第二節 變數定義

第參章 研究方法

第一節 研究假說

財務槓桿對於多角化企業可能產生三種影響效果，一為其可減輕多角化 策略的權益代理問題，避免過度投資；其次，多角化策略將增加舉債能量，

使企業享有更多的抵稅利益；第三則為財富移轉效果，在缺乏綜效下，多角 化降低了盈餘波動度，將使股東權益價值下降，債權價值上升。而財務槓桿 對於多角化公司價值有何影響應視上述三種效果的影響強度，且隨著不同多 角化的階段，財務槓桿對於公司價值可能產生不同的影響。為瞭解財務槓桿 與多角化企業價值間的關係，本研究將依序驗證以下 3 點假說：

假說 1：不同多角化策略階段下，財富移轉效果之影響將有所差異。

Jensen（1986）認為管理者有誘因追求本身利益極大化，當公司的自由 現金流量過多，則管理者容易過度投資，採行有利於己、卻可能有損股東權 益的多角化策略；另根據 Lang, Ofek & Stulz（1996）的研究發現，對於負債 比率與低 Tobin’ Q 企業的資本支出呈顯著負向關係，但對於 Tobin’ Q 高的企 業，負債比率與資本支出並無顯著關聯，且多角化企業的負債比率與非核心 部門的資本支出為顯著負相關。基於上述實證結果，本研究進而推論負債比 率較高的企業，較有可能基於追求股東財富極大化的動機而決定多角化，且 能減輕多角化企業的不當交叉補貼；再者，Lewellen（1971）證明多角化策 略將使舉債能量增加，舉債的抵稅利益可以提昇股權價值。是以，本研究預 期在初行多角化策略的階段，財務槓桿所帶來的正面影響，將減輕財富移轉 效果對於股東價值的負面影響，使得財富移轉效果較不顯著。反之，對於採 行重新聚焦的多角化企業，本研究以為財富移轉效果的影響較為顯著，原因

是理論指出企業績效愈差時，財富移轉效果愈大，而根據 Berger & Ofek

（1999）的實證結果發現採取重新聚焦策略的多角化企業，績效顯著差於未 採取重新聚焦策略的多角化公司。

假說 2：不同的多角化策略階段，多角化策略與財務槓桿的交互作用效果與 公司價值之關係將有所差異。

在不同多角化策略階段下，財富移轉效果對於公司價值影響的程度若有 所差異，隱含在不同的階段下，財務槓桿對於多角化公司價值的總影響效果 也將有所差異。

假說 3：財務槓桿對於多部門公司價值之影響不同於其對單一部門公司價值 之影響。

由於多角化後可能產生的舉債利益或財富移轉效果，因此，本研究預期 財務槓桿對於多部門公司價值之影響將不同於其對單一部門公司價值。

第二節 變數定義

本研究旨在探究多角化、財務槓桿與公司價值三者之關係，因此採用公 司價值作為因變數，多角化與負債比率為主要的自變數。關於公司價值的衡 量方式，本研究採用 Berger & Ofek（1995）所提出的超額價值（excess value）， 多數研究採用該指標或運用相同邏輯計算 Tobin’s Q 來代表公司相對價值，

而 Mansi & Reeb（2002）指出該指標係以帳面價值來衡量負債價值，因此只 能顯示股東權益價值的變化，而非公司整體價值。本研究以超額價值表示公 司價值，並且參考先前的研究將公司規模、獲利能力、成長力等作為控制變 數，避免這些變數產生干擾股權價值與負債比率之間的關係。故在解釋超額

價值變異上，共計選用多角化指標、財務槓桿程度、規模、獲利能力、成長 力及管銷研發費用率等 6變數作為解釋變數，以下分就各變數定義進行說明：

一. 超額價值

本研究利用 Berger & Ofek（1995）提出的超額價值(excess value)¹來衡量 權益價值，該指標是運用產業乘數觀念，以產業內單一部門公司價值均數作 為公司中各部門之設算價值（ imputed value），其顯示該部門若獨立經營下應 有之價值，而公司實際價值與部門設算價值總和之間的差異即為多部門公司 相較於單一部門公司之相對價值，其計算方式如（3.1）、（3.2）所示：

( ) _∑ [ ( ) ]

=

×

= ⁿ

i

i mf

i Ind V Sales Sales

V I

1

/ （3.1）

( ) (

)

EV =ln / （3.2）

其中，V ：股東權益市值與總負債帳面價值之總和

( )

