Research of Organization Capital and Bank Loan Contracts: The Role of Managerial Ability
組織資本及銀行貸款之研究－管理者能力之角色探討
Hui-Min Chung, Department of Information Management and Finance, National Yang Ming Chiao Tung University / Sustainability Leadership Research Center
鍾惠民/ 國立陽明交通大學資訊管理與財務金融學系 / 王道經營管理研究中心
Jun-Mao Chiu, Department of Finance, National Sun Yat-sen University
邱敬貿/ 國立中山大學財務管理學系
Yi-Hua Li, Department of Finance, Chung Yuan Christian University
李怡樺/ 中原大學財務金融學系
Chun-Min Hung, Department of Information Management and Finance, National Yang Ming Chiao Tung University
洪均旻/ 國立陽明交通大學資訊管理與財務金融學系
Received 2019/12, Final revision received 2021/1 Abstract
This study investigates the impact of organization capital on the bank loan contracts, using the data of the U.S. listed companies (1985-2016). This study explores the impact of organizational capital through the different variables related to bank loan contracts.
Among them, bank loan variables include bank loan spread, loan maturity date, security, number of general contracts, and number of financial contracts. This study shows that a higher organization capital is associated with lower bank loan spread, security, and general covenants. Further robustness checks support these empirical results. We also confirm that higher organization capitals can reduce bank loan spreads when firms have better managerial abilities.
【Keywords】organization capital, bank loan costs, managerial ability 摘 要
本研究探討企業組織資本的投入如何影響銀行放款的契約，研究資料利用美國1985
年至2016 年期間上市公司作為研究對象。本研究透過不同的銀行放款契約相關的變
數分析組織資本的影響，其中銀行放款變數包括放款利率、放款到期日、擔保品、一 般合約數以及財務合約數。研究結果發現組織資本投入越多，能降低銀行放款利率、
擔保品以及一般合約數，此結果亦由多項穩健性檢定所支持。本研究更進一步探討管 理者特性的影響，結果發現當公司中的管理者能力愈好且投入愈多的組織資本，將使 銀行願意提供較低的放款成本。
【關鍵字】組織資本、銀行放款成本、管理者能力
領域主編：黃泓人教授
壹、前言
無形資產在國家經濟與企業成長的過程中扮演著重要的角色。Hall (2001) 驗證 美國企業，並發現美國企業存在大量無形資產。Dell’Ariccia, Kadyrzhanova, Minoiu, and Ratnovski (2020) 提及美國在過去半世紀以來，企業的智慧資本越來越被重視且 投資比重越來越高，其中智慧資本投資係指智慧財產、人力資本、企業策略和品牌 權益等(Corrado, Hulten, and Sichel, 2009)。Lev and Radhakrishnan (2003) 將無形資產 分為以下四類：第一類為發現型及學習型的無形資產，主要為研發過程中所發現之 科技、知識及專利；第二類為與顧客相關之無形資產，例如品牌、商標或是獨樹一 格的消費通路；第三類為人力資源型無形資產，例如薪酬制度及員工培訓制度等，
既能夠增加員工生產力又減少員工離職率的無形資產；第四類則是組織資本，其是 使公司持續維持競爭力的特殊結構、組織以及經營管理方式。近年，仍有不少文獻 運用不同類型的無形資產，驗證無形資產投資對企業營運具重要性的影響(Sun and Xiaolan, 2019; Dou, Ji, Reibstein, and Wu, 2021)。
組織資本為關鍵無形資產的投資，其對於公司的產出及公司獲利表現都扮演著 很重要的角色。Corrado et al. (2009) 更進一步發現，組織資本為無形資產中所佔最 大比例，大約為無形資產的30%，顯見組織資本在無形資產與企業競爭優勢上的重 要性。Eisfeldt and Papanikolaou (2013) 指出長期而言，多數的產業中，企業對於組 織資本的投入比例較固定資產來得多；Atkeson and Kehoe (2005) 則提及組織資本的 投資報酬率較實質資產多。由以上論述可以知道組織資本對於公司營運的重要性。
黃麗津與林穎芬(2020) 認為管理者在組織資本投入決策中，扮演重要角色，
而經理人薪酬契約的調降則能有效改善經營效率。Lev, Radhakrishnan, and Zhang (2009) 指出經理人的薪酬能反映出管理者能力，會提高企業組織資本。Eisfeldt and Papanikolaou (2013, 2014) 更進一步認為，組織資本蘊含於公司的關鍵技術與人才 中，例如管理者、工程師與研究員，因此組織資本能夠反應管理者能力及管理品質。
過去文獻指出，銀行放款給企業會針對企業的整體營運品質，設定貸款契約
（李樑堅與張志向，1999；De Franco, Hope, and Lu, 2017）。一般而言，債權人 在評估企業信用狀況及風險等級會參考評等機構對企業信用等級的評等(Badoer, Demiroglu, and James, 2019)，會考量企業管理的各個面向，例如企業管理的策略、
決策和政策。銀行在做放款評估時也會考量公司的財務績效表現，而管理者能力的 好壞為公司的財務投資決策效率重要因素。
李樑堅與張志向(1999) 則指出銀行針對企業進行授信評估時主要針對公司財務 及非財務項目，並指出銀行對公司採取的信用評估內容主要區分為財務狀況、經營 管理與企業特性暨展望此三大構面。De Franco et al. (2017) 有關管理能力之研究更
