ‐0.056 ‐0.002 ‐0.095* 0.045 ‐0.203*** 0.077 0.140*** 0.039 0.210*** 0.025 17.MKTRETit ‐0.051 ‐0.191 *** 0.364*** 0.261*** 0.026 ‐0.003 0.014 0.012 0.059 ‐0.023 ‐0.126** 0.027 0.301*** ‐0.011 0.021 0.070
註：a.左下半部份為 Spearman 相關係數，而右上半部份為 Pearson 相關係數。 b.變數定義請參考表一。上標*
,**
,***
22 二、迴歸分析 因應本文的研究課題，我們按年度及資產總額，以金融業配電子業、一比一 配對的方式，針對電子業與金融業公司其金融及非金融資產減損之提列加以檢 視。考量公司在做資產減損損失提列決策時，除了判斷是否符合公報規定之條件 外，管理階層或許可能從公司整體之角度－而非單就第34號或35號個別公報之角 度－評估資產減損決策之經濟後果。因此，有別於以往研究僅使用最小平方法 (OLS)針對單一類別資產減損進行研究，我們亦採取聯立方程式之研究設計，使 用兩階段最小平方法（two-stage least squares method,簡稱2SLS）對金融資產減損 與非金融資產減損進行分析。 表三 式(1)及式(2)之實證結果 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 _ _ _ (1) it it it it it it it it it it it it it it it i
FIN IMP IMP BATH SMOOTH SIZE LEV DIRHOLD MANHOLD DEV CHN PRE D IND CFO SECTA MKTRET D
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 1 15 _ _ _ (2) it it it it it it it it it it it it it it it it i
IMP FIN IMP BATH SMOOTH SIZE LEV DIRHOLD MANHOLD DEV CHN PRE D IND
CFO SALES PPETA BTM D
FIN_IMPit IMPit 變數 預測符號 OLS t 值 2SLS t 值 OLS t 值 2SLS t 值 截距項 -0.001 -0.31 -0.003 -0.75 0.006 0.62 0.007 0.57 IMPit ? 0.009 0.49 0.129 0.88 FIN_IMPit ? 0.036 0.17 -2.061 -1.26 BATHit － -0.007 -1.93 * -0.005 -0.83 -0.025 -1.86* -0.045 -2.04** SMOOTHit + 0.003 0.76 0.003 0.81 -0.001 -0.11 -0.001 -0.06 SIZEit 0.000 0.60 0.000 0.98 0.000 -0.91 0.000 -0.80 LEVit 0.000 -2.08 ** 0.000 -1.91* 0.000 1.43 0.000 0.14 DIRHOLDit ? 0.000 -0.43 0.000 0.31 0.000 -1.88 * 0.000 -1.86* MANHOLDit ? 0.001 4.15 *** 0.001 3.54*** -0.001 -1.58 0.001 0.48 DEVit ? 0.000 0.41 0.000 -0.54 0.000 3.45 *** 0.000 2.99*** CHN_PREit ? 0.001 2.80 *** 0.001 2.74*** -0.001 -0.87 0.001 0.47 D_INDit ? -0.001 -1.65 * -0.001 -1.53 0.000 -0.06 -0.001 -0.78 △CFOit -0.003 -1.59 -0.003 -1.49 -0.001 -0.13 -0.006 -0.67 △SALESit 0.000 0.97 0.000 1.32 PPETAit -0.003 -0.71 0.002 0.36
