公司治理與財務預警模型

全文

(1)國立高雄大學金融管理研究所碩士論文. 公司治理與財務預警模型 Corporate Governance and Financial Distress Prediction Model. 研究生：林珮阡撰指導教授：陳怡凱. 博士. 中華民國九十九年六月.

(2) 公司治理與財務預警模型. 指導教授：陳怡凱博士國立高雄大學金融管理所. 學生：林珮阡國立高雄大學金融管理所摘要. 信用風險對於金融機構來說一直是承作業務時非常重要的決定因素，對公司監督管理人來說，藉由衡量公司的信用風險可以提早察覺公司的營運問題。過去財務危機預警模型的研究多依賴財務比率的分析，但是財務比率常為窗飾效果詬病。基於上述理由，再加上近年來台灣政府對於公司治理機制的積極推動，因此本篇論文研究 1996 第一季到 2009 年第三季之間上市櫃與興櫃曾經發布財務危機訊息公司並配對財務健全公司。研究除了考量重要財務變數之外，主要貢獻在於找出重要的公司治理變數，利用 logistic 模型檢定公司宣告財務危機前一年及前兩年的財務與公司治理資料，實證發現考量公司治理因素後能增強模型的預測能力，進一步排除「紓困-財危」(紓困求援)樣本後，可以明顯改善財務危機公司以及財務健全公司預測能力，加權後的預警模型對於財務危機公司與財務健全公司的判斷能力也有所幫助。. 關鍵字： logistic 模型, 財務變數, 公司治理, 財務危機. I.

(3) Corporate Governance and Financial Distress Prediction Model Advisor: Professor Yi-Kai Chen Department of Finance National University of Kaohsiung Student: Pei-Chien Lin Department of Finance National University of Kaohsiung Abstract To financial institutions, measuring and managing credit risk has always been an important issue. Credit risk has been not only a major factor of making financial decision for financial institutions, but also for in the management of firms. Measuring the credit risk of a firm could detect the financial problems earlier and it is helpful to prevent from financial distress in advance. Previous literatures focused on the financial ratio analysis, but the effect of “window dressing” makes the analysis unreliable. Furthermore, Taiwanese government is promoting the governance mechanism. Therefore, this research investigates financial distress firms which had been listed in TSE, OTC, and ROTC and matches with healthy firms from the first quarter of 1996 to the third quarter of 2009. Based on the above reasons, in addition to the financial variables, corporate governance variables are also incorporated into logistic model. This research uses the data two years before financial distress and find corporate governance enhances the predictability of the model. Furthermore excluding the bailout-distress samples improves the predictability of financial distress and healthy firms apparently. Weighted financial prediction model also strengthens the predictability of the two groups.. Keywords: logistic model, financial variable, corporate governance, financial distress. II.

(4) 致謝即將畢業的此刻，回想貣念研究所的這兩年，充滿著許多珍貴的回憶，因為有許多人的支持與鼓勵，才能讓我順利地完成論文。. 首先感謝指導教授陳怡凱博士的教導，老師敏捷的思考能力以及對於論文的精闢見解皆讓我由衷地敬佩，老師總是在論文遇到瓶頸時指引論文的研究方向，不厭其煩地教導及給予鼓勵。也非常感謝陳安琳博士與. 高蘭芬博士百忙之中撥空前來參加. 論文口試，並以豐富的學術經驗對論文給予指教與提供寶貴的意見，有老師們的指導才能使論文更加完善，在此表達感謝之意。. 感謝金管所的老師們兩年來的教導，老師們對於專業知識的教導使我受益良多。還有一貣努力奮鬥的研究所同學們，感謝你們總是不吝嗇的給予協助，有你們研究室就充滿歡樂與互相幫助的氣氛。另外還要感謝佩玥姐在行政上的幫忙與協助。. 最後要感謝一路支持我陪伴我的家人與朋友，不管在哪裡都有你們的陪伴與鼓勵，讓我不孤單，你們的愛讓我很感動，也讓我更有勇氣與動力面對挑戰，順利地完成論文，謝謝你們。謹以此文獻給所有關心我的師長、家人以及朋友，表達感謝之意。珮阡謹致於 2010 年 6 月. III.

(5) 目錄第壹章緒論......................................................................................................................... 1 第一節研究背景與動機................................................................................................. 1 第二節研究目的與貢獻................................................................................................. 3 第三節研究架構............................................................................................................. 4 第貳章文獻探討................................................................................................................. 5 第一節財務預警相關文獻............................................................................................. 5 第二節公司治理變數及相關文獻................................................................................. 7 第參章研究方法............................................................................................................... 10 第一節研究方法介紹與選取....................................................................................... 10 第二節模型介紹........................................................................................................... 15 第三節模型建立與變數的定義................................................................................... 16 第四節財務危機的定義............................................................................................... 18 第五節樣本選擇........................................................................................................... 19 第肆章實證分析............................................................................................................... 21 第一節敘述統計分析................................................................................................... 21 第二節共線性檢定....................................................................................................... 25 第三節 LOGISTIC 模型迴歸結果 ................................................................................... 26 第四節 Z-SCORE 模型預測能力 ................................................................................. 29 第五節 LOGISTIC 原始財務比率模型預測能力 ........................................................... 31 第六節加入公司治理變數後模型預測能力............................................................... 33 第伍章刪除紓困-財危後實證分析 ................................................................................. 35 第一節第二節第三節第四節. 刪除紓困-財危後敘述統計分析 ..................................................................... 35 刪除紓困-財危後 LOGISTIC 模型迴歸結果 .................................................... 39 刪除紓困-財危後 Z-SCORE 模型預測能力................................................... 42 刪除紓困-財危 LOGISTIC 原始財務比率模型預測能力 ................................. 44. 第五節刪除紓困-財危後加入公司治理變數後預測能力 ......................................... 47 第陸章加權財務危機預警模型實證分析 ...................................................................... 49 第一節加權財務危機預警模型預測能力................................................................... 49 第二節刪除財危-紓困後加權財務危機預警模型預測能力 ..................................... 51 第柒章結論....................................................................................................................... 53 參考文獻............................................................................................................................... 58 IV.

(6) 中文文獻 ....................................................................................................................... 58 英文文獻........................................................................................................................... 59. V.

(7) 表目錄表格 1. Z-score 變數說明 .................................................................................................. 16. 表格 2 財務比率變數 ......................................................................................................... 16 表格 3 公司治理變數 ......................................................................................................... 17 表格 4 財務危機前一年敘述統計 .................................................................................... 23 表格 5 財務危機前兩年敘述統計 .................................................................................... 24 表格 6 共線性檢定 ............................................................................................................ 25 表格 7. 財務危機前一年 logistic 模型迴歸結果 ............................................................. 27. 表格 8. 財務危機前兩年 logistic 模型迴歸結果 ............................................................. 28. 表格 9 分類說明表 ............................................................................................................. 29 表格 10. 財務危機前一年 Z-score 模型預測能力 .......................................................... 30. 表格 11. 財務危機前兩年 Z-score 模型預測能力 .......................................................... 30. 表格 12 財務危機前一年財務變數模型預測能力(0.5) .................................................. 31 表格 13 財務危機前兩年財務變數模型預測能力(0.5) .................................................. 32 表格 14 財務危機前一年財務變數模型預測能力(0.6) .................................................. 32 表格 15. 財務危機前兩年財務變數模型預測能力(0.6) ................................................ 32. 表格 16 財務危機前一年加入公司治理變數模型預測能力(0.5) .................................. 33 表格 17 財務危機前兩年加入公司治理變數模型預測能力(0.5) .................................. 34 表格 18. 財務危機前一年加入公司治理變數模型(0.6) ................................................ 34. 表格 19 財務危機前兩年加入公司治理變數模型預測能力(0.6) .................................. 34 表格 20. 刪除紓困-財危後財務危機前一年敘述統計 ................................................... 37. 表格 21. 刪除紓困-財危後財務危機前兩年敘述統計 ................................................... 38. 表格 22. 刪除「紓困-財危」後財務危機前一年 logistic 迴歸結果 ............................. 40. 表格 23. 刪除「紓困-財危」後財務危機前兩年 logistic 迴歸結果 ............................. 41. 表格 24. 刪除紓困-財危後財務危機前一年 Z-score 模型預測能力 ............................. 42 VI.

(8) 表格 25. 刪除紓困-財危後財務危機前兩年 Z-score 模型預測能力 ............................. 43. 表格 26. 刪除紓困-財危後財務危機前一年財務變數模型預測能力(0.5) ................... 44. 表格 27. 財務危機前兩年刪除紓困-財危之後財務變數模型預測能力(0.5) ............... 45. 表格 28. 刪除紓困-財危後財務危機前一年財務變數模型預測能力(0.6) ................... 45. 表格 29. 財務危機前兩年刪除紓困-財危之後財務變數模型預測能力(0.6) ............... 46. 表格 30. 刪除紓困-財危後財務危機前一年加入公司治理變數模型預測能力(0.5) ... 47. 表格 31. 財務危機前兩年刪除紓困-財危後加入公司治理變數模型預測能力(0.5) ... 47. 表格 32. 刪除紓困-財危後財務危機前一年加入公司治理變數模型預測能力(0.6) ... 48. 表格 33. 財務危機前兩年刪除紓困-財危後加入公司治理變數模型預測能力(0.6) ... 48. 表格 34 財務危機前一年加權財務預警模型預測能力(0.5) .......................................... 49 表格 35 財務危機前兩年加權財務預警模型預測能力(0.5) .......................................... 50 表格 36 財務危機前一年加權財務預警模型預測能力(0.6) .......................................... 50 表格 37 財務危機前兩年加權財務危機預警模型預測能力(0.6) .................................. 50 表格 38 刪除紓困-財危後財務危機前一年加權財務預警模型預測能力(0.5) .............. 51 表格 39 刪除紓困-財危後財務危機前兩年加權財務預警模型預測能力(0.5) .............. 51 表格 40 刪除紓困-財危後財務危機前一年加權財務預警模型預測能力(0.6) ............. 52 表格 41 刪除紓困-財危後財務危機前兩年加權財務危機預警模型預測能力(0.6) ..... 52 表格 42 財務危機事件種類與說明 .................................................................................. 56 表格 43 預測能力匯總 ....................................................................................................... 57. VII.