提及公司管理者能力的優劣會影響銀行的放款定價。甚且，管理者的能力影響公司 的構面很廣，如公司的營運、策略、行銷、財務和風險管理等。Bennedsen, Pérez- González, and Wolfenzon (2020) 研究發現，CEO 是公司績效的關鍵驅動力，對於公 司的獲利能力和投資產生的重大影響，特別是對於成長型和家族控制的公司以及人 力資本密集型行業來說，年輕CEO 受影響的程度更大。銀行也會透過貸款契約限 制設定減緩其可能面臨企業經理人更替所帶來的風險(Akins, De Angelis, and Gaulin, 2020)。
從上述文獻可見，組織資本為公司重要無形資產的投資，為重要影響企業財務 績效表現之要素。而企業管理者扮演重要角色，影響重要資金投資決策，即企業經 營效率。銀行放款時評估之構面，同時考量企業財務表現及非財務面的管理品質，
來決定放款合約。由於銀行放款合約涉及多方層面，銀行可以透過調整放款利差，
也可以透過其他非利差的方式針對借款企業之放款合約進行調整。然而過去文獻鮮 少清楚探討組織資本、管理者能力與銀行放款成本三者之關係。因此，本研究著重 於無形資產中的組織資本，探討企業投入無形資產是否會影響銀行放款成本；並進 一步驗證管理者能力如何影響組織資本與銀行放款成本之間的關係。
因此，本研究透過1985 年至 2016 年所有美國上市公司資料，分別探討企業組 織資本投資對銀行放款的利差與非利差（放款到期日、擔保品、一般合約數以及財 務合約數）等變數之關係。研究結果發現企業組織資本投入越多，能讓銀行願意提 供較低的放款成本，降低銀行放款利差。
本研究探討組織資本如何影響非利差的放款變數，相關變數包括放款到期日 取自然對數（變數代號：Log (Maturity)）、擔保品（變數代號：Security）、一般 合約數（變數代號：#General Covenants）以及財務合約數（變數代號：#Financial Covenants）作為非利差合約之放款成本之代理變數。研究結果同樣顯示當公司投入 愈多組織資本，會降低銀行非利差合約之放款成本。
此外，本研究進一步驗證企業非財務項目變數－管理者能力，分析企業之管理 者品質會如何影響組織資本與銀行放款成本之間關係。研究結果顯示當管理者能力 愈大，且投入愈多的組織資本，對降低公司放款成本的影響程度更大。
本研究接著針對組織資本及銀行放款成本間關係進行穩健性檢定，包括加入總 體經濟因素做為控制變數、加入調整後之Z-score 做為控制變數、排除極端值之年 度以及使用不同的產業分類碼之虛擬變數。研究結果同樣是「當公司投入愈多組織 資本，會降低銀行放款的成本」。
後續章節部分，第二節進行文獻回顧與研究假說建構，第三節為資料來源與變 數估計，第四節為主要實證分析，最後一節為結論。
貳、文獻回顧與研究假說建構
一、組織資本與銀行放款成本
關於組織資本的定義，Evenson and Westphal (1995) 指出組織資本是能夠將人 力技術及實質資產結合以產出符合期望之商品的一種知識。Prescott and Visscher (1980) 認為組織資本是關鍵資源與技能的累積與使用，其可以使公司提升生產效率。
Eisfeldt and Papanikolaou (2013, 2014) 更進一步認為，組織資本蘊含於公司的關鍵技 術與人才中，例如管理者、工程師與研究員。由上述的文獻可以歸納出組織資本為 企業經營管理、組織結構甚至文化及人力技術之結合，進而能使公司生產效率提升 並增加產出，也是企業營運之所以能勝過其競爭者之關鍵因素。例如：全球零售業 巨擘沃爾瑪(Walmart) 成功之關鍵因素為其對於整體供應鏈的控制，包括引入電子 式資料管理，如此一來簡化了供應鏈的流程並確實掌握庫存與客戶需求，這樣的營 運模式難以被模仿或迅速抄襲。Evenson and Westphal (1995) 就曾指出企業透過營運 結構及技術整合，使其在系統中有效率地運行，這就是所謂「隱性的特質」，無法 藉由複製或轉移而取得。詳言之，企業在營運過程中雖可以投入相同的資源但結果 卻獲得不同產出，其關鍵就在於企業使用資源的效率，而這些能夠影響產出效率之 因子大多和組織資本相關。
過 去 文 獻 著 重 於 探 討 如 何 衡 量 與 捕 捉 組 織 資 本。Lev and Radhakrishnan (2005) 及 Lev et al. (2009) 以會計上的銷售、一般及管理費用 (Selling, General, and Administrative Expenses; SG&A) 來量化組織資本，Eisfeldt and Papanikolaou (2013) 參考上述兩篇文獻之作法來估計組織資本，並考慮了通貨膨脹對SG&A 費用之影 響，最終以考量消費者物價指數之SG&A 費用的累積來估計組織資本。SG&A 費用 之定義為公司為了維持營業利益，在營運過程中所有之商業費用，但不包含與生產 產品直接相關之費用。
詳言之，SG&A 費用中有很大一部份包含了資訊系統建構、員工培訓等等之費 用，這些便符合組織資本之獨特性及其體現在公司關鍵人才之特性，因此過往文獻 多以SG&A 費用作為衡量組織資本的方式，使組織資本得以量化；本研究則參考 Eisfeldt and Papanikolaou (2013) 之作法估計組織資本。
本研究主要探討組織資本對銀行放款成本的影響。Evenson and Westphal (1995) 與Prescott and Visscher (1980) 指出，組織資本為企業經營管理、組織結構甚至文化 及人力技術之結合，進而使公司生產效率提升並增加產出，也是企業營運之所以能 勝過其競爭者之關鍵因素。組織資本無法藉由複製或轉移而取得，企業在營運過程 中可以相同的資源投入然後獲得產出，其造成不同結果的關鍵就在於企業使用資源 的效率，而這些能夠影響產出效率之因子多和組織資本相關。
Eisfeldt and Papanikolaou (2013) 利用 1970 至 2008 年的資料，將組織資本占帳 面資產價值比例由高至低分成五個等第，並依產業分類進行研究，研究結果指出 具有較高組織資本之公司相較於具有較低組織資本之公司的平均股票報酬率高出 4.6%。Lev et al. (2009) 則利用 1971 至 2002 年之資料進行分析，發現組織資本與公 司未來五年之營業利益以及股價報酬皆為正相關。由上述文獻可知，較多的組織資 本投入能夠替企業創造更好的營運績效與企業價值。
過去探討銀行放款之相關文獻均指出，銀行利用「訊息壟斷」與借方簽訂借貸 合約，針對不同績效的公司提供不同的放款成本(Houston and James, 1996; Santos and Winton, 2008; Hale and Santos, 2009; Schenone, 2010)，因此企業之間放款成本會 有所差異。Sharpe (1990) 及 Rajan (1992) 皆指出銀行藉由收集或是彼此交換借方的 訊息以訂定借貸的利率。
過去文獻多數探討組織資本對企業績效表現之影響，鮮少分析企業組織資本投 資的多寡如何影響銀行放款成本。因此，透過上述文獻探討，本研究推論銀行會提 供較有價值或是績效較好的公司較低的放款成本，而公司投入較多組織資本能夠替 企業創造更好的營運績效與企業價值，因此使得銀行會提供這些績效較好的公司較 低的放款成本。以下建構本研究假說一。
假說一：公司投入較多的組織資本，銀行會提供較低的放款成本。
二、組織資本、管理者能力與銀行放款成本