I ：部門設算價值之總和

(

)

n ：公司部門數目，且各部門之 SIC 四碼均不相同

( )

i V Sales

Ind / ：i 部門所屬產業內單一部門公司之銷貨乘數，並取其 中位數，而銷貨乘數為公司價值除以銷貨

EV ：公司的超額價值

所謂產業，乃依循標準行業分類碼（SIC）給予客觀分類，分別計算各

1 Berger & Ofek（1995）利用 3 種不同乘數計算超額價值，除了銷貨乘數之外，尚可將（ 3.1）式中 的 Sales 改換成資產或稅前息前淨利。多數研究採用銷貨乘數或資產乘數為主，而本研究選用銷 貨乘數計算超額價值。

產業之產業銷貨乘數，其值需是同產業內至少五家單一部門公司的中位數，

而最嚴謹的「相同產業」定義為 SIC 四碼皆同，單一部門公司則指某一年度 部門數為 1 之公司。若 SIC 四碼相同之單一部門公司數不滿五家，則擴大定 義稱 SIC 前三碼均同者為相同產業，以該產業內的單一部門公司計算產業銷 貨乘數；若 SIC 前三碼相同之單一部門公司亦不滿五家，則擴大定義稱 SIC 前兩碼相同者為同一產業，依此類推，即可求出某一年度各產業之銷貨乘 數，再以部門作為衡量基礎，以其 SIC 定義所屬產業，利用（3.1）、（3.2）

式計算各公司之設算價值及超額價值²。

對於單一部門企業而言，超額價值意為當年度其相較於產業平均之表 現；就多部門企業來說，超額價值衡量已去除產業影響後，公司相較於各部 門均獨立經營之表現。而利用產業乘數法計算公司相對價值的前提在於必須 取得部門別會計資訊，而衡量品質則受到管理者是否誠實揭露各部門會計資 訊所影響，若管理者愈有誘因操縱部門別的資訊揭露，將導致部門設算價值 偏離部門公平價值的差距愈大，無法反應多部門公司應有之價值，此為產業 乘數法之限制。

二. 多角化指標

本研究依據部門 SIC 碼界定是否為多角化企業，若各部門之 SIC 四碼均 相同，即為單一部門企業；若各部門之 SIC 四碼不盡相同，代表多部門企業。

在多角化指標的選擇上，同時採用虛擬變數 D 與 Entropy 指標。虛擬變數 D 設為 0 表示單一部門企業，其 SIC 四碼不同的部門數為 1；D 設為 1 表示多 部門企業，其 SIC 四 碼 不 同 的 部 門 數 大 於 1。另外採用 Entropy 指 標

2 本研究中，44%多部門公司之部門設算價值是基於 SIC 四碼皆同之產業定義，25%是基於 SIC 前 三碼偕同之產業定義，30%是依據 SIC 前兩碼相同之產業定義。

（Jacquemin & Berry, 1979）衡量多角化程度，其公式如（3.3）所列：

ER E_UR

s s Ps n

s Ps Ps s

i Pi Ps Ps Pi n

s Ps

ET ∑ +

= =











 ∑ + =











 ∑

∑ ∈

= = ( )

1 1

1 ) ln(

) ln(

1

其中， n ：SIC 前兩碼不同之部門數

P ：SIC 前兩碼不同之部門，其營收占企業總營收之比率 ^s P ：SIC 四碼皆不同之部門，其營收佔企業總營收之比率 i

E ：總多角化程度 _T E ：相關多角化程度 ^R E^UR：非相關多角化程度

從公式（3.3）可知 Entropy 法不僅可以衡量企業的總多角化程度（E_T），

其值愈高表示多角化程度愈大，並可拆解成相關多角化程度（E_R）與非相 關多角化程度（E_UR）。相較於 Herfindahl 指數，Jacquemin & Berry（1979）

認為 Entropy 法具有兩項主要優點：

1. 顯示企業進行多角化策略的方向：由於 Entropy 法可將總多角化程度 劃分為相關多角化與非相關多角化，使後續學者可探討不同多角化 策略與公司績效或價值之間的關係。

2. 較不容易忽略佔有較小比率的產品線： Herfindahl 指數為

∑

= n

i i iP P

1

， 乃將部門銷售比率當成該部門所佔權重行成部門銷售比率的平方，

當公司增加其多角化程度，擁有更多不同 SIC 碼的部門數時，由於 每一部門銷售所佔比率較小，平方之後所得數值更小，不容易反映 出多角化程度的變化。而 Entropy 則是以部門銷售比率的倒數再取對

數作為權重，對於企業多角化程度的變化較為敏感。

Hoskisson 等（1992）學者亦認為 Entropy 法是一高有效性及可靠性的多 角化指標， Kochhar & Hitt（1998）即利用 Entropy 法探討相關或非相關多角 化策略與企業融資決策之關係。

三. 財務槓桿程度

本研究利用長期負債比率來檢視公司的財務槓桿程度，並未納入短期負 債，原因是長期負債水準決定於產業特性、公司競爭策略、組織結構等因素，

且 Bromiley（1990）、Chatterjee & Wernerfelt（1991）Kochhar（1996）等學 者的研究結果亦顯示長期負債水準與公司策略有關，而短期負債用以融通營 運資金需求，主要決定於企業日常營運活動，例如進貨成本、購買原物料等，