(9) 圖目錄圖表 1 研究架構圖 ............................................................................................................ 4 圖表 2 機率與解釋變數關係圖 ..................................................................................... 14. VIII.

(10) 第壹章緒論第一節研究背景與動機隨著金融法規的鬆綁，金融機構業務範圍不斷的放寬，使銀行所面臨的風險包含了更多的面向，因此風險的衡量與管理對於金融機構營運上來說其重要性不容小覷。更何況銀行在經濟體中扮演了提供資本流動性的重要角色，甚至可以將之比擬為經濟體的血脈，因此穩定銀行的營運為金融監理單位非常重要的一項任務。銀行在承作業務時，面臨到各式各樣的風險，例如信用風險，利率風險，國家系統風險，作業風險，流動性風險，市場風險，外匯風險，償債能力風險，財務風險，表外交易風險。信用風險對於金融機構來說一直是放款決策時非常重要的決定因素；而對公司監督管理人來說，藉由衡量公司的信用風險可以提早察覺公司的營運問題，減少破產的成本;甚或提出有效的改善方法以降低公司未來破產的機率。過去研究多依賴財務比率的分析，但是越來越多研究指出，財務比率常為窗飾效果詬病，公司會計人員會藉由盈餘管理美化財務報表，使得公司財務報表真實度備受懷疑，國內也有不少案例。例如博達案，博達公司在民國88年12月18日掛牌上市後，股價曾經高達363元，之後股價突然下跌，原因為公司經理人美化財務報表及隱匿募資文件以拉抬股價，並在市場上作不當交易，最後因為操作不當而造成公司面臨財務危機，此即為窗飾效果的例證。由於財務報表的真實性令人質疑，再加上從 1997 年亞洲金融風暴以來，國際上漸漸重視公司治理的制度。1998 年經濟合作暨發展組織(OECD)高層提出亞洲發生金融危機的主要關鍵是在於公司治理制度不完善。有鑑於此台灣主管機關在 1998 年貣開始宣導公司治理的重要性，公司治理在國內便漸漸受到重視。在 2001 年主管機關修訂了董事會董事身份及人數限制。為了引進獨立董事的機制，在 2002 年規定董事會成員中至少要有兩名獨立董事，其中至少一人必頇為會計或財務專業人士。其後 2005 新修訂的公司法納入候選人提名制度，2006 年新修訂之證券交易法規定. 1.

(11) 公司應訂定董事會議事規範。一直到近年來都持續有公司治理制度的修定案。詳細法規請參閱公司法與證券交易法。從亞洲金融風暴以來，台灣主管機關修訂公司治理法案的積極程度看來，可以知道公司治理制度可以成為衡量一家公司營運狀況的參考指標。用來預測財務危機公司的方法有許多，最早財務預警模型可追溯至 Beaver(1966)以單變量方法做分析預測，開啟了運用財務比率來預測破產公司的先河。而 Altman 在 1968 年最早提出以多變量方法計算 Z-score，能以低誤差又有效地預測出美國未來可能面臨破產的公司，它發展了 5 個重要的財務比率來建構預測模型。Altman(1968)年的研究開啟了多變量財務預警模型的研究，由於多變量區別分析有許多缺點，Ohlson(1980)提出採用多變量方法的缺點為 i) 必頇假設破產及非破產公司的預測變數的共變異矩陣分配相同 ii)資料必頇符合常態假設 iii)多變量區別分析(Multiple Discriminant Analysis,MDA)跑出來的結果解釋較不直覺。另外也有文章提出多變量分析其財務比率變數較少，而且對於 dummy 變數無法有效處理等問題(陳建賓(2004))。因此近年來越來越多研究財務預警模型的文章採用迴歸 logistic 分析(Lee et al. (2003)，Lee and Yeh(2004)， Ohlson(1980)， Lennox (1999)， Foreman (2003))。根據王濟川，郭志剛(2004)提出採用線性機率模型(Linear Probability Model, LPM)來做預測，當應變數為 0 或 1 時會產生異質變異的問題，因此變異數估計是有偏的。而且由 LPM 估計出來的機率在遇到很大或很小的自變數時，機率範圍會超出 0，1。根據上述對於模型的分析，研究方法選擇採用 Logistic 函數分析。本篇研究期望在考慮了財務比率因素與公司治理因素之後，能夠增強模型的一年前甚至是兩年前的預測能力。. 2.

(12) 第二節研究目的與貢獻. 因為 Altman(1968)年研究的 Z-score 模型採用美國樣本做分析，其係數並不適用於台灣，因為以財務比率來預測公司倒閉的研究，多被抨擊財務資料會有盈餘管理的情形，財務報表有窗飾的疑慮，加上近年來的研究開始加入公司治理變數來做財務危機預測，例如 Lee and Yeh(2004)採台灣的樣本，以財務危機前一年的財務與公司治理變數做財務危機預測，發現公司治理變數確實能幫助財務危機的預測，錯誤估計的機率最低為 17.77%。根據先前的研究貢獻，本篇研究除了採用影響公司績效表現的財務變數外，進一步考慮公司治理因素，期望在公司宣告財務危機前一年，甚至在前兩年就可以預測出未來公司面臨財務危機的可能性。研究主要貢獻如下： 1.. 公司的信用風險對於金融機構來說一直是放款決策時非常重要的決定因素，將公司治理變數加入模型預測，期望能提高模型預測能力，使銀行貸放決策更準確，減少貸放決策錯誤的成本。. 2.. 希望藉由衡量公司的信用風險可以讓公司監督管理人提早察覺公司的營運問題，減少破產的成本；或是提出有效的改善方法以降低發生財務危機的機率。. 3.. 期望加入公司治理因素後，在公司面臨破產的前一年甚至前兩年即有準確的預測能力，增強模型長期預測能力。. 本篇研究期望能夠提升模型長期預測能力，藉由此努力希望能夠降低金融機構放款時的風險，以及公司也能夠更瞭解自身財務狀況，避免未來發生財務危機。. 3.

(13) 第三節研究架構研究背景與動機. 研究目的與貢獻. 文獻探討. 研究方法的選擇. 變數選取. 模型建立. 實證分析圖表 1 研究架構圖. 結論. 4.

(14) 第貳章文獻探討第一節財務預警相關文獻過去許多文獻以財務變數為主要預測變數，某些財務變數可以準確預測未來公司是否破產，Beaver(1966)研究發現 30 個財務比率中有六個財務比率可以將公司準確分類，分別是現金流量/總負債；淨利/總資產；總負債/總資產；營運資本/總資產；流動比率；非信用區間。隨著研究方法的不同，具有解釋能力的變數也會有些不同， Altman(1968)以多變量方法從 22 個財務比率變數中挑選出最有預測能力的五個變數，形成一個危機預警模型，財務變數分別為營運資金比率(營運資金/總資產帳面價值)、保留盈餘比率(保留盈餘/總資產帳面價值)、資產報酬率(息前稅前淨利/總資產帳面價值)、槓桿比率(權益市值/總負債帳面價值)、總資產週轉率(營業收入/總資產帳面價值)，在兩篇文章中，營運資本比率(營運資金/總資產帳面價值)，資產報酬率(淨利/總資產帳面價值)均有預測破產的能力。Ohlson(1980)用 Logistic 方法研究發現公司規模、淨利資產比、來自營運的資金與總負債比、淨利變化率在迴歸中呈現負相關。而融資結構、資產與負債大小的虛擬變數有正相關。國內研究方面簡宏益 (1999)研究民國 66 年到民國 87 年的上市公司的財務比率資料，經由 logistic 模式建立上市公司財務危機預警模式，研究結果發現只有債本比、流動比率、淨值週轉率、淨值報酬率在四年的預測中呈現顯著的結果。由於財務變數有窗飾效果的疑慮，再加上近年來政府對於公司治理的積極推動，越來越多研究開始探討公司治理對於公司營運的影響。在國內文獻方面，根據 Lee et al.(2003)採用 Logistic 模型研究台灣上市公司在 1998 年到 2001 年間破產公司，配對樣本取 1998 年以前以上市超過五年且沒有破產公司，總樣本共有 512 家，其中包含危機公司 57 家與健全公司 455 家。模型中採用了公司破產前一年的財務變數與公司治理變數，其中財務變數中以負債比率、資產報酬率最有影響力，公司治理變數中以最大股東現金流量權比率、執行長是否為最終控制者、最大股東質押比. 5.