管理者在企業的組織資本投入決策中，扮演重要角色。Lev et al. (2009) 指出經 理人的薪酬和組織資本也有正向的關係，而管理者薪酬制度得反映出管理者能力，
此結果代表組織資本能夠反應管理者能力及管理品質。管理者能力高低將會影響企 業資源使用之效率，進而影響企業價值。
Bertrand and Schoar (2003) 研究發現，將同產業中管理者能力由高至低分為十 等分，表現最好與最差的等分在ROA (Return on Asset) 的表現上相差約 3%。Hayes and Schaefer (1999) 指出，若企業中較好的管理者遭其他公司挖角，則該公司會產 生顯著負的異常報酬，此實證結果顯示管理者能力對公司價值影響甚大。關於管 理者能力的衡量部分，Fee and Hadlock (2003) 利用歷史股價報酬率來衡量管理者能 力，Rajgopal, Shevlin, and Zamora (2006) 則是使用公司的財務新聞媒體報導數來衡 量CEO 的聲譽。近年 Demerjian, Lev, and McVay (2012) 指出，過去的方法普遍存在 問題，必需在可應用產業範圍及估計準確之間取捨。該文獻使用改良之資料包絡分 析法(Data Envelopment Analysis; DEA) 衡量管理者能力，且發現此計算方式能廣泛 應用各產業。De Franco et al. (2017) 研究亦利用資料包絡分析法來衡量管理者能力，
探討管理者能力對銀行放款成本的影響。
目前尚未有文獻探討組織資本、管理者能力對銀行放款之影響。依據上述文獻 探討，本研究推論管理者能力較佳的企業相對於管理者能力較差的企業，當組織資 本投入增加，會使得企業能更有效率運用企業資源，讓企業的產出與績效更佳，進 而使得銀行對企業的放款成本相對降低。以下建構本研究假說二。
假說二： 管理者能力愈佳公司，相對於管理者能力愈差公司，當組織資本投入增加，
會顯著降低銀行放款的成本。
參、資料來源與變數估計
一、資料來源與篩選
本研究所使用公司特徵之樣本資料來源為Compustat 資料庫中 1985 年至 2016 年所有美國上市公司，並留下其會計年度終止月份在12 月 (FYR = 12)，SIC 無遺 漏 值 且 排 除 金 融 產 業（SIC 碼 6000 至 6799）及公共事業產業（Utilities；SIC 碼 4939）1。銀行放款特徵之樣本資料來源為Dealscan 資料庫，由貸款定價公司 (Loan Pricing Corporation; LPC) 提供。該資料庫包含 1985 年開始的美國和國外商業貸款 詳細貸款信息，數據主要來自美國證券交易委員會的文件，其餘數據來自LPC 通過 與借方、貸方和信貸行業的聯繫進行的直接調查。
二、變數定義
本研究將所有變數分成四類，分別為公司特性相關變數、銀行放款相關變數、
組織資本、管理者能力代理變數，並於接下來的四個小節詳細介紹每項變數之定義，
分別為（一）公司特性、（二）銀行放款特性、（三）組織資本、（四）管理者能力，
於表1 也列示了所有變數之定義。
（一）公司特性
本研究參考Graham, Li, and Qiu (2008) 與郭俐君與廖懿屏 (2020) 文獻之作法，
於迴歸模型中加入其他解釋變數：公司規模（變數代號：Firm Size），計算方式為 將公司總資產取自然對數。市場價值與帳列金額比（變數代號：Market-to-book），
計算方式為資產的市場價值除以帳列金額，其中資產的市場價值為資產的帳列金額 減掉權益的帳列金額再加上權益的市場價值。槓桿比率（變數代號：Leverage），
計算方式為公司總負債占總資產的比例。總資產報酬率（變數代號：ROA），計算 方式為扣除非經常項目營業部門稅後淨利除以總資產。有形資產比率（變數代號：
1 本研究依據 Eisfeldt and Papanikolaou (2013) 的資料處理方式作為實證分析樣本。
表1 變數定義表
變數名稱 定 義
公司特性
Firm Size 公司規模，為公司總資產取自然對數。
Market-to-book 市場價值與帳列金額比，為資產的市場價值除以帳列金額，其中，資產的
市場價值為資產的帳列金額減掉權益的帳列金額再加上權益的市場價值。
Leverage 槓桿比率，為公司總負債占總資產的比例。
ROA 總資產報酬率，為扣除非經常項目營業部門稅後淨利除以總資產。
Tangibility 有形資產比率，為公司淨固定資產(Net Property, Plant, and Equipment) 占總資產的比例。
Z-score (1.2 流動資本 +1.4 保留盈餘 +3.3 息稅前利潤 +0.99 銷售額 )/ 總資產 + 優先股和普通股市值/ 總負債
Mod. Z-score (1.2 流動資本 +1.4 保留盈餘 +3.3 息稅前利潤 +0.999 銷售額 )/ 總資產 銀行放款特性
Log (AISD) 銀行放款利率(All-in Spread Drawn)，取自然對數。
Loan Maturity 放款到期日，以月為基準衡量放款到期日。
Security 虛擬變數，若放款機制中含有擔保品則此變數值為1，否則為 0。
#General Covenants 一般合約數。
#Financial Covenants 財務合約數。
Total Covenants 總合約數。
Loan Size 放款金額，以百萬元美金為基準衡量放款金額。
Performance Pricing 虛擬變數，若放款含有表現定價條款則此變數值為1，否則為 0。
Syndicated Loan 虛擬變數，若放款為銀行聯合貸款則此變數值為1，否則為 0。
總體經濟因素
Credit Spread 信用利差，AAA 及 BAA 公司債券收益率間之差值。
Term Spread 期間利差，十年期及一年期國庫債券收益率間之差值。
組織資本
OC 依據Eisfeldt and Papanikolaou (2013) 之方法估計之組織資本，再除以 該公司當年之總資產。
ADJOC 調整後組織資本，為組織資本扣除該公司所屬產業之組織資本中位數。
管理者能力
MA_score 依據Demerjian et al. (2012) 之方法估計之管理者能力，為衡量管理者產 生營收的能力。
MA 虛擬變數，以MA_score 較高之百分之五十為 1，較低之百分之五十為 0。
工具變數
IV 使用美國州層級的失業救濟金當作工具變數，此變數計算為透過最大利益
金額乘以允許的最大持續期間，再取自然對數。
註： 本表格提供變數定義，變數共區分為六大類，包括公司特性變數、銀行放款特性變數、總體經濟
因素變數、組織資本變數、管理者能力變數與工具變數。
Tangibility），計算方式為公司淨固定資產 (Net Property, Plant and Equipment) 占總 資產的比例。
（二）銀行放款特性
本研究主要將銀行放款特性分為二大類，以作為銀行放款的成本之應變數：
1. 銀行放款利差；2. 非利差合約。其中，以銀行放款利差 (All-in Spread Drawn，
變數代號：AISD) 為衡量銀行放款成本的代理變數。在非利差合約中則另外細分 為四種衡量銀行放款成本的代理變數：1. 放款到期日取自然對數（變數代號：Log (Maturity)）；2. 擔保品（變數代號：Security），此為虛擬變數，若放款機制中含有 擔保品則此變數為1，否則為 0；3. 一般合約數（變數代號：#General Covenants）；4.