23 BTMit-1 0.004 2.03 ** 0.005 1.83* SECTAit 0.001 0.81 0.002 1.14 MKTRETit 0.000 -2.23 ** 0.000 -2.23** Dit ? -0.001 -1.23 -0.001 -1.41 -0.001 -0.26 0.000 0.02 觀察值 270 0.123 3.69*** 267 0.143 3.19*** 267 0.072 2.38*** 267 0.089 1.83** Adj. (Pseudo)R2 F-stat. 註: a. *,**,***表示檢定結果分別達到 10%、5%、1%之顯著水準。 b.變數定義請詳表一。 首先，我們利用式(1)及式(2)對樣本進行初步分析，表三列示其實證結果。 在表三中，我們分別列示使用最小平方法及使用兩階段最小平方法進行估計之結 果作為比較。表三的第三欄至第六欄係以金融資產減損損失FIN_IMP作為應變數 之結果，其中第三欄為最小平方法之數據，第五欄則列示2SLS的結果；而表三第 七欄至第十欄則列示以資產減損損失IMP作為應變數之結果，其中第七欄為最小 平方法之數據，第九欄則為2SLS的結果。進一步報告如下，首先，在金融資產減 損損失FIN_IMP部份，我們從表三中可發現，當使用最小平方法時，BATH的係 數顯著為負，顯示樣本公司在盈餘績效不佳年度，管理階層會因為洗大澡的動機 而提列較高之金融資產減損損失，以求未來績效能有令人耳目一新之表現；另一 方面，SMOOTH的係數雖為正但並不顯著，故有關樣本公司會利用認列較高金 額之金融資產減損損失的方式以平穩化公司盈餘之論述並未獲得證據支持；此 外，產業別虛擬變數Dit的係數雖為負但並不顯著，故初步分析顯示兩個產業其金 融資產減損損失之提列未有顯著差異。 此外，我們發現經理人持股比例MANHOLD的係數顯著為正，顯示當經理人 持股比例愈高時，公司會提列更高之金融資產減損損失；而表三也顯示CHN_PRE 的係數顯著為正，顯示當公司經營權發生變動時，新的經營者為了凸顯其領導能 力及績效，會藉由提列較高之金融資產減損損失來達成其目的；而聘任獨立董事 D_IND的係數為負，且在OLS情形下顯著，顯示當公司聘有獨立董事時，會提列 較低的金融資產減損損失。而董事會持股比例DIRHOLD及所有權控制權偏離程 度DEV的係數則不顯著。我們也發現LEV的係數顯著為負，意味當公司負債比例 較高時，較不會提列金融資產減損損失；MKTRET係數亦顯著為負，代表當總體 金融環境不佳時，公司更易發生金融資產減損之情事。
24 表三第七欄至第十欄列示以資產減損損失IMP作為應變數之結果，其中第七 欄為最小平方法之數據，第九欄則為2SLS的結果。從表三可發現，不論是採用 OLS或2SLS，BATH的係數皆顯著為負，顯示就全體樣本而言，在盈餘績效表現 不佳年度，管理階層會因為洗大澡的動機而提列較高之資產減損損失，以求未來 績效能脫胎換骨；而SMOOTH的係數則不顯著，故並不支持公司會因為損益平 穩化之動機而提列較高資產減損損失之論述。4此外，產業別虛擬變數Dit亦不顯 著，顯示金融業與電子業其資產減損損失金額並無顯著差異。 再者，我們發現DIRHOLD的係數顯著為負，亦即當董事會持股比例愈高時， 公司愈不會提列較高之資產減損損失；而DEV係數顯著為正，亦即當公司所有權 與控制權偏離程度愈大時，公司會提列更高之資產減損損失。表三中也發現 BTMit-1係數顯著為正，這意味淨值市值比反映公司發生資產減損之可能性。最
後，我們發現所有變數的變異數膨脹因子（Variance Inflation Factor）最大值在3 左右，故應無共線性之問題。 綜合表三的結果，我們發現金融業與電子業公司會因為洗大澡的動機而提列 較高之金融及非金融資產減損損失；5但我們並無發現公司會因為損益平穩化之 動機而從事資產減損的證據。我們也發現當公司董事會持股比例愈低、所有權控 制權偏離程度愈高時，會提列愈高之資產減損損失；而當公司經營權發生變動及 經理人持股比例較高時，會提列較高之金融資產減損損失。至於公司是否從整體 觀點綜合考量金融及非金融資產減損決策，表三並無一致結論。 表四 式(3)及式(4)之實證結果 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 _ _ _ it it it it it it it it it it it it it it it
FIN IMP IMP BATH SMOOTH SIZE LEV DIRHOLD MANHOLD DEV CHN PRE D IND CFO SECTA MKTRET D BATH 16 *Dit SMOOTH D* it i (3)
4在 OLS 迴歸分析部分，本研究亦曾將金融資產減損損失 FIN_IMP 及資產減損損失 IMP 排除在
自變數外，重新進行所有測試，並得到相似之實證結果。
5為避免研究結論受到離群値(outlier)的影響，本研究亦曾將實證變數最小的 1%與最大的 99%予
以溫塞化(winsorized)處理，並使用溫塞化之資料進行所有實證分析。實證結果顯示，不論變數是 否經過溫塞化處理，本文主要結論並無改變。