(15) 率最具影響力。研究結果發現，在一比一配對樣本之下健康公司、破產公司、總預測正確率分別為 84.2%、82.5%、83.3%。一比二配對樣本之下健康公司、破產公司、總預測正確率分別為 91.2%、77.2%、86.5%。無配對總樣本之下健康公司、破產公司、總預測正確率分別為 97.8%、49.1%、92.4%。 Lee and Yeh(2004)研究台灣上市公司在1996年1月到1999年12月期間倒閉的公司，共計有破產公司45家以及配對樣本公司88家。研究採用logistic模型，模型中除了財務變數外又納入公司治理變數，研究公司破產前一年的模型預測能力。變數採用包含財務變數(負債比率、公司市值取對數、研究發展與廣告費用佔銷貨的比率)、所有權結構(控制權、股票質押比率、現金流量與控制權比率、第二大股東持股比率、機構投資人持股比率)、董事會結構(第一大股東佔董事的比率、第一大股東佔監察人的比率、非大股東佔董事比率、非大股東佔監察人比率、控制股東是否為董事長、創辦人或其後代是否仍擁有控制權)。以0.5為分界點之下，實證結果發現控制權與現金流量權差異、最大股東佔董事會中董事及監察人席次、股票質押比率越大，公司面臨財務危機的機率越大。研究也證明公司治理變數可以增強公司破產的預測，錯誤估計的機率最低為17.77%。另外過去有學者做過單一產業實證分析，Foreman(2003)採用logistic模型預測1999 年期間美國當地通訊產業共77家公司，其中包含14家破產公司與63家健康公司。模型使用破產前兩年的財務比率變數以及公司特性做分析。研究發現獲利性，資本結構，內部成長率，投資行為，滿足委託書的能力，可以預測哪些電訊產業的公司在兩年內會破產，研究也發現到有缺陷的企業計畫以及較差的執行力才是根本原因。若以財務比率來預測的誤差率為3.9%。與歷史文獻不同的是，營運資本越高，表示公司資金過度擴張。. 6.

(16) 第二節. 公司治理變數及相關文獻. 由於公司治理制度的好壞可能代表著公司監督管理的能力，因此而直接或間接影響到一家公司的營運狀況，所以本篇研究將模型加入公司治理變數並探討之。公司治理相關文獻如下： 1.. 董事會結構. (1) 董事會規模 Jensen(1993)和 Yermack(1996)提出若董事會越大，越容易傷害公司價值，因此 Chen et al.(2007)延伸這個解釋，假設如果董事會大小低於法定的最低要求或高於帄均兩個標準差時，則不適切。Core et al.(1999）實證發現董事每增加一人，經理人薪酬就會增加，但此現象反而使得公司績效變得較差。 (2) 獨立董事及外部董事比率 Bhojraj and Sengupta (2003)認為，外部董事越多，則對管理者行為的監督越有效。因此相較於管理者，債權人有較少的代理問題，評等會因此較高。他們也發現外部董事較高則負債成本比較低新債券發行時評等也比較高。Ashbaugh-Skaife et al.(2006)也發現獨立外部董事比率與債券評等成正相關。根據上述研究，本篇論文近一步將外部董事比率分為外部未上市及上市公司佔董事會比率探討之。 2.. 所有權結構. (1) 經理人持股比率過去有研究顯示，內部人持股比率越高，對公司越有利。 Jenson and Meckling(1976)提出經理人的持股比率越多，與外部少數股東的利益關係越一致，越能增加公司價值。Morck et al.(2000)發現在日本，經理人所有權結構與公司價值呈現正相關。Hiraki et al.(2003)將經理人持股定義為董事所持有的股數，發現董事會董事持股與公司價值之間有顯著為正的關係。. 7.

(17) 然而，也有研究提出不同的看法，Stulz(1988)提出，經理人持股增加時，因為接收者威脅的減少，而增加了財富掠奪的效果。Morck et al.(1988) 與 McConnell and Servaes(1990,1995)發現在美國當經理人所有權結構超過某一水準後，其公司價值會開始下降。Ashbaugh-Skaife et al. (2006)提出內部人股票持有率與債評呈現負相關，因為內部人會因為自身利益而剝奪公司資源，拒絕股東為了加強監督行為的提案。 Gordon and Pound (1993)，身為剩餘財產請求人，經理人與董事有強烈動機投資不容易成功但一旦成功報酬非常豐厚的投資專案。Jensen and Meckling (1976)因為債權人與股東的補償結構不同，因此專案會增加債權人的風險，此為財富重分配假說。 (2) 大股東持股比率 Chen et al.(2007)研究發現外部少數股東靠董事會與大股東來監督公司及保護其利益，此變數用來代表監督的有效性，因此持有 5%以上的大股東持股比率越多，公司績效表現越好。 (3) 董監事持股比率陳建賓(2004)董監事持股比率在模型中有負向關係。洪昕琳(2006)的研究發現，董監事持股比率越高，可以降低代理成本，公司發生財務危機的機率也相對較低，董監持股比率與發生財務危機的機率呈現負相關。 (4). 控制權比率與現金流量權比率 La Porta et al.(2002）提出控制股東的現金流量權對於公司有正向的影響。. Claessens et al.(2002)，Faccio and Lang(2002)，La Porta et al.(1999)提出在大部份國家中公開交易公司的投票權大於現金流量權。兩者之間差異越大，大股東剝奪小股東財富的動機越強烈。Claessens et al.(2002)，Faccio and Lang(2002)提出投票權越多，越有權利行使財富剝奪，現金流量權越少，其因為財富剝奪所產生的損失越少。Claessens et al.(2002)支持，控制股東比較不可能為了延長剝奪財富的利益而申請破產，因此公司破產機率較小。所以Lee et al.(2003) and Lee and Yeh(2004)沿用了上述文獻，實證結. 8.

(18) 果也發現控制權與現金流量權差異越大，公司面臨財務危機的機率越大。 (5) 董監事股票質押比率 Lee et al.(2003) and Lee and Yeh(2004)提出在金融機構抵押股票比率越高，公司的財務狀況不佳，財富剝奪的機率越大，且有可能將基金拿來護盤。陳建賓(2004)發現董監事質押股數佔其持股比例對公司破產的預測有正向的解釋能力以及預測能力。. 9.

(19) 第參章研究方法第一節研究方法介紹與選取 1.. 單變量 Beaver(1966)以單變量方法研究了在 1954 年到 1964 年被穆迪評等公司除名，再. 加上 Dun & Bradstreet 報導的破產公司，並在破產前一年可獲得報表資訊(資產規模) 的公司共有 79 家，38 個產業，以同產業規模相近的方式採一對一方法選取配對樣本。研究發現 30 個財務比率中有六個財務比率可以將公司準確分類，分別是現金流量/總負債；淨利/總資產；總負債/總資產；營運資本/總資產；流動比率；非信用區間，前一年財務比率預測的型一誤差較前五年的低，分別為 58%與 71%。 2.. Z-score 財務預警模型在 1968 年，Altman 利用財務比率以預測企業的倒閉可能性，模型稱之為 Z-score. 模型，模型如下：. Z  1.2 X 1  1.4 X 2  3.3 X 3  0.6 X 4  0.999X 5 其中. X 1 =營運資金/總資產帳面價值 X 2 =保留盈餘/總資產帳面價值. X 3 =息前稅前淨利/總資產帳面價值 X 4 =權益市值/總負債帳面價值. X 5 =營業收入/總資產帳面價值危險區間：Z<1.81，出現倒閉機率非常高. 10. (1).

(20) 不確定區間：1.81<Z<2.99 ，無法確定安全區間:Z>2.99 ，不可能出現倒閉風險實證結果發現，Z 等於 2.675 時為最佳分界點，破產前一年模型預測正確率達 95%，前兩年的預測正確率較低 72%，距離破產時間點越久遠，預測正確率越低。 3.. 市場模型 KMV 模型 KMV模型是由KMV公司在1997年時發展出來的信用風險評估模型(credit monitor. model)。其計算方式是根據Merton(1973)的實質選擇權理論估計出資產的市值及其波動程度求出違約間距(distance to default,DD)，進一步得到期望違約機率(Expected Default Frequency)(黃明祥等人(2005))。根據黃明祥等人(2005)整理可知，假設違約點為公司負債總額，而當公司資產市場價值低於負債總額時，公司即會違約。而市場淨價值(Market Net Worth)就是公司資產市場價值( VA )與違約點的距離。市場淨價值(Net Worth)＝資產市場價值 (V A ) －違約點(Default Point, DP)，在考量行業風險特性之後，調整定義為違約間距Distant to Default, DD)違約間距 ( DD ) =. V A - DP 因為行業風險( σ A )與資產市場價值 (V A ) 在市場 σA. 資訊中無法直接取得，所以KMV模型運用選擇權評價法求出  A ， V A 。Black-Scholes model如下： V E = V A N (d 1 ) - Xe. ln( d1 =. - rt. N. VA ) + (r + σ A2 ) X σA t. (2). (3). d 2 = d1 - σ A t. (4). 11.

(21) σE =. VAσ A N (d1 ) VE. (5). 其中. VE =股東權益市值 X =負債帳面價值. t =到期期間 r =無風險利率.  E =權益市值報酬率標準差 V A =資產市值.  A =資產市值報酬率標準差因此研究採用此方法得到  A 與 V A 之後，即可知違約間距(DD)。若假設破產為資產市場價值低於負債總額，則可求得資產價值低於負債的機率。再假設 V A 服從對數常態分配可得出第t年後破產的理論預期違約機率，以及理論的違約間距，最後再利用常態分配表求得預期違約機率(Expected Default Frequency, EDF)。黃明祥等人(2005)選取1996年至2003年期間，利用1比2的配對樣本，總共有222 家公司，其中有77家危機公司，145家正常公司，採用危機發生前四季，實證分析過程分為兩步驟，先採用KMV信用風險模型以選擇權評價模式計算樣本公司的預期違約頻率(Expected default frequencies；EDF)當作解釋變數之一，再將EDF與各項財務變數納入logit模型中，建構出信用風險管理系統。其結果發現，預期違約機率(EDF)能及早在危機發生前第三季及第四季顯著地計算企業違約之機率，且結合KMV模型至危機預警機制中，能提高其整體的有效性。 KMV Model為一套考量股票評價，以及公司財務資訊後的信用風險模型。然而影響股票的變動因素會導致股票評價不客觀，影響模型準確度，而且資產市值必頇服從對數常態分配的假設不易符合，因此模型使用較不普遍。. 12.