財務合約數（變數代號：#Financial Covenants）。
此外本研究參考Graham et al. (2008) 文獻之作法，估計銀行放款特徵的解釋變 數，首先是放款到期日（變數代號：Loan Maturity），以月為基準衡量放款到期日。
其次是放款金額（變數代號：Loan Size），以百萬元美金為基準衡量放款金額。最 後是表現定價條款（變數代號：Performance Pricing），此為虛擬變數，若放款含有 表現定價條款則此變數為1，否則為 0。
（三）組織資本
關於組織資本的衡量，Lev and Radhakrishnan (2005) 及 Lev et al. (2009) 使用 了 會 計 上 的 銷 售、 一 般、 管 理 費 用(Selling, General, and Administrative Expenses;
SG&A) 來量化組織資本。SG&A 費用中有很大一部份包含了資訊系統建構、員工培 訓等等之費用，採用SG&A 費用衡量組織資本主要是其內涵符合文獻所定義組織資 本之獨特性以及反應公司關鍵人才之特性。Eisfeldt and Papanikolaou (2013) 參考上 述兩篇文獻之作法來估計組織資本，並額外考慮了通貨膨脹對SG&A 費用之影響，
最終以考量消費者物價指數之SG&A 費用的累積來估計組織資本。本研究沿用此篇 文獻之作法估計組織資本（變數代號：OC），其計算方式如下：
OCi,t = (1 ‒ δ0 ) × OCi,t-1 + SG&Ai,t
CPIt
， (1)
其中，OCi,t代表第i 家公司於第 t 年之組織資本；而 δ0為組織資本的折舊率，
參考Eisfeldt and Papanikolaou (2013) 的作法，2006 年美國經濟分析局 (BEA) 對於研 發資本折舊率的估計數為15%，此處的組織資本折舊率亦以 15% 帶入； CPIt為第 t 年的美國消費者物價指數。為了計算第 (1) 式，首先須計算第 t = 0 期的組織資本，
其計算方式如下：
OCi,0 = SG&Ai,1
g + δ0 ， (2)
其中，g 為 SG&A 費用的平均實質成長率。為考量公司規模的影響，首先須計 算第i 間公司第 t 期投入之組織資本，並除以該公司的總資產來做調整。接著，為 避免公司所屬產業對結果造成影響，本研究將組織資本扣除該公司所屬產業之組織 資本中位數得到調整後的組織資本（變數代號：ADJOC），其中產業分類主要依據 Fama and French (1997) 作法將公司所屬產業分為 48 類。本研究藉由以上的方法計 算出調整後的組織資本，在後續之迴歸分析將以此變數作為主要的解釋變數。
（四）管理者能力
關於管理者能力的衡量，過去文獻採用企業公司規模、企業過去超額績效表現、
管理者薪酬、管理者任期、媒體聲譽、教育等變數來衡量管理者能力(Bertrand and Schoar, 2003; Rajgopal et al., 2006)，但這些方法無法有效考量管理者能力之產業差 異。
數據包絡分析法(DEA) 可衡量同產業中不同企業的資源轉換成營收之效率。
Demerjian et al. (2012) 定義管理者能力為管理者將資源轉換成營收的效率並發現當 能力較佳的管理者轉換公司時，會導致原公司股價產生負的超額報酬，且管理者能 力較佳的企業能夠在適當的時機點進行增資，有效率地增加企業價值。本研究沿用 此篇文獻的方式估計管理者能力（變數代號：MA_score），以下詳述計算過程。
Demerjian et al. (2012) 指出管理團隊在投資或汰換資產設備的決策上有很高的 權力，而有能力的管理團隊可作出有效的決策，因此在計算效率值時需投入要素考 量有形及無形的資產。衡量公司資源轉換效率值所建立之目標函數如下：
maxθ = Sale
v1CoGS+v2SGA+v3PPE+v4OpsLease+v5RD+v6Goodwill+v7OtherIntan ， (3)
其中產出為營收（變數代號：Sale），投入則包含七項資源：銷貨成本（變數代號：
COGS）；銷管費用（變數代號：SG&A）；資產廠房及設備（變數代號：PPE）；
營運租賃費用（變數代號：OpsLease）、研發費用（變數代號：R&D）、商譽（變 數代號：Goodwill）、其他無形資產（變數代號：OtherIntan）。
接下來，我們將數據包絡分析法(DEA) 所算出的資源轉換效率值（變數代號：
Firm Efficiency）作為依變數對公司的特性進行迴歸分析。方程式 (4) 迴歸式如下：
Firm Efficiency =
α + β1 ln (Total Asset)i + β2Market Sharei + β3Free Cash Flow Indicatori + β4 ln(age)i + β5Business Segment Concentrationi + β6Foreign Currency Indicatori + Yeari + εi。 (4)
上 式 中 公 司 特 性 的 自 變 數 分 別 為 總 資 產 取 自 然 對 數（ 變 數 代 號：ln (Total Asset)）；市占率（變數代號：Market Share）；自由現金流量指標（變數代號：
Free Cash Flow Indicator），當公司現金流量為非負數時，則設其值為 1，否則為 0；公司成立年數取自然對數（變數代號：ln (Age)）；部門集中度（變數代號：
Business Segment Concentration），單一部門銷售額佔所有部門銷售總額之比例衡量；
外幣換算調整指標（變數代號：Foreign Currency Indicator），若公司財務報告中有 外幣換算調整值時，則設其值為1，否則為 0。
方程式(4) 迴歸估計求得的殘差值為衡量管理者能力的變數（變數代號：MA_
score），此數值愈高表示管理者能力愈強。本研究將 MA_score 由高到低分成兩群，
MA_score 較高之前百分之五十的樣本群設為 1，後百分之五十設為 0，此為調整後 的管理者能力（變數代號：MA）。
肆、實證分析
一、敘述性統計
表2 為本研究樣本之敘述統計結果，其中包括了公司特性代理變數、銀行放款 特性代理變數、組織資本以及管理者能力代理變數。在公司特性代理變數方面，本 研究總樣本的公司規模（變數代號：Firm Size）平均值約為 7.34，市場價值與帳列 金額比（變數代號：Market-to-book）的平均值約為 1.60，槓桿比率（變數代號：
Leverage）的平均值約為 0.36，資產報酬率（變數代號：ROA）的平均值約為 0.12，
有形資產比率（變數代號：Tangibility）的平均值約為 0.36。在銀行放款特性代理 變數方面，本研究總樣本的銀行放款利差（變數代號：AISD）的平均值約為 4.95
（140.92 基點），放款到期日（變數代號：Loan Maturity）的平均值約為 3.65 個月，
放款金額（變數代號：Loan Size）的平均值約為 4.96 百萬元，在樣本中約有 41%
的放款含有表現定價條款（變數代號：Performance Pricing），約有 50% 的放款需 有擔保品（變數代號：Security）。在組織資本方面，原始的組織資本（變數代號：
OC）平均數約為 0.03，中位數為 0.01，而為避免公司所屬產業對結果產生影響，
本研究將組織資本扣除產業中位數得到調整後的組織資本（變數代號：ADJOC），
其平均數為0.01，中位數為 0.00。
由於組織資本為本研究重要解釋變數，表3 將列示此解釋變數更詳細的敘述統
計結果。表3 為組織資本按照產業分類之敘述統計表，其顯示不同產業的樣本數
及各產業中組織資本的敘述統計數據。本研究的產業分類是依照Fama and French (1997) 的作法將公司所屬產業分為 48 類，而此種分類方法主要是以每年六月底 為觀測基準點，將1985 至 2016 年間於美國上市之公司，按照其前一會計年度
表2 敘述統計表
變 數 觀測值 平均值 中位數 標準差 極小值 極大值
公司特性
Firm Size (billions) 17,894 7.34 7.41 1.95 0.36 12.91
Market-to-book 17,894 1.60 1.35 0.91 0.23 34.37
Leverage 17,894 0.36 0.34 0.23 0.00 1.97
ROA 17,894 0.12 0.12 0.11 -4.33 0.97