25 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 1 15 _ _ _ it it it it it it it it it it it it it it it it
IMP FIN IMP BATH SMOOTH SIZE LEV DIRHOLD MANHOLD DEV CHN PRE
D IND CFO SALES PPETA BTM D 16BATH D* it 17SMOOTH D* it i (4) FIN_IMPit IMPit 變數 預測符號 OLS t 值 2SLS t 值 OLS t 值 2SLS t 值 截距項 -0.001 -0.23 -0.002 -0.67 0.006 0.66 0.007 0.61 IMPit ? 0.019 0.99 0.119 1.11 FIN_IMPit ? 0.122 0.58 -2.051 -1.24 BATHit － -0.015 -3.02 *** -0.016 -3.00*** 0.014 0.83 -0.017 -0.55 SMOOTHit + 0.003 0.67 0.004 0.85 -0.011 -0.72 -0.011 -0.58 SIZEit 0.000 0.50 0.000 0.91 0.000 -0.93 0.000 -0.81 LEVit 0.000 -2.64 *** 0.000 -2.40** 0.000 2.46** 0.000 0.61 DIRHOLDit ? 0.000 -0.50 0.000 0.16 0.000 -1.70 * 0.000 -1.74* MANHOLDit ? 0.001 4.45 *** 0.001 3.96*** -0.001 -1.98** 0.001 0.38 DEVit ? 0.000 0.08 0.000 -0.76 0.000 3.82 *** 0.000 3.20*** CHN_PREit ? 0.001 2.72 *** 0.001 2.72*** -0.001 -0.72 0.001 0.58 D_INDit ? -0.001 -1.50 -0.001 -1.35 -0.001 -0.49 -0.002 -1.05 △CFOit -0.002 -1.04 -0.002 -0.81 -0.008 -1.11 -0.011 -1.27 △SALESit 0.000 2.37 ** 0.000 2.16** PPETAit 0.000 0.00 0.005 0.77 BTMit-1 0.003 1.52 0.004 1.47 SECTAit 0.001 0.83 0.002 1.21 MKTRETit 0.000 -2.22 ** 0.000 -2.33** Dit ? 0.000 0.11 0.000 0.29 -0.003 -1.43 -0.002 -0.72 BATH* Dit ? 0.019 2.45** 0.028 2.27** -0.114 -3.90*** -0.082 -1.95* SMOOTH* Dit ? 0.000 0.01 -0.002 -0.24 0.016 0.61 0.019 0.62 觀察值 270 0.138 3.69*** 267 0.146 3.32*** 267 0.119 3.11*** 267 0.136 2.25*** Adj. (Pseudo)R2 F-stat. 註: a. *,**,***表示檢定結果分別達到 10%、5%、1%之顯著水準。 b.變數定義請詳表一。 過去文獻指出，即使是資深的專業會計師，亦無法避免知識的詛咒偏誤。隨 著資本市場的國際化，分析師的角色益形重要。分析師根據過去已發布的財務報 表及現時資訊，對未來發布預測，而公司管理階層在擁有分析師對本公司未來盈 餘預期之資訊下，決定是否從事盈餘管理以及其方式以達成分析師的預期。在此 種情境下，我們可以把分析師看成是”先手” (first mover)，而管理階層則為”後手”
26 (second mover)，在這種情形下，即便是具有高度專業的管理當局，在進行資產 減損的相關決策時，是否因為無法忽略分析師所提出的資訊，而發生上述知識的 詛咒偏誤，便是本文最主要的研究課題。其次，本文之所以使用電子業及金融業 為研究樣本，主要考量電子業係以「製造產品」為其主要業務，廠房設備為其主 要資產；而金融業則以「提供服務」，賺取利差及手續費為其主要收入來源，其 固定資產主要為分行據點，且較電子業有較高比重之金融資產，兩者之營運模式 及所處產業環境明顯不同，而Balsam et al. (2003)、Elder and Zhou (2002)、Hogan and Jeter (1999) 、Krishnan (2005)、Francis (2004)、Solomon et al. (1999)等產業 專家會計師文獻也認為不同產業其行業特性及產業知識存在明顯差異，故金融業 與電子業分析師其擁有的專業知識可能有所不同，且台灣的電子業為全球資訊產 業供應鏈重要一環，有許多國內外專業投資人及分析師對其進行分析與預測，故 若電子業管理當局欲利用提列資產減損以從事盈餘管理的話，會利用管理當局及 電子業分析師皆較為熟悉的非金融資產?