(22) 4.. 線性機率迴歸模型(Linear Probability Model, LPM) 模型: n. Yi    i X i   i. (6). i 0. 其中. Yi ：1，事件發生；0，事件未發生。. X i ：影響因素。.  i ： X i 對 Yi 的反應係數。 X i 與 Yi 為線性關係，事件發生的機率為 Pi ，事件未發生的機率為 1  Pi 。期望機率為 E (Yi )  0(1  Pi )  1( Pi )  Pi 。 5.. logistic 函數模型: P Yi  ln( i )   1   2 X i 1  Pi. (7). 假設 Pi 為某事件發生的機率，則經由轉換後得到機率如下：. Pi  E (Yi  1 | X i ) . 1 1  e ( 1  2 xi ). Pi 與 X i 間的關係如圖表 2。. 13. . 1 ei  1  e  i 1  e  i. (8).

(23) Pi. 1. 0. Xi. 圖表 2 機率與解釋變數關係圖 6.. Probit 函數模型假設機率服從常態分配，應變數為二元變數，模型的機率以累積分配函數作為轉. 換。其模型如下：. Yi   i   i X i   i. (9). * 當 Yi  Yi 時，發生財務危機，當 Yi  Yi* 時，未發生財務危機，機率函數如下：. Pi  P(Yi  1 | X i )  P(Yi  Yi* )  P(i   i X i )  F ( i   i X i ) Yi. F (Yi )   f ( z )dz . (10). (11). z的密度函數為 f (z )，且服從標準常態分配，則 Yi  F 1 (Yi )  F 1 ( Pi )   i   i X i 。近年來有許多學者漸漸以 logistic模型來檢定公司財務狀況及計算倒閉機率 (Ohlson(1980)， Foreman(2003) ，Lee et al.(2003)， Lee and Yeh (2004)，簡宏益(1999)，陳建賓(2004)，薛予炘(2008))。而根據Lee and Yeh(2004)的研究，二元logistic模型對參數估計非常適合，並提供了顯著的檢定，而且可以計算出每家公司的破產機率。由於本研究之應變數為0，1變數，因此本篇論文的研究方法選擇採用logistic模型來預測公司未來財務狀況及計算公司破產機率。. 14.

(24) 第二節模型介紹 Logistic 模型用於估計發生機率及探討事件發生原因，適用於應變數為 0，1 的資料型態，其假設有別於最小帄方法迴歸(Ordinary Least Square, OLS)。根據王濟川與郭志剛(2004)的整理，兩者共通點為資料必頇來自隨機樣本，應變數 Yi 被假設為 K 個自變數 X ki ( k  1,2,..., K ) 的函數，且兩者對共線性具有敏感性。與最小帄方法迴歸分析(Ordinary Least Square,OLS)不同處在於第一，logistic model 的應變數為二分變數，這個變數只能取 0 或 1，適用於欲了解某事件發生機率的研究。第二，logistic model 中應變數與各自變數之間的關係是非線性的，必頇經由函數轉換才能得到機率，且自變數的統計量不能直接解釋因變數。第三，logistic model 不需要假設同質性變異；第四，無自變數分佈的假設條件，各自變數可以是連續變數，也可以是離散變數，還可以是虛擬變數。第五，logistic model 不需要假設自變數之間存在多元常態分佈(multinormality)，但是自變數之間如果存在多元常態分佈關係，將能夠增加模型的解釋能力(power)，求解也能夠提高穩定性。基本模型如下：假設 Pi 為某事件發生的機率，. Yi  ln Pi  E (Yi  1 | X i ) . Pi  1   2 X i 1-Pi 1. 1  e ( 1  2 xi ). 其中. X i :自變數 Yi : 應變數 ln. Pi : odd ratio 1- Pi.  i : 估計式的誤差項. 15. 1 e i   1  e i 1  ei. (12) (13).

(25) 第三節模型建立與變數的定義 1.. Z-score 模型. Z  1.2 X 1  1.4 X 2  3.3 X 3  0.6 X 4  0.999X 5 表格 1. 2.. (14). Z-score 變數說明. 財務比率變數名稱. 公式. 營運資金比率 ( X 1 ) 保留盈餘比率 ( X 2 ) 資產報酬率 ( X 3 ). (流動資產-流動負債)/總資產保留盈餘/總資產稅前息前淨利/總資產. 權益市值負債帳面價值比 ( X 4 ) 銷貨收入總資產比 ( X 5 ). 權益市場價值/負債帳面價值銷貨收入/總資產. 財務變數預警模型根據Altman(1968)的研究發現採用營運資金比率、保留盈餘比率、資產報酬率、. 權益市值負債帳面價值比、總資產週轉率等變數的Z-score模型對於美國財務危機公司與財務健全公司有很好的預測能力。因此本篇研究將此五個變數納入logistic模型中。 Yi   i  1 (WCTAi )   2 ( RE i )   3 ( ROAi )   4 ( MEBDi )   5 ( SALES _ TAi ). (15). 其中. Yi  1 ，公司發生財務危機 Yi  0 ，公司財務狀況良好 Yi  ln. Pi ， 1  Pi. 財務比率變數說明如表格 2。表格 2 財務比率變數財務比率變數名稱營運資金比率(WCTA%) 保留盈餘比率 (RE%) 資產報酬率(ROA%) 權益市值負債帳面價值比(MEBD%). 公式 (流動資產-流動負債)/總資產*100 保留盈餘/總資產*100 稅前息前淨利/總資產*100 權益市場價值/總負債帳面價值 *100 銷貨收入/總資產. 銷貨收入總資產比(SALES_TA次). 16.

(26) 3.. 財務變數加入公司治理變數加入公司治理變數預警模型如下，公司治理變數說明如表格 3： Yi   i   1 (WCTAi )   2 ( RE i )   3 ( ROAi )   4 ( MEBD i )   5 ( SALES _ TAi )   6 ( BRD _ SIZE i )   7 ( BRD _ OUT _ U i )   8 ( BRD _ OUT _ Ti )   9 ( INSIDE i )   10 ( BLOCK i )   11 ( DIR _ SUPi )   12 (WEDGE i )   13 (COLL i ). (16). 其中. Yi  1 ，公司發生財務危機 Yi  0 ，公司財務狀況良好 Yi  ln. Pi 1  Pi. 表格 3 公司治理變數公司治理類別董事會結構. 所有權結構. 公司治理變數董事會規模(BRD_SIZE). 說明董事席次. 外部未上市公司佔董事會比率 (BRD_OUT_U%). 非最終控制者所控制之外部未上市 (櫃)公司出任董事(不含友好集團席次)/董事席次*100. 外部上市公司佔董事會比率 (BRD_OUT_T%). 非最終控制者透過其所控制之外部上市(櫃)公司出任董事(不含友好集團席次) /董事席次*100. 經理人持股比率 (INSIDE%) 大股東持股比率(BLOCK%). 公司內部經理人或集團經理人持股率持有5%以上的股東持股比率. 董監事持股比率(DIR_SUP%). 董監持股比率. 控制權與現金流量權偏離率(WEDGE%). 股份控制權－盈餘分配權. 董監事股票質押比率(COLL%). 董監質押比率. 註：部份資料來自 TEJ. 17.

(27) 第四節財務危機的定義 Lee and Yeh(2004)對於破產公司定義為，第一，貸款本金或利息違約，貸款條件重擬定，延長現金支付期或是減少本金及利息支付的公司；第二，淨公司價值低於資本股票價值的一半，被台灣證券交易所重新分類為全額交割股，公司法211章也明確指出損失超過資本股票一半以上時，屬於破產的情況之一。張大成等人(2003)與陳建賓(2004)也定義破產公司為在樣本期間內被列為全額交割股的公司。根據上述定義，本篇研究更進一步根據台灣經濟新報(Taiwan Economics Journal, TEJ)資料庫，將財務危機公司定義分為跳票擠兌、倒閉破產、繼續經營疑慮、掏空挪用、紓困-財危、重整、接管、暫停交易、董長跳票、銀行緊縮、銀行緊縮、全額下市、大虧，淨值低5、財務吃緊停工、景氣不佳停工、價值減損、淨值為負等16個類別。財務危機定義與說明請參閱附表之表格 42。. 18.

(28) 第五節. 樣本選擇. 過去的研究採用不同的配對比率，如Altman(1968)，Blum(1974)，Beaver(1966)， Norton and Smith(1979)以一比一的方式找出配對樣本，另外也有文獻採用一比二的方式如Deakin(1977)，Ketz(1978)。而Lee et al.(2003) and Lee and Yeh(2004)根據上述文獻的方式，選擇採用同產業同資產規模在樣本期間內沒有發生財務危機的公司，並以一比二方式找出配對樣本。薛予炘(2008)以同產業相同資產規模方法來選取配對樣本。根據Beaver(1966)的整理，配對樣本選擇過程如下： 1.. 選取一個破產公司的產業序號. 2.. 找出屬於此產業的健康公司. 3.. 再選擇資產規模最接近破產公司的健康公司. 4.. 此公司符合有在穆迪接受評等且未破產，則成為研究對象. 5.. 如果公司並不符合4.兩項規定，則挑選資產規模次接近的樣本. 6.. 重複5.動作直到找到合適配對樣本為止. 7.. 重複挑選過程直到每家破產公司都有配對樣本為止. 由於許多文獻採用大於原樣本的配對方式以增加配對樣本數，因此本篇論文採用相同產業與相似規模並以一比三的方式採集配對樣本。樣本選擇一般產業上市櫃或曾經上市櫃公司在 1996 年 1 月 1 日到 2009 年 9 月 30 日期間宣告發生財務危機事件的公司，共有 316 家，採用季資料。本篇研究採取在宣告發生財務危機事件前一年及前兩年，以相同台灣經濟新報(Taiwan Economics Journal, TEJ)所分類的產業碼及資產規模介於破產公司正負 50%以內選擇最接近破產公司資產規模的前三家的方式，配對出財務健全公司。在宣告發生財務危機的前一年之配對結果，財務危機公司有 72 家，配對樣本有 216 家。在宣告發生財務危機的前兩年的配對結果，財務危機公司有 61 家，配對樣本有 183 家。為了估計研究樣本，隨機選取了樣本前三分之二，當作估計樣本，以估計樣本估計迴歸參數值，再將其餘的三分. 19.