Tangibility 17,894 0.36 0.31 0.25 0.00 0.98
Z-score 17,894 1.22 1.22 1.79 -48.72 24.40
Mod. Z-score 17,894 1.15 1.15 2.70 -240.82 24.40
銀行放款特性
Log (AISD) 17,894 4.95 5.16 0.89 -1.20 7.38
Loan Maturity 17,894 3.65 4.01 0.73 0.00 5.98
Security 17,894 0.50 0.00 0.50 0.00 1.00
#General Covenants 17,894 3.18 3.00 3.01 0.00 10.00
#Financial Covenants 17,894 1.26 1.00 1.35 0.00 7.00 Loan Size (millions) 17,894 4.96 5.16 1.72 -2.70 10.80 Performance Pricing 17,894 0.41 0.00 0.49 0.00 1.00
Syndicated Loan 17,894 0.77 1.00 0.29 0.00 1.00
總體經濟因素
Credit Spread 17,894 -0.94 -0.87 0.29 -1.98 -0.60
Term Spread 17,894 2.92 2.51 2.69 -0.70 8.57
組織資本
OC 17,894 0.03 0.01 0.09 0.00 2.54
ADJOC 17,894 0.01 0.00 0.09 -0.77 2.52
管理者能力
MA_score 17,532 0.32 0.28 0.16 0.01 1.00
MA 17,532 0.28 0.00 0.45 0.00 1.00
註： 本表格提供估計變數中的五大類，公司特性變數、銀行放款特性變數、總體經濟因素變數、組織
資本變數與管理者能力變數。基本敘述統計值，包括觀測值、平均值、中位數、標準差、極小值 與極大值。
表3 調整後組織資本按照產業分類之敘述統計表
Fama and French 產業分類 觀測值 平均值 中位數 標準差 極小值 極大值
1. Agriculture 90 0.018 0.001 0.041 -0.010 0.163
2. Food Products 259 0.036 0.003 0.189 -0.117 1.985 3. Candy and Soda 48 0.025 -0.009 0.065 -0.014 0.216 4. Beer and Liquor 93 -0.003 -0.013 0.049 -0.037 0.180 5. Tobacco Products 68 0.015 0.002 0.040 -0.038 0.137
6. Recreation 191 0.023 -0.005 0.100 -0.089 0.093
7. Entertainment 433 0.003 -0.003 0.029 -0.048 0.179 8. Printing and Publishing 151 0.024 0.001 0.067 -0.044 0.424 9. Consumer Goods 338 0.044 -0.002 0.107 -0.126 0.829
10. Apparel 226 0.040 -0.011 0.140 -0.094 0.129
11. Healthcare 595 0.001 -0.002 0.043 -0.062 0.374 12. Medical Equipment 382 0.010 -0.025 0.083 -0.080 0.176 13. Pharmaceutical Products 492 0.028 -0.003 0.223 -0.023 0.042
14. Chemicals 721 0.006 -0.010 0.058 -0.060 0.155
15. Rubber and Plastic Products 278 0.014 -0.022 0.114 -0.083 0.034
16. Textiles 165 0.012 0.000 0.037 -0.065 0.187
17. Construction Materials 479 0.015 -0.004 0.075 -0.157 0.118 18. Construction 261 0.025 -0.001 0.153 -0.046 0.132 19. Steel Works 311 0.012 0.000 0.050 -0.052 0.319 20. Fabricated Products 124 -0.004 -0.013 0.045 -0.057 0.182
21. Machinery 829 0.008 -0.011 0.073 -0.070 0.120
22. Electrical Equipment 187 -0.003 -0.028 0.077 -0.074 0.138 23. Automobiles and Trucks 467 0.001 -0.008 0.039 -0.094 0.106
24. Aircraft 208 0.007 -0.005 0.050 -0.022 0.121
25. Shipbuilding, Railroad Equipment 28 0.009 0.010 0.026 -0.030 0.073
26. Defense 80 0.007 -0.005 0.022 -0.006 0.092
27. Precious Metals 80 0.004 -0.004 0.013 -0.011 0.040 28. Non-Metallic and Industrial Metal Mining 133 0.002 -0.007 0.030 -0.012 0.174
29. Coal 67 -0.001 -0.006 0.026 -0.080 0.111
30. Petroleum and Natural Gas 1,063 0.006 -0.004 0.035 -0.046 0.185 32. Communication 1,941 0.001 0.000 0.004 0.000 0.107 33. Personal Services 934 0.007 -0.001 0.031 -0.027 0.254 34. Business Services 270 0.017 -0.004 0.093 -0.078 0.138
35. Computers 1,122 0.034 -0.011 0.676 -0.308 0.262
36. Electronic Equipment 599 0.007 -0.015 0.082 -0.133 0.902 37. Measuring and Control Equipment 593 0.008 -0.015 0.087 -0.133 0.102 38. Business Supplies 409 0.008 -0.004 0.070 -0.768 0.359 39. Shipping Containers 481 0.008 -0.004 0.068 -0.768 0.359 40. Transportation 270 0.005 -0.001 0.026 -0.025 0.112
41. Wholesale 835 0.010 0.000 0.041 -0.039 0.368
42. Retail 685 0.001 -0.012 0.068 -0.106 0.060
43. Restaurants, Hotels, Motels 567 0.028 -0.010 0.154 -0.269 0.195
48. Other 341 -0.003 -0.003 0.018 -0.075 0.184
註： 本表格提供不同產業分類下，調整後組織資本變數之敘述統計值。調整後組織資本變數為組織資本變數扣除產 業中位數。產業分類主要依據Fama and French (1997) 作法將公司所屬產業分為 48 類。基本敘述統計值包 括觀測值、平均值、中位數、標準差、極小值與極大值。
在Compustat 中的 SIC 代碼來做分類，若在 Compustat 中數據缺漏，則按照 CRSP 當年六月底所屬SIC 代碼來做分類。由表 3 的結果可以看出屬於「32. 通訊 (32.