亦或是雙方皆較不熟悉的金融資產以達 成目的呢?；同樣地，金融業的分析師對金融業的金融資產有相當豐富的專業知 識，故在存有專業分析師的情形下，是否會影響金融業管理當局其資產減損誘因 與工具的選擇?過去並未有相關文獻可回答上述問題。另一方面，過去有關非金 融資產的減損研究認為資產減損係反映管理當局的投機報導行為（opportunistic
reporting）（如Elliott and Shaw, 1988；Strong and Meyer, 1987；Zucca and Campbell,
1992；Riedl, 2004；Chao, 2006；謝宛庭和吳清在，2005）。但有關製造業與金融 業其金融(與非金融)資產減損之盈餘管理動機是否存在差異，目前未有相關證 據，因此，本文利用式(3)及式(4)之研究設計進行假說測試，表四則列示其結果。 表四第三欄至第六欄列示以金融資產減損損失FIN_IMP為應變數之結果，其 中第三欄為最小平方法之數據，第五欄列示2SLS的結果。而表四第七欄至第十欄 則列示以資產減損損失IMP作為應變數之結果，其中第七欄為最小平方法之數 據，第九欄則為2SLS的結果。首先，在金融資產減損損失FIN_IMP部分，不論是 採用最小平方法或兩階段最小平方法，BATH的係數皆顯著為負，顯示電子業管 理當局會利用提列金融資產減損損失來進行洗大澡的盈餘管理；另一方面，在資 產減損損失IMP的部份，BATH及SMOOTH的係數皆不顯著；綜合來看，我們發 現電子業公司會利用提列金融資產減損損失來進行洗大澡的盈餘管理，但卻不會
27 利用提列非金融資產減損的方式來進行盈餘管理，我們認為這是因為電子業管理 當局囿於分析師預測的數字所致，亦即管理當局在做資產減損決策時因無法忽略 先前已處理之分析師資訊所導致錯誤判斷，故電子業管理當局其(金融)資產減損 的決策存在知識的詛咒偏誤，支持假說一。 其次，表四亦顯示在使用金融資產減損損失FIN_IMP為應變數時，BATH*Dit 的係數皆顯著為正，而以資產減損損失IMP為應變數時，不論是採用最小平方法 或兩階段最小平方法，BATH* Dit的係數皆顯著為負，這意味金融業公司傾向於 藉由提列資產減損損失－而非金融資產減損損失－的方式來從事洗大澡的盈餘 管理，故金融業的管理當局同樣因為無法忽略分析師所提出的預測，而影響其資 產減損的決策，故金融業管理當局其(金融)資產減損的決策同樣存在知識的詛咒 偏誤，支持假說一。 此外，我們發現不論是以金融資產減損損失FIN_IMP或資產減損損失IMP做 為應變數，實證結果皆發現BATH*Dit的係數顯著，顯示金融業的管理當局其從 事金融與非金融資產減損的誘因與電子業存在顯著差異：金融業管理當局傾向於 使用資產減損來從事洗大澡的盈餘管理，而較不會藉由金融資產減損的方式。 在控制變數方面，表四的結果大致與表三相符：我們發現當公司董事會持股 比例愈低、所有權控制權偏離程度愈高時，會提列愈高之資產減損損失；當公司 經營權發生變動及經理人持股比例較高時，會提列較高之金融資產減損損失，但 表四亦發現經理人持股比例與資產減損損失間呈顯著負相關。至於公司是否從整 體觀點綜合考量金融及非金融資產減損決策，表四亦無一致結論。此外，所有變 數之變異數膨脹因子（Variance Inflation Factor）最大值約在3左右，故應無共線 性之問題。 彙整本文的結果，我們發現電子業傾向於利用提列較高的金融資產減損損 失來達成洗大澡的目的，而非藉由使用非金融資產減損的方式，而金融業管理當 局的則恰巧相反：金融業管理當局傾向於使用資產減損來從事洗大澡的盈餘管 理，而較不會藉由金融資產減損的方式。我們認為這反映了電子業與金融業管理 當局在資產減損決策方面犯了”知識的詛咒”偏誤－亦即管理當局在做資產減損
28 決策時因無法忽略先前已處理之資訊所導致錯誤判斷之偏誤。其次，我們也發現 電子業與金融業其金融與非金融資產減損的盈餘管理動機存有顯著差異。綜言 之，本文為首篇以資產減損為情境，利用實證方式探討知識的詛咒之研究，上述 發現不但填補現有文獻的匱乏，也扭轉了一般大眾的刻板印象。此外，我們也發 現當公司董事會持股比例愈低、所有權控制權偏離程度愈高時，會提列愈高之資 產減損損失；當公司經營權發生變動及經理人持股比例較高時，會提列較高之金 融資產減損損失，顯示公司治理因素對公司金融及非金融資產減損決策有顯著影 響。具體而言，本文的發現不但填補現有文獻的匱乏，扭轉了一般大眾的刻板印 象，並具備相當之政策意涵。
29