(29) 之一當作預測樣本帶入有估計參數的迴歸中，驗證模型準確度。危機破產前一年及前兩年的估計樣本各有 48 與 41 家(配對樣本各有 144 家及 123 家)，預測樣本各有 24 家與 20 家(配對樣本各有 72 家及 60 家)。研究樣本中，財務危機公司所宣告的財務危機事件包含了七大類別，包含跳票擠兌、繼續經營疑慮、挪用掏空、紓困-財危、重整、大虧，淨值低 5、景氣不佳停工。. 20.

(30) 第肆章實證分析第一節敘述統計分析宣告發生財務危機前一年，財務危機公司與財務健全公司的敘述統計如表格 4 所示。在宣告發生財務危機前一年五個財務變數中除了營運資金/總資產帳面價值外，保留盈餘/總資產帳面價值、息前稅前淨利/總資產帳面價值、權益市值/總負債帳面價值、營業收入/總資產帳面價值，四個變數財務健全公司的表現都顯著較財務危機公司佳。可以看出，在宣告發生財務危機前一年財務危機公司的經營能力、獲利能力比健康公司差，且財務結構較不穩定。在董事會結構方面，財務危機公司帄均董事會規模較小(6.75,6.99)，外部未上市董事佔董事會比率較高(11.71%)，外部上市公司董事佔董事會比率顯著較低(1.21%)。反之，財務健全公司的外部未上市董事佔董事會比率較低(9.42%)，外部上市公司董事佔董事會比率較高(2.36%)。所有權結構部份，財務危機公司經理人持股比率略低於財務健全公司(1.22%,1.31%)，大股東持股比率略高於財務健全公司(17.58%,16.82%)，董監持股比率顯著低於財務健全公司(21.97%,27.1%)，控制權與現金流量權偏離率略低但相差不遠(3.25%,3.82%)，值得注意的是財務危機公司董監事質押比率顯著高於財務健全公司(28.65%,8.29%)，意味著董監事質押比率越高，公司的財務體質越不佳，研究也發現，財務危機公司的董監事質押比率變動較大顯示出財務危機公司的董監事質押比率較不穩定。財務危機前兩年的敘述統計如表格 5 所示，財務危機公司的營運資金/總資產帳面價值、保留盈餘/總資產帳面價值、息前稅前淨利/總資產帳面價值、權益市值/總負債帳面價值、營業收入/總資產帳面價值都表現的比財務健全公司差，除了營業收入/ 總資產帳面價值外，都有顯著的差異。與前一年的結果相同，財務危機公司危機宣告發生前兩年的董事會規模較財務健全公司小(6.89, 7.27)，外部未上市公司董事比率相差不遠(8.52%, 8.86%) ，外部上市公司董事比率較高(2.36%, 1.65%)。與財務危機一年前情況相同，財務危機公司經理人持股比率略低於財務健全公司(1.33%, 1.43%)，大股東持股略高 (15.94%, 15.18%)，董監事持股比率顯著低於財務健全公司 (24.81%, 28.45%)，控制權與現金流量權偏離率略低(3.79%,4%)相差不大。與一年前結果相同，董監事股票質押比率顯著高於財務健全公司 19.62% (28.42%,8.8%)。這個特性透漏出. 21.

(31) 董監事質押比率越高，公司財務狀況越不佳的事實。研究也發現財務危機公司的董監事股票質押比率變動顯著大於財務健全公司，這個特性可能代表著公司即將發生財務危機的前兆。. 22.

(32) 表格 4 財務危機前一年敘述統計財務危機公司觀察值營運資金/總資產帳面價值(WCTA%）. 72. 保留盈餘/總資產帳面價值(RE%). 72. 息前稅前淨利/總資產帳面價值(ROA%). 71. 權益市值/總負債帳面價值(MEBD%). 68. 營業收入/總資產帳面價值(SALES_TA 次). 72. A.. 最小值. 最大值觀察值. 28.88. 177.93. 216. -62.66. 28.75. 216. -28.71. 16.29. 216. 6.25. 1722.78. 185. 0. 1.71. 216. 6.75 (2.45) 11.71 (15.7) 1.21 (4.47). 3. 15. 207. 0. 66.67. 207. 0. 22.22. 207. 1.22 (2.3) 17.58 (12.88) 21.97 (14.19) 3.25 (9.05) 28.65 (33.51). 0. 10.22. 207. 0. 55.7. 207. 5.61. 74.32. 207. 0. 57.52. 207. 0. 100. 207. 帄均值 (標準差) 86.61 (33.51) 5.9 (14.86) 3.49 (7.5) 241.19 (293.14) 0.67 (0.53). 最小值最大值 F 值. T值. (H0:sd0/sd1=1) (H0:mean0-mean1=0). 17.17. 186.26 0.94. -1.54. -118.69. 35.27. 0.69**. 5.65***. -50.55. 28.76. 1.02. 4.50***. 7.51. 1735.26 1.50**. 0.02. 3.15. 6.99 (2.77) 9.42 (14.81) 2.36 (6.09). 2. 1.31 (2.39) 16.82 (12.47) 27.1 (15.64) 3.82 (7.62) 8.29 (16.25). 3.05***. 2.15***. 2.90***. 21. 1.28. 0.63. 0. 71.43. 0.89. -1.1. 0. 38.46. 1.86***. 1.69**. 0. 19.31. 1.08. 0.26. 0. 61.35. 0.93. -0.43. 6.37. 100. 1.21. 2.41***. 0. 50.55. 0.71**. 0.47. 0. 93.61. 0.24***. -4.86***. 董事會結構. 董事會規模(BRD_SIZE). 69. 外部未上市公司佔董事會比率(BRD_OUT_U%). 69. 外部上市公司佔董事會比率(BRD_OUT_T%). 69. B.. 帄均值 (標準差) 93.66 (34.51) -7.3 (17.88) -1.12 (7.43) 131.1 (238.95) 0.51 (0.36). 財務健全公司. 所有權結構. 經理人持股比率(INSIDE%). 69. 大股東持股比率(BLOCK%). 69. 董監持股比率(DIR_SUP%). 69. 控制權與現金流量權偏離率(WEDGE%). 69. 董監事股票質押比率(COLL%). 69. 註：*** ，** ，*各表示在 1%，5%，10%水準下顯著。. 23.

(33) 表格 5 財務危機前兩年敘述統計財務危機公司觀察值營運資金/總資產帳面價值(WCTA%）. 61. 保留盈餘/總資產帳面價值(RE%). 61. 息前稅前淨利/總資產帳面價值(ROA%). 60. 權益市值/總負債帳面價值(MEBD%). 54. 營業收入/總資產帳面價值(SALES_TA 次). 60. 帄均值 (標準差) 8.8 (18.77) -2.84 (14.76) 1.22 (6.72) 161.23 (230.47) 0.624217 (0.51). 最小值. 財務健全公司最大值觀察值. -26.42. 53.94. 182. -53.36. 28.05. 181. -26.63. 18.26. 180. 10.88. 1582.14. 137. 0.04. 2.95. 181. 6.89 (2.78) 8.52 (13.21) 2.36 (6.04). 3. 15. 166. 0. 50. 166. 0. 20. 166. 1.33 (2.33) 15.94 (12.92) 24.81 (16.41) 3.79 (9.7) 28.42 (32.92). 0. 11.82. 166. 0. 50.04. 166. 6. 99.04. 166. 0. 57.42. 166. 0. 98.29. 166. 帄均值最小值最大值 F 值 (H0:sd0/sd1=1) (標準差) 19.84 -25.63 73.93 1.18 (20.39) 8.11 -78.74 62.24 0.87 (13.76) 5.83 -19.46 47.43 1.17*** (7.26) 322.7 27.79 2460.09 3.21*** (413.12) 0.73 0 4.37 1.49** (0.62). T值 (H0:mean0-mean1=0). 3.73*** 5.28*** 4.34*** 3.42*** 1.28. A. 董事會結構董事會規模(BRD_SIZE). 57. 外部未上市公司佔董事會比率(BRD_OUT_U%). 57. 外部上市公司佔董事會比率(BRD_OUT_T%). 57. 7.27 (3.22) 8.86 (13.87) 1.65 (5.01). 3. 21. 1.34. 0.77. 0. 60. 1.1. 0.16. 0. 25. 0.69**. -0.8. 1.43 (2.51) 15.18 (12.01) 28.45 (14.31) 4.01 (8.66) 8.8 (17.62). 0. 16.17. 1.17. 0.28. 0. 54.67. 0.86. -0.4. 6.66. 81.98. 0.76*. 1.49*. 0. 63.34. 0.8. 0.16. 0. 95.77. 0.29***. -4.26***. B. 所有權結構經理人持股比率(INSIDE%). 57. 大股東持股比率(BLOCK%). 57. 董監持股比率(DIR_SUP%). 57. 控制權與現金流量權偏離率(WEDGE%). 57. 董監事股票質押比率(COLL%). 56. 註：*** ，** ，*各表示在 1%，5%，10%水準下顯著。. 24.