Communication)」產業之公司占本研究最終樣本數為最大宗，共有 1941 筆，第二多 則為「35. 電腦 (35. Computers)」產業，共有 1122 筆，第三多則為「30. 石油和天然 氣(30. Petroleum and Natural Gas)」產業，共有 1063 筆。最後觀察各個產業投入組 織資本占總資產的比例，如結果所示「9. 消費品 (9. Consumer Goods)」產業的比例 最高，其平均值為0.044，第二高之產業為「10. 服飾 (10. Apparel)」產業，其平均 值為0.040；此結果顯示出在美國地區上市企業中，消費品產業及服飾產業相對於 其他產業而言，需要投入較高比例的銷售、一般與管理費用，以便透過提升品牌知 名度、培訓員工銷售能力，以及強化銷售資訊系統之建構等，建立公司長期無形資 產，進一步提升企業營運價值。而在組織資本投入最少的產業有「20. 加工製品 (20.
Fabricated Products)」產業，其平均值為 -0.004。
二、組織資本及銀行放款利差
本研究欲探討組織資本對銀行放款利差的影響，以最小平方法(Ordinary Least Squares) 建立迴歸模型，如下：
Log (AISD)i,j,t =
α + β1ADJOCi,t-1 + β2Firm characterisicsi,t-1 + β3Loan characterisiticsi,j,t +
Loan_typei + Loan_ purposei + Yeart + Industryi + εi,j,t， (5)
其中Log (AISD)i,j,t為第i 間公司於第 t 年的第 j 筆借貸之銀行放款利差 (All-in Spread Drawn，變數代號：AISD) 取自然對數，作為銀行放款成本的代理變數。調 整後之組織資本（變數代號：ADJOC）及公司特性變數以第 i 間公司於第 t-1 年之 數據衡量，用以消除內生性問題。根據Graham et al. (2008)，本研究在模型中加入 其他控制變數，包括公司特徵變數(Firm Characteristics)：公司規模、市場價值與 帳列金額比、槓桿比率、總資產報酬率以及有形資產比率，以及銀行放款特徵變數 (Loan Characteristics)：放款到期日、放款金額與表現定價條款等變數。並依照借貸 類型固定效果設定29 個虛擬變數 (Loan Type Dummy Variables) 以及借貸目的固定 效果設定32 個虛擬變數 (Loan Purpose Dummy Variables)。最後加入產業別固定效 果虛擬變數(Industry Dummy Variables)，使用 Fama and French (1997) 之 48 個產業 分類碼進行產業分類，以及年固定效果的虛擬變數(Year Dummy Variables) (Glejser, 1969)。
表4 組織資本與銀行利差合約之放款成本
(1)
Log (AISD) (2)
Log (AISD) (3)
Log (AISD)
ADJOC -0.168***
(-3.18) -0.151***
(-2.92) -0.153***
(-5.25) 公司特性
Firm Size -0.179***
(-56.51) -0.124***
(-24.82) -0.126***
(-27.69)
Market-to-book -0.212***
(-9.30) -0.201***
(-9.08) -0.113***
(-20.83)
Leverage 0.943***
(17.18) 0.893***
(16.91) 0.650***
(29.59)
ROA -0.636***
(-2.73) -0.637***
(-2.79) -0.708***
(-13.59)
Tangibility -0.311***
(-12.52) -0.304***
(-12.22) -0.183***
(-6.31)
Z-score 0.000***
(5.43) 0.000***
(4.86) 0.012***
(3.89) 銀行放款特性
Loan Maturity 0.158***
(17.19) -0.002*
(-1.70)
Loan Size -0.076***
(-12.46) -0.101***
(-19.96)
Performance Pricing -0.089***
(-7.52) -0.091***
(-8.70) 其他控制變數
Loan Type and Purpose
Dummy Variables N N Y
Fama-French 48 Industries
and Year Dummy Variables N N Y
Constant 6.435***
(157.09) 5.869***
(116.26) 7.337***
(121.43)
N 17,894 17,894 17,894
F-value 821.50*** 124.88*** 190.35***
R2 0.2920 0.3139 0.6193
註： 表 4 主要以最小平方法跑迴歸模型，來分析組織資本與銀行放款利差之間的關係。其中依變數為
Log (AISD)，為公司借貸之銀行放款利差取自然對數 ; 主要解釋變數為 ADJOC，為調整後之組織
資本，該數值衡量方式為組織資本扣除該公司所屬產業之組織資本中位數; 控制變數包括三大類，
公司特性變數、銀行放款特性變數與其他控制變數，各變數說明詳見表3 說明。括號內呈現 t 值，
***,**,* 分別代表 1%，5% 以及 10% 的顯著性。
表4 為迴歸結果，由此表可以觀察到在顯著水準為 1% 之下，組織資本與銀行 放款利差為顯著負相關，也就是組織資本能夠反應管理者能力及管理品質，當公司 投入愈多組織資本，能夠替企業創造更好的價值、降低銀行放款利差，使銀行願意 提供較低的放款成本。此結果支持本研究假說一，即組織資本和銀行放款成本為負 相關，組織資本投入愈多的公司，會降低銀行放款的成本。
而由表4 之模型 (3)，控制公司特性、銀行放款特性及其他控制變數，組織資 本與銀行放款的係數為-0.153，而該係數為 1% 之下的顯著效果。該結果顯示當企 業增加1 單位的組織資本投入，將會降低 15.3% 的銀行放款利差，以銀行放款利差 平均值為140 基點 (Basis Points)2，15.3% 的變化等同於約 21 基點。
此外表4 亦可以觀察到公司規模與銀行放款利差為顯著負相關，公司規模愈
大，公司較易外部融資、且能降低資訊不對稱及監管成本，因而降低銀行放款利差，