(34) 第二節共線性檢定變數之間的相關性，會影響自變數對依變數的解釋，若變數間相關性太高，則產生共線性問題，模型中的某些變數將可以被其他變數取而代之。因此本篇研究進一步採用共線性檢定財務變數與公司治理變數，檢測變數是否存在共線性問題。檢定結果如表格 6，在前一年的財務變數與公司治理變數共線性皆低於 3，變異數膨脹因子(VIF)低，容忍度(1/VIF)大於 0.3，由此證明，前一年的財務變數與公司治理變數較無共線性問題。前兩年的結果相差不大，變異數膨脹因子(VIF)皆在 3.1 以下，並不高，容忍度也大於 0.3，各個自變數間預測效果比較沒有被抵銷的問題。因此由此可以證明，模型的變數之間取代性並不高。表格 6 共線性檢定前一年. 前兩年. Variable. VIF. WCTA% RE% ROA%. 1.57 2.64 2.30. 0.64 0.38 0.44. 1.55 3.08 2.92. 0.65 0.32 0.34. MEBD% SALES_TA 次. 1.37 1.19 1.24 1.05 1.18 1.16 1.13 1.47 1.33 1.28. 0.73 0.84 0.81 0.95 0.84 0.86 0.88 0.68 0.75 0.78. 1.75 1.20 1.15 1.15 1.08 1.35 1.23 1.42 1.53 1.27. 0.57 0.83 0.87 0.87 0.92 0.74 0.81 0.70 0.66 0.79. BRD_SIZE BRD_OUT_U% BRD_OUT_T% INSIDE% BLOCK% DIR_SUP% WEDGE% COLL%. 1/VIF. 25. VIF. 1/VIF.

(35) 第三節. Logistic 模型迴歸結果. 財務危機發生前一年 logistic 迴歸結果如表格 7，表格 7 可以看出營運資金比率 (WCTA%)、保留盈餘比率(RE%)、資產報酬率(ROA%)、權益市值與總帳面價值比 (MEBD%)、總資產週轉率(SALES_TA 次)五個變數之間相互獨立(Chi-square 為 35.92)。從迴歸結果發現，營運資金比率(WCTA%)與保留盈餘比率(RE%)與發生財務危機機率的關係在 5%的水準下顯著為負，分別為-0.02 及-0.04。加入公司治理變數後變數間互相獨立(Chi-square 為 54.7)，財務變數中保留盈餘比率(RE%)與財務危機發生機率之關係顯著為負，而公司治理變數中董監事股票質押比率(COLL%)則是顯著為正，正呼應了 Lee et al.(2003) and Lee and Yeh(2004)的研究結果，在金融機構抵押股票比率越高，公司的財務狀況不佳，財富剝奪的機率越大，且有可能將基金拿來護盤，因此公司的財務狀況較容易產生問題，研究也發現，加入公司治理變數後，模型解釋能力提高了(0.18 上升為 0.29)，表示加入公司治理之後能夠增強財務預警模型的解釋能力。宣告發生財務危機前兩年的 logistic 模型迴歸結果如表格 8 所示，研究發現在財務變數模型中變數之間互相獨立(Chi-square 為 26.8)，除了總資產週轉率(SALES_TA 次)之外，其餘係數皆為負相關，其中營運資金比率(WCTA%)有顯著為負的結果。加入公司治理後，各變數間仍維持互相獨立的特性(Chi-square 為 37.13)，除了總資產週轉率(SALES_TA 次)之外，其餘係數皆為負相關，值得注意的是公司治理變數中，董監事股票質押比率(COLL%)在 1%水準下與財務危機發生機率有非常顯著的正相關，再一次證明了 Lee et al.(2003) and Lee and Yeh(2004)的研究結果，在金融機構抵押股票比率越高，公司的財務狀況不佳，財富剝奪的機率越大，且有可能將基金拿來護盤，因此公司的財務狀況較容易產生問題。在加入公司治理變數後，模型的解釋能力明顯地提昇了，從原本的 0.18 升高至 0.25，公司治理確實能增強財務預警模型的解釋能力。. 26.

(36) 表格 7. 財務危機前一年 logistic 模型迴歸結果. Independent variable CONS WCTA% RE% ROA% MEBD% SALES_TA 次. Coefficient -0.34 (0.37) -0.02** (0.03) -0.04** (0.04) -0.04 (0.30) 0.00. -2.44 ** (0.02) -0.02 (0.13) -0.04* (0.09) -0.07 (0.11) 0.00. (0.72) -0.51 (0.31). (0.24) -0.25 (0.64) 0.00. BRD_SIZE. (0.98) 0.01 (0.48) -0.04 (0.44) 0.10. BRD_OUT_U% BRD_OUT_T% INSIDE%. (0.27) 0.02 (0.27) 0.03 (0.13) -0.02 (0.42) 0.03 *** (0.00) 54.7***. BLOCK% DIR_SUP% WEDGE% COLL% Chi-square. 35.92***. 0.18 0.29 Psuedo R-square 169 165 Obs. 註：*** ，** ，*各表示在 1%，5%，10%水準下顯著，括號內為 P 值。 Chi-square 為變數獨立性檢定。. 27.

(37) 表格 8. 財務危機前兩年 logistic 模型迴歸結果. Independent variable CONS WCTA% RE% ROA% MEBD% SALES_TA 次. Coefficient -0.34 (0.42) -0.02 (0.15) -0.03 (0.20) -0.04 (0.44) 0.00. -1.74 (0.13) -0.01 (0.48) -0.03 (0.28) -0.04 (0.49) -0.00. (0.22) 0.43 (0.29). (0.27) 0.56 (0.21) -0.02 (0.83) 0.02 (0.36) -0.02 (0.84). BRD_SIZE BRD_OUT_U% BRD_OUT_T%. -0.02 (0.87) 0.01 (0.52) 0.01 (0.61) 0.02 (0.63) 0.03*** (0.00). INSIDE% BLOCK% DIR_SUP% WEDGE% COLL%. 26.8*** 37.13*** Chi-square 0.18 0.25 Psuedo R-square 124 123 Obs. 註：*** ，** ，*各表示在 1%，5%，10%水準下顯著，括號內為 P 值。 Chi-square 為變數獨立性檢定。. 28.

(38) 第四節 Z-SCORE 模型預測能力在這一節中，研究採用 Altman(1968)年 Z-score 的模型，檢視 Z-score 模型預測能力，準確度說明如表格 9。表格 9 分類說明表預測情況發生財務危機. 未發生財務危機. 正確率. 發生財務危機. A. B. E. 未發生財務危機. C. D. F. 實際情況 G 財務危機公司預測準確度 E=A/(A+B)，財務健全公司預測準確度 F=D/(C+D)，總體正確率 G=(A+D)/(A+B+C+D)。型一誤差為公司實際上有發生財務危機，但模型將這類公司分類為財務健全公司的機率，型一誤差=B/(A+B+C+D)。型二誤差表示公司實際上財務市健全的，而模型將之判斷為財務危機公司的機率，型二誤差 =C/(A+B+C+D)。財務危機發生前一年及前兩年 Z-score 模型預測能力如表格 10 和表格 11 所示。財務危機發生前一年 Z-score 模型總體預測能力只有 45.49%，型一誤差為 2.43%，型二誤差則高達 52.08%。前兩年總體正確率更低，只有 44.86%，型一誤差有 4.53%，型二誤差高達 50.62%。然而 Altman Z-score 預測美國樣本結果發現在破產前一年模型預測正確率達 95%，前兩年的預測正確率較低 72%，顯然 Z-score 在美國有很好的預測能力，但卻不適用於台灣，模型預測準確度非常低。基於這個理由，在下一節當中，研究採用 logistic 迴歸模型，將 Z-score 五個財務變數納入 logistic 迴歸分析，並探討其預測結果。. 29.

(39) 表格 10. 財務危機前一年 Z-score 模型預測能力預測情況發生財務危機. 未發生財務危機. 正確率. 發生財務危機. 65. 7. 90.28%. 未發生財務危機. 150. 66. 30.56%. 實際情況 45.49% 表格 11 財務危機前兩年 Z-score 模型預測能力預測情況發生財務危機. 未發生財務危機. 正確率. 發生財務危機. 50. 11. 81.97%. 未發生財務危機. 123. 59. 32.42%. 實際情況 44.86%. 30.

(40) 第五節. logistic 原始財務比率模型預測能力. 上一節研究發現，Z-score 模型不適用於台灣的樣本，因此在這一節研究將 Z-score 模型中五個財務變數納入 logistic 模型當中，檢視模型預測能力。首先將 logistic 模型所估計的迴歸式經由函數計算轉換得到機率後，以兩個機率分界點來分類，分別是 0.5 以及 0.6，高於 0.5 及 0.6 模型將之分類為財務危機公司，反之則為財務健全公司。 1.. 分界機率為 0.5 財務危機前一年的財務變數預測結果整理成表格 12。從表格 12 可以發現在發. 生財務危機前一年財務變數總體預測準確度有 73.96%，其中財務危機公司預測準確度有 25%，財務健全公司預測準確度高達 90.28%。型一誤差有 18.75%，型二誤差明顯低於型一誤差(7.29%)。前兩年的財務變數預測結果如表格 13，與前一年的預測結果相差不遠，總預測準確度有 71.25%，財務危機公司預測準確度有 20%，財務健全公司預測準確度高達 88.33%。型一誤差為 20%，型二誤差相對比較低為 8.75%。由表格 12 與表格 13 的結果可看出，總體的預測準確度在兩年前也有 71.25%的準確度，與前一年相差不大。證明模型增加了長期的預測能力。除此之外，兩年的型二誤差非常低，因此研究發現模型對於財務健全公司誤判率較低。值得一提的是，如果將一家財務體質健全的公司誤判為財務危機公司，這樣的誤判會造成財務健全公司很大的傷害，有可能因為這樣的誤判而最終真的走向倒閉一途，財務健全公司因此失去經營成長的機會，此為專家學者所不樂見。所以如果型二誤差越低，越能避免這樣的情事發生。表格 12 財務危機前一年財務變數模型預測能力(0.5) 預測情況發生財務危機. 未發生財務危機. 正確率. 發生財務危機. 6. 18. 25%. 未發生財務危機. 7. 65. 90.28%. 實際情況 73.96%. 31.

(41) 表格 13 財務危機前兩年財務變數模型預測能力(0.5) 預測情況. 實際情況. 發生財務危機. 未發生財務危機. 正確率. 發生財務危機. 4. 16. 20%. 未發生財務危機. 7. 53. 88.33% 71.25%. 2.. 分界機率為 0.6 以 0.6 當作分界點時，財務危機前一年及前兩年財務變數模型預測能力結果如表. 格 14 與表格 15 所示，財務危機前一年的總體預測準確度有 73.96%，財務危機預測準確度為 12.5%，而財務健全公司預測準確度高達 94.44%。型一誤差較型二誤差高，分別為 21.88%以及 4.17%。財務危機前兩年有 75%的總體預測能力，稍微高於前一年的結果(73.96%)。財務危機公司預測準確度為 10%，財務健全公司預測準確度高達 96.67%。將財務危機公司誤判為財務健全公司，也就是型一誤差為 22.5%，而將財務健全公司誤判為財務危機公司，也就是型二誤差的機率僅有 2.5%。表格 14 財務危機前一年財務變數模型預測能力(0.6) 預測情況發生財務危機. 未發生財務危機. 正確率. 發生財務危機. 3. 21. 12.5%. 未發生財務危機. 4. 68. 94.44%. 實際情況 73.96% 表格 15 財務危機前兩年財務變數模型預測能力(0.6) 預測情況發生財務危機. 未發生財務危機. 正確率. 發生財務危機. 2. 18. 10%. 未發生財務危機. 2. 58. 96.67%. 實際情況 75%. 32.

(42) 第六節. 加入公司治理變數後模型預測能力. 上一節檢視了以營運資金比率、保留盈餘比率、資產報酬率、權益市值與總負債帳面價值比、總資產週轉率五個財務變數採用 logistic 迴歸模型的預測結果，接下來研究將加入公司治理變數，檢視模型的預測準確度。 1.. 分界機率為 0.5 財務危機前一年的預測結果如表格 16，研究發現在發生財務危機前一年加入公. 司治理變數後總體預測準確度從 73.96%增加到 79.17%，由此可見公司治理確實能增強模型預測能力。其中財務危機預測準確度也從 25%上升到 33.33%。財務健全公司預測準確度亦有提昇的趨勢(90.28%,94.44%)。型一誤差從 18.75%降至 16.67%，型二誤差也從原來的 7.29%下降到 4.17%。前兩年的財務變數預測結果如表格 17，總預測準確度從原來的 71.25%上升至 75%，財務危機預測準確度也有提高的情況(20%,35%)，財務健全公司預測準確度維持在 88.33%的水準。型一誤差降低了 3.75%(20%-16.25%)，型二誤差維持在 8.75%，由此可知，模型將財務健全公司誤判為財務危機公司的機率較小，造成財務健全公司名譽上傷害的可能性非常低。由上述結果可知，無論是前一年或前兩年的預測都有提高的趨勢，因此實證發現公司治理的確能增強模型預測能力，誤判的機率也有下降的趨勢。另外研究也發現將預測期間延長為兩年時，模型也有 75%的預測能力。與 Altman(1968)研究結果相較之下，一年前的預測能力雖不及 95%，但在前兩年的預測能力(75%)高於美國樣本研究之下的預測能力(72%)。表格 16 財務危機前一年加入公司治理變數模型預測能力(0.5) 預測情況. 實際情況. 發生財務危機. 未發生財務危機. 正確率. 發生財務危機. 8. 16. 33.33%. 未發生財務危機. 4. 68. 94.44% 79.17%. 33.

(43) 表格 17 財務危機前兩年加入公司治理變數模型預測能力(0.5) 預測情況. 實際情況. 發生財務危機. 未發生財務危機. 正確率. 發生財務危機. 7. 13. 35%. 未發生財務危機. 7. 53. 88.33% 75%. 2.. 分界機率為 0.6 財務危機前一年及前兩年加入公司治理變數後模型預測能力分別如表格 18 及表. 格 19 所示。加入公司治理變數後，當分界點為 0.6 時，前一年的總體預測準確度從原來的 73.96%，上升至 77.08%，財務危機公司預測準確度從原來的 12.5%提昇至 25%，而財務健全公司預測準確度維持在很高的水準 94.44%。型一誤差從原來的 21.88%下降到 18.75%，型二誤差維持在 4.17%。財務危機前兩年總體預測能力也有提高的趨勢，從 75%上升至 77.5%，財務危機公司預測準確度從 10%提昇至 30%，健康公司預測準確度雖然有些下降，但仍有 93.33%的準確度。型一誤差從 22.25%下降至 17.5%，而型二誤差只有 5%。表格 18. 財務危機前一年加入公司治理變數模型(0.6) 預測情況發生財務危機. 未發生財務危機. 正確率. 發生財務危機. 6. 18. 25%. 未發生財務危機. 4. 68. 94.44%. 實際情況 77.08% 表格 19 財務危機前兩年加入公司治理變數模型預測能力(0.6) 預測情況發生財務危機. 未發生財務危機. 正確率. 發生財務危機. 6. 14. 30%. 未發生財務危機. 4. 56. 93.33%. 實際情況 77.5%. 34.

(44) 第伍章刪除紓困-財危後實證分析第一節. 刪除紓困-財危後敘述統計分析. 從以上的研究可以得知，採用 logistic 迴歸模型的總體預測準確度皆可達到 70% 以上的預測準確度，然而在預測財務危機公司準確度上偏低，為了改善財務危機公司預測準確度，本篇論文進一步探討樣本中財務危機事件類別的定義，結果發現，從 1996 年到 1 月 1 日到 2009 年 9 月 30 日宣告發生財務危機事件的公司樣本中，總共包含了七種財務危機事件類別分別是跳票擠兌、繼續經營疑慮、掏空挪用、紓困財危、重整、大虧,淨值低 5、景氣不佳停工。而在這七種財務危機事件類別中，「紓困-財危」之定義是有判別財務危機疑慮的，根據台灣經濟新報(Taiwan Economics Journal, TEJ)所定義，「紓困-財危」是向財政部申請紓困、或向銀行要求展延、減息並掛帳、個別要求或召開債權人會議，全面要求都算。與銀行之展延，原則上以見報曝光、或財報上明確寫明「展延」者為限。若僅向銀行要求降息，暫不列為財務危機。基本上，若一家公司有能力向財政部申請紓困、或向銀行要求展延、減息並掛帳而獲得財政部或銀行的許可，那麼這家公司可能還擁有優良的財務體質，尚有營運的能力，因此才有資格獲得財政部紓困以及銀行展延減息並掛帳的許可，也就是說，公司發生財務危機類別屬於「紓困-財危」此一類別者，這些公司財務體質不必然會走向財務危機之途，模型會將這類公司判別為財務健全公司，因此在包含「紓困-財危」財務危機發生類別的樣本中，會導致財務危機公司預測準確度低落。簡單來說，「紓困-財危」的樣本為財務危機公司預測準確度偏低的主要原因。所以研究將排除財務危機事件類別為「紓困-財危」的樣本，分別檢示宣告發生財務危機前一年以及前兩年的 Z-score 、財務變數模型、加入公司治理變數模型的預測能力。刪除「紓困-財危」後之敘述統計結果如表格 20 與表格 21 所示。發生財務危機前一年的結果，可以從表格 20 看出，財務健全公司的帄均營運資金比率 (22.61%)、保留盈餘比率(5.99%)、總資產報酬率(3.64%)、權益市值與總負債帳面價. 35.

(45) 值比(195.15%)、總資產週轉率(0.7 次)皆顯著大於財務危機公司(依序為 2.65%、 -9.54%、-1.75%、134.10%、0.54 次)，顯示出財務危機公司在宣告發生財務危機前一年的財務表現較差。公司治理部份，財務健全公司的帄均外部未上市公司佔董事會比率在 10%水準下顯著低於財務危機公司，分別為 8.72%與 12.38%，而財務健全公司的帄均外部上市公司佔董事會比率在 5%水準下顯著高於財務危機公司 (2.19%、0.27%)，從此實證結果可以推論，非最終控制者所控制之外部上市(櫃)公司出任董事，其監察能力較佳，因此公司財務體質較良好。財務健全公司的帄均董監持股比率在 5%水準下顯著大於財務危機公司(27.71%、23.05%)，由此可看出財務健全公司有高董監持股比率的特性。而財務危機公司的董監事股票質押比率則是顯著高於財務健全公司，此項結果意味著，董監事股票質押比率越高比較容易使公司財務狀況出問題。發生財務危機前兩年的結果如表格 21，財務健全公司的帄均營運資金比率 (20.46%)、保留盈餘比率(8.04%)、總資產報酬率(6.14%)、權益市值與總負債帳面價值比(332.62%)、總資產週轉率(0.74 次)皆顯著大於財務危機公司(依序為 5.97%、 -4.75%、0.37%、146.73%、0.59 次)，因此可以看出財務危機公司在宣告發生財務危機前兩年的財務表現不如財務健全公司。而公司治理變數方面，財務危機公司的帄均董監事股票質押比率顯著高於財務健全公司(分別為 8.53%、27.83%，T 值為 -3.81)，顯示出董監事股票質押比率越高，極有可能是公司出現財務危機的預兆。. 36.