銀行願意提供較低的放款成本。市場價值與帳列金額比與銀行放款利差為顯著負相 關，市場價值與帳列金額比愈大，代表公司有較良好的成長機會，銀行在評估該公 司的財務表現後，相信此對公司的經營績效有正向助益，因此銀行願意降低放款成 本。由其他控制變數結果也可以發現，例如：槓桿比率與銀行放款利差為顯著正相 關，槓桿比率愈小，公司違約機率愈小，銀行願意提供較低的放款利差。總資產報 酬率與銀行放款利差則為顯著負相關，總資產報酬率愈大，公司違約機率愈小，銀 行願意提供較低的放款利差。
有形資產比率與銀行放款利差為顯著負相關，有形資產比率代表債權人在債務 人違約情況下可以獲得的帳面資產的額外價值，使銀行願意提供較低的放款利差。
放款到期日與銀行放款利差為正相關但不顯著，因為借方需要以較高的放款利差作 為長期債務的流動性溢價。放款金額與銀行放款利差則為顯著負相關，負顯著之可 能原因有放款的規模經濟，放款金額愈大則放款之成本愈小，此外風險較高的借方 通常會獲得較高利差的小額貸款。表現定價條款與銀行放款利差亦為顯著負相關，
銀行願意為有表現定價條款（變數代號：Performance Pricing）之公司提供較低的放 款利差。以上結果與Graham et al. (2008) 文獻中的結果相同。
三、穩健性檢定
針對組織資本及銀行放款成本間關係進行穩健性檢定，本研究參考Francis, Hasan, Mani, and Yan (2016) 之文獻將穩健性檢定分成四類，於接下來的四個小節詳 細介紹，分別為（一）總體經濟因素、（二）調整後之Z-score、（三）排除異常值
2 1 基點等於 0.01%。
之年度、（四）產業分類。
（一）總體經濟因素
總體經濟因素會影響銀行放款成本，但不會對公司層面的組織資本造成影響，
於是在迴歸中加入信用利差（變數代號：Credit Spread），AAA 及 BAA 公司債券 收益率間之差值，以及期間利差（變數代號：Term Spread），即十年期及一年期國 庫債券收益率間之差值，其迴歸如下：
Log (AISD)i,j,t =
α + β1ADJOCi,t-1 + β2Firm characterisicsi,t-1 + β3Loan characterisiticsi,j,t + β4Macroeconomic factorsi,j,t + Loan_typei + Loan_purposei + Yeart +
Industryi + εi,j,t， (6)
其中Log (AISD)i,j,t為第i 間公司於第 t 年的第 j 筆借貸之銀行放款利差（All-in Spread Drawn，變數代號：AISD）取自然對數，作為銀行放款成本的代理變數。
調整後之組織資本（變數代號：ADJOC）及公司特性變數以第 i 間公司於第 t-1 年 之數據衡量，用以消除內生性問題。根據Graham et al. (2008)，本研究在模型中加 入其他控制變數，包括公司特徵變數(Firm Characteristics)：公司規模、市場價值與 帳列金額比、槓桿比率、總資產報酬率以及有形資產比率，以及銀行放款特徵變數 (Loan Characteristics)：放款到期日、放款金額與表現定價條款等變數。穩健性檢定 將迴歸模型加入總體經濟因素(Firm Characteristics)：信用利差及期間利差。
並依照借貸類型固定效果設定29 個虛擬變數 (Loan Type Dummy Variables) 以 及借貸目的固定效果設定32 個虛擬變數 (Loan Purpose Dummy Variables)。最後 加入產業別固定效果虛擬變數(Industry Dummy Variables)，使用 Fama and French (1997) 之 48 個產業分類碼進行產業分類，以及年固定效果的虛擬變數 (Year Dummy Variables) (Glejser, 1969)。
表5 之模型 (1) 為加入總體經濟因素之結果，可以觀察到在顯著水準為 1% 之下，
組織資本與銀行放款利差仍為顯著負相關，此結果支持假說一，即組織資本投入愈 多的公司，會降低銀行放款的成本。
（二）調整後之 Z-score
Z-score 的計算包含優先股和普通股市值占總負債之比例，此項與迴歸中之解釋 變數—市場價值與帳列金額比（變數代號：Market-to-book）重疊，為消除此影響而 改用Graham, Lemmon, and Schallheim (1998) 所提出之調整後之 Z-score（變數代號：
Mod. Z-score），Z-score 及 Mod. Z-score 之計算方式分別如下：
表5 穩健性檢定
Log (AISD)(1) (2)
Log (AISD) (3)
Log (AISD) (4)
Log (AISD) (5)
Log (AISD) (6) Log (AISD)
ADJOC -0.076***
(-4.00) -0.168***
(-5.81) -0.167***
(-5.66) -0.118**
(-2.02) -0.156***
(-4.73) -0.164***
(-5.66) 公司特性
Firm Size -0.118***
(-27.76) -0.120***
(-28.55) -0.121***
(-28.10) -0.132***
(-28.95) -0.124***
(-26.50) -0.123***
(-29.32) Market-to-book -0.152***
(-28.04) -0.141***
(-27.35) -0.141***
(-27.07) -0.153***
(-18.13) -0.143***
(-8.59) -0.144***
(-28.73)
Leverage 0.650***
(32.36) 0.602***
(28.55) 0.604***
(28.13) 0.717***
(26.59) 0.616***
(12.72) 0.640***
(30.83)
ROA -0.485***
(-13.06) -0.361***
(-7.96) -0.369***
(-7.91) -1.043***
(-12.21) -0.349*
(-1.92) -0.349***
(-7.71)
Tangibility -0.241***
(-8.68) -0.247***
(-8.96) -0.262***
(-9.25) -0.241***
(-8.20) -0.255***
(-8.51) -0.169***
(-7.45)
Z-score 0.001***
(2.12)