(46) 表格 20. 刪除紓困-財危後財務危機前一年敘述統計財務危機公司. 觀察值營運資金/總資產帳面價值(WCTA%）. 53. 保留盈餘/總資產帳面價值(RE%). 53. 息前稅前淨利/總資產帳面價值(ROA%). 52. 權益市值/總負債帳面價值(MEBD%). 53. 營業收入/總資產帳面價值(SALES_TA 次). 53. A. 董事會結構董事會規模(BRD_SIZE). 51. 外部未上市公司佔董事會比率(BRD_OUT_U%). 51. 外部上市公司佔董事會比率(BRD_OUT_T%). 51. B.. 財務健全公司. 帄均值 (標準差) 2.65 (21.23) -9.54 (20.06) -1.75 (8.12) 134.1 (264.14) 0.54 (0.38). 最小值. 最大值. 觀察值. -48.86. 55.7. 158. -62.66. 28.75. 158. -28.71. 16.29. 158. 0. 1722.78. 158. 0. 1.71. 158. 6.49 (2.29) 12.38 (16.18) 0.67 (3.41). 3. 15. 150. 0. 66.67. 150. 0. 20. 150. 1.43 (2.48) 17.09 (12.1) 23.05 (14.8) 3.45 (9.59) 25.61 (31.89). 0. 10.22. 150. 0. 49.69. 150. 6.27. 74.32. 150. 0. 57.52. 150. 0. 90.73. 150. 帄均值 (標準差) 22.61 (19.96) 5.99 (15.31) 3.64 (8.09) 195.15 (258.83) 0.7 (0.55). 最小值. 最大值 F 值. T值. (H0:sd0/sd1=1) (H0:mean0-mean1=0). -21.64. 77.85. 0.88. 6.20***. -118.69. 35.27. 0.58***. 5.16***. -50.55. 28.76. 0.99. 4.16***. 0. 1667.03 0.96. 1.48*. 0.05. 3.15. 2.11***. 2.39***. 6.81 (2.66) 8.72 (14.25) 2.19 (6.21). 2. 21. 1.34. 0.78. 0. 71.43. 0.78. -1.53*. 0. 38.46. 3.32***. 2.18**. 1.49 (2.57) 16.71 (12.09) 27.71 (16.37) 3.69 (7.64) 7.13 (13.95). 0. 19.31. 1.08. 0.14. 0. 57.1. 1. -0.19. 7.96. 100. 1.22. 1.80**. 0. 50.55. 0.63**. 0.16. 0. 70.96. 0.19***. -4.01***. 所有權結構. 經理人持股比率(INSIDE%). 51. 大股東持股比率(BLOCK%). 51. 董監持股比率(DIR_SUP%). 51. 控制權與現金流量權偏離率(WEDGE%). 51. 董監事股票質押比率(COLL%). 51. 註：*** ，** ，*各表示在 1%，5%，10%水準下顯著。. 37.

(47) 表格 21. 刪除紓困-財危後財務危機前兩年敘述統計財務危機公司. 觀察值營運資金/總資產帳面價值(WCTA%）. 47. 保留盈餘/總資產帳面價值(RE%). 47. 息前稅前淨利/總資產帳面價值(ROA%). 46. 權益市值/總負債帳面價值(MEBD%). 42. 營業收入/總資產帳面價值(SALES_TA 次). 47. A.. 帄均值 (標準差). 最小值. 最大值. 觀察值. 5.97 (18.04) -4.75 (15.93) 0.37 (7.25) 146.73 (243.15) 0.59 (0.43). -26.42. 41.91. 140. -53.36. 28.05. 140. -26.63. 18.26. 138. 10.88. 1582.14. 107. 0. 1.79. 140. 6.68 (2.49) 9.53 (14.26) 2 (5.76). 3. 15. 124. 0. 50. 124. 0. 20. 124. 1.46 (2.45) 15.92 (13.48) 25.32 (17) 3.8 (9.96) 27.83 (31.67). 0. 11.82. 124. 0. 50.04. 124. 9.82. 99.04. 124. 0. 57.42. 124. 0. 88.03. 124. 帄均值 (標準差). 最小值. 20.46 (20.03) 8.04 (14.5) 6.14 (7.51) 332.62 (428.24) 0.74 (0.67). -20.12. 最大值 F 值. T值. (H0:sd0/sd1=1). (H0:mean0-mean1=0). 70.75. 1.23. 4.40***. -78.74. 62.24. 0.83. 5.10***. -19.46. 47.43. 1.07. 4.54***. 27.79. 2460.09 3.10***. 3.33***. 0. 4.37. 2.49***. 1.84**. 7.06 (3.08) 7.97 (13.65) 1.78 (5.4). 3. 21. 1.52*. 0.82. 0. 60. 0.92. -0.64. 0. 25. 0.88. -0.22. 1.53 (2.73) 16.26 (12.01) 28.4 (14.32) 4.55 (9.7) 8.53 (17.08). 0. 16.17. 1.24. 0.16. 0. 54.67. 0.79. 0.16. 6.86. 81.98. 0.71*. 1.08. 0. 63.34. 0.95. 0.44. 0. 95.77. 0.29***. -3.81***. 董事會結構. 董事會規模(BRD_SIZE). 44. 外部未上市公司佔董事會比率(BRD_OUT_U%). 44. 外部上市公司佔董事會比率(BRD_OUT_T%). 44. B.. 財務健全公司. 所有權結構. 經理人持股比率(INSIDE%). 44. 大股東持股比率(BLOCK%). 44. 董監持股比率(DIR_SUP%). 44. 控制權與現金流量權偏離率(WEDGE%). 44. 董監事股票質押比率(COLL%). 43. 註：*** ，** ，*各表示在 1%，5%，10%水準下顯著。. 38.

(48) 第二節. 刪除紓困-財危後 Logistic 模型迴歸結果. 表格 22 為刪除「紓困-財危」後財務危機前一年的 logistic 迴歸結果。從表格 22 可以看出，營運資金比率(WCTA%)、保留盈餘比率(RE%)、資產報酬率(ROA%)、權益市值與總帳面價值比(MEBD%)、總資產週轉率(SALES_TA 次)五個變數之間相互獨立(Chi-square 為 37.5)。其中營運資金比率(WCTA%)、保留盈餘比率(RE%)與發生財務危機機率的關係各在 1%與 10%水準下有顯著負相關(係數為-0.05、-0.04)，表示營運資金比率與保留盈餘比率越高，發生財務危機機率越低。權益市值與總負債帳面價值比有顯著正相關，但係數趨近於零。在加入公司治理變數後，各變數間互相獨立，其中營運資金比率(WCTA%)、保留盈餘比率(RE%)在 5%水準下，發生財務危機機率有顯著的負相關(係數為-0.04、-0.08)。公司治理方面，董監事股票質押比率在 1%水準下與發生財務危機機率有顯著正相關(係數為 0.05)，符合 Lee et al.(2003) and Lee and Yeh(2004)的研究結果，在金融機構抵押股票比率越高，公司的財務狀況不佳，財富剝奪的機率越大，且有可能將基金拿來護盤，因此公司的財務狀況較容易產生問題。迴歸模型的解釋能力在加入公司治理後有提高的趨勢(pseudo r-square 從 0.24 提升到 0.4)。刪除「紓困-財危」後財務危機前兩年 logistic 迴歸結果如表格 23 所示，財務變數模型部份可以發現到變數之間相互獨立(Chi-square 為 26.29)，營運資金比率與發生財務危機機率有顯著負相關(係數為-0.04)。加入公司治理後的模型中，變數之間相互獨立(Chi-square 為 40.42)，營運資金比率仍有顯著負相關(係數為-0.05)，保留盈餘比率也有顯著負相關(係數為-0.06)。公司治理部份，外部未上市公司佔董事席次比率與發生財務危機機率有顯著的正相關(0.05)，其中意味著非最終控制者所控制之外部未上市(櫃)公司出任董事的比率越高，監督能力較不效率，發生財務危機的機率較高。總體來說，在加入財務危機之後，模型解釋能力有變高的趨勢(pseudo r-square 從 0.23 升高至 0.35)。. 39.

(49) 表格 22. 刪除「紓困-財危」後財務危機前一年 logistic 迴歸結果. Independent variable CONS WCTA% RE% ROA% MEBD% SALES_TA 次. Coefficient -0.79** (0.06) -0.05*** (0.00) -0.04* (0.08) 0.01 (0.83) 0.00**. -1.70 (0.21) -0.04** (0.01) -0.08** (0.04) 0.00 (1.00) 0.00**. (0.05) -0.16 (0.75). (0.02) -0.06 (0.92) -0.20 (0.15) 0.02 (0.24) -0.08 (0.17). BRD_SIZE BRD_OUT_U% BRD_OUT_T%. 0.11 (0.43) 0.03 (0.24) 0.03 (0.18) -0.02 (0.42) 0.05*** (0.00). INSIDE% BLOCK% DIR_SUP% WEDGE% COLL%. 37.5*** 59.88*** Chi-square 0.24 0.4 Psuedo R-square 142 134 Obs. 註：*** ，** ，*各表示在 1%，5%，10%水準下顯著，括號內為 P 值。 Chi-square 為變數獨立性檢定。. 40.

(50) 表格 23. 刪除「紓困-財危」後財務危機前兩年 logistic 迴歸結果. Independent variable CONS WCTA% RE% ROA% MEBD% SALES_TA 次. Coefficient -0.21 (0.68) -0.04** (0.03) -0.03 (0.29) -0.02 (0.75) -0.00. -1.34 (0.29) -0.05 ** (0.03) -0.06** (0.04) 0.05 (0.48) 0.00. (0.17) 0.29 (0.57). (0.17) 0.34 (0.55) 0.04 (0.74) 0.05* (0.08) -0.07 (0.34). BRD_SIZE BRD_OUT_U% BRD_OUT_T%. 0.05 (0.67) -0.02 (0.44) 0.00 (0.92) 0.00 (0.94) 0.03*** (0.01). INSIDE% BLOCK% DIR_SUP% WEDGE% COLL%. 26.29*** 40.42*** Chi-square 0.23 0.35 Psuedo R-square 99 99 Obs. 註：*** ，** ，*各表示在 1%，5%，10%水準下顯著，括號內為 P 值。 Chi-square 為變數獨立性檢定。. 41.