Mod. Z-score -0.013***
(-4.29) -0.012***
(-4.01) -0.097***
(-17.23) -0.011***
(-2.61) -0.011***
(-3.80) 銀行放款特性
Loan Maturity -0.010
(-1.13) -0.012
(-1.42) -0.017**
(-1.97) -0.005
(-0.49) -0.008
(-0.79) -0.001 (-0.14)
Loan Size -0.099***
(-20.84) -0.098***
(-20.99) -0.101***
(-21.06) -0.087***
(-17.44) -0.098***
(-18.96) -0.094***
(-19.86) Performance Pricing -0.085***
(-8.59) -0.083***
(-8.53) -0.085***
(-8.53) -0.080***
(-7.81) -0.084***
(-8.53) -0.088***
(-8.91) 總體經濟因素
Credit Spread 0.485***
(3.41) 0.471***
(3.33) 0.471***
(3.34) 2.094
(0.59) 0.488***
(4.61) 0.492***
(3.44)
Term Spread 0.506**
(2.37) 0.512**
(2.41) 0.503***
(2.38) 1.716
(0.61) 0.553***
(3.67) 0.558***
(2.60) 其他控制變數
Loan Type and Purpose
Dummy Variables Y Y Y Y Y Y
Industry and Year Dummy
Variables N N N Y Y Y
Fama-French 48 Industries and Year
Dummy Variables Y Y Y Y N N
Constant 7.614***
(68.17) 7.622***
(68.87) 7.663***
(69.00) 8.875***
(3.66) 7.672***
(73.80) 7.604***
(64.25)
N 17,894 17,894 15,960 14,104 17,894 17,894
F-value 194.09*** 196.18*** 195.38*** 205.70*** 206.60*** 252.40***
R2 0.5961 0.5968 0.5966 0.6501 0.5952 0.5841
註： 表 5 主要以最小平方法跑迴歸模型，來分析組織資本與銀行放款利差之間的關係，迴歸模型增加了總體經濟因素之控制變數。其 中依變數為Log (AISD)，為公司借貸之銀行放款利差取自然對數 ; 主要解釋變數為 ADJOC，為調整後之組織資本，該數值衡量方
式為組織資本扣除該公司所屬產業之組織資本中位數; 控制變數包括四大類，公司特性變數、銀行放款特性變數、總體經濟因素變
數與其他控制變數，各變數說明詳見表4 說明。表 5 之模型 (1) 使用 Z-score 來控制公司財務穩健程度 ; 模型 (2)~ 模型 (6) 將 Z-score 改為Mod. Z-score。其中模型 (3) 的樣本排除異常值之年度，即排除金融海嘯期間 2008 年至 2009 年之數據 ; 模型 (4) 的樣本排除 異常值之年度外，另外對於控制變數Market-to-book, Leverage, ROA 與 Mod. Z-score 等，排除極端高與極端低 1% 的觀測值 ; 模 型(5) 使用 SIC 前二碼進行產業分類控制變數 ; 模型 (6) 使用 SIC 第一碼進行產業分類控制變數。括號內呈現 t 值，***,**,* 分別代 表1%，5% 以及 10% 的顯著性。
Z-score =（1.2 流動資本 + 1.4 保留盈餘 + 3.3 息稅前利潤 + 0.99 銷售額）/ 總資產 + 優先股和普通股市值/ 總負債
Mod. Z-score =（1.2 流動資本 + 1.4 保留盈餘 + 3.3 息稅前利潤 + 0.999 銷售額）/ 總 資產
表5 之模型 (2) 為將 Z-score 改為 Mod. Z-score 後之結果，可以觀察到在顯著水 準為1% 之下，組織資本與銀行放款利差仍為顯著負相關，此結果仍然支持本研究 假說一：組織資本投入愈多的公司，會降低銀行放款的成本。此外Mod. Z-score 與 銀行放款利差為顯著負相關，Mod. Z-score 愈高表示公司財務健康狀況愈好，違約 風險愈小，銀行願意提供較低的放款利差。
（三）排除異常值
為確保樣本中之異常值不影響迴歸結果，首先排除2008 年至 2009 年金融海嘯 期間之數據。表5 之模型 (3) 為排除異常值之年度，可以觀察到在顯著水準為 1%
之下，組織資本與銀行放款利差仍為顯著負相關。此結果仍然支持本研究假說一：
組織資本投入愈多的公司，會降低銀行放款的成本。其次對於控制變數Market-to- book、Leverage、ROA 與 Mod. Z-score 等，在排除極端高與極端低 1% 觀測值後，
表5 之模型 (4) 為排除控制變數極端值之結果，可以觀察到組織資本與銀行放款利 差仍為顯著負相關。
（四）產業分類
將虛擬變數中的產業分類進行替換，分別使用SIC 前二碼以及 Fama and French (1997) 之產業分類代替原先之 SIC 第一碼。
表5 之模型 (5) 為使用 SIC 前二碼進行產業分類之結果，可以觀察到在顯著水 準為1% 之下，組織資本與銀行放款利差仍為顯著負相關。表 5 之模型 (6)，為使用 SIC 前一碼，進行設定產業分類的虛擬變數之結果，可以觀察到在顯著水準為 1%
之下，組織資本與銀行放款利差仍為顯著負相關，以上結果皆支持假說一：組織資 本投入愈多的公司，會降低銀行放款的成本。
四、組織資本及非利差合約之放款成本
過去的實證分析著重於公司之組織資本如何影響銀行放款利差，然而由於銀行 放款合約涉及多方層面，銀行除了可以透過調整放款利差，也可以透過其他非利差 的方式針對借方背景作調整。本研究將針對非利差合約之放款成本進行迴歸分析，
參考Graham et al. (2008)，將放款到期日取自然對數（變數代號：Log (Maturity)）、
擔保品（變數代號：Security）、一般合約數（變數代號：#General Covenants）、
財務合約數（變數代號：#Financial Covenants）作為非利差合約之放款成本之代理