與公司策略之間的關聯性小。本研究利用股東權益市值與長期負債帳面價值 作為分母來衡量長期負債比率，定義如（3.4）所列。

( )

長期負債帳面價值 股東權益市值

長期負債帳面價值 長期負債比率

= +

LEV （3.4）

四. 其他控制變數

參考 Berger & Ofek（1995）、Campa & Kedia（2002）、Denis &Yost（2002）

等研究，本研究納入公司規模、獲利能力、成長力及企業獨特姓等作為控制 變數。公司規模為總資產的自然對數，Chatterjee & Wernerfelt（1991）認為 公司規模與策略型態有關，規模愈大，代表企業在產業中具有一定的地位與 影響力，較有機會獲取超額利潤，為企業創造更高的價值。獲利能力指標選 用資產報酬率，由於因變數為公司整體價值，因此，以息前稅前淨利作為分 子，來衡量股東與債權人所能獲得之總報酬，在其他條件相同下，資產報酬 率愈高，則公司價值愈高。成長機會是以資本支出率作為代理變數，乃資本

支出占銷貨之比率，其與公司價值亦為正向關係；而管銷研發費用率則作為 企業獨特性或產品差異化能力的代理變數，在其他條件不變下，管銷研發費 用率愈高，表示企業擁有無形資產的價值愈高，對於公司價值具有正向影響 效果。上述控制變數之定義如（3.6）~（3.9）所列：

( ) (

)

公司規模LNA =LN （3.6）

( )

總資產 稅前息前淨利

資產報酬率 ROA = （3.7）

( )

銷貨

資本支出率CAPX =資本支出 （3.8）

( )

銷貨

研發費用

管銷研發費用率SARD =管銷費用+ （3.9）

五. 負債比率之解釋變數

在考慮負債比率的內生性下，選取與負債比率有關的解釋變數建立兩階 段迴歸模型，使用工具變數探討負債比率與超額價值之關係。在解釋變數的 選擇上，必須是影響負債比率的因子但與超額價值之未解釋變異無關。

除了上述控制變數之外，參考 Bradley 等學者（1984）、Agrawal & Knoeber

（1996）等學者研究，選取了非負債稅盾、資產抵押價值、稅後淨利率等變 數作為負債比率的工具變數。其中 Deangelo & Masulis（1980）認為非負債 稅盾會與抵銷負債的抵稅好處，因此非負債稅盾與負債比率為負相關；而企 業擁有愈多資產可供抵押擔保，愈能降低債權人與股東之間存在的代理問 題，得以較低的資金成本舉債，換言之，資產抵押價值與負債比率為正相關。

另根據融資順位理論，當企業的稅後淨利愈多，表示所需資金愈能以保留盈 餘支應，愈不需要對外融資，即負債比率愈低。上述工具變數之定義如（3.10）

~（3.12）所列：

( ) (

)

非負債稅盾

= +

DD （3.10）

( )

資產抵押價值FA =固定資產 （3.11）

( )

稅後淨利率PR =稅後淨利 （3.12）

茲將公司價值、影響公司價值的解釋變數及負債比率的解釋變數等定義 整理如表 3-1、表 3-2。

表 3-1 公司價值及其解釋變數之定義

變數名稱 衡量指標 指標定義

因變數

公司價值 超額價值 ^{EV =ln}

(

)

解釋變數

多角化程度 虛擬變數 D D=1，多部門公司；D=0，單一部門公司 Entropy 指標

EUR ER

s s Ps

ET ∑ +

= = ( ) 1

資本結構 長期負債比率

長期負債帳面價值 股東權益市值

長期負債帳面價值

= + LEV

公司規模 總資產規模 ^LNA= ^LN

(

)

獲利能力 資產報酬率

總資產 稅前息前淨利

= ROA 成長力 資本支出率

銷貨

=資本支出 CAPX

企業獨特性 管銷研發費用率

銷貨 管銷費用+研發費用

= SARD

表 3-2 負債比率之解釋變數之定義

變數名稱 衡量指標 指標定義

多角化程度 虛擬變數 D D=1，多部門公司；D=0，單一部門公司 公司規模 總資產規模 ^LNA=^LN

(

)

成長力 資本支出率

銷貨

=資本支出 CAPX

企業獨特性 管銷研發費用率

銷貨 管銷費用+研發費用

= SARD

獲利能力 稅後淨利率

總資產

=稅後淨利 PR

非負債稅盾 折舊費用率

(

)

= DD

資產抵押價值 固定資產比率

總資產

=固定資產 FA

第三節 研究方法

本研究乃基於公司部門數目與標準行業分類碼（SIC）給予客觀認定公 司是否進行多角化策略，定義若公司內存有兩個(含)以上 SIC 四碼不同之部 門，則為多部門公司；若公司各部門之 SIC 四碼均同者，稱為單一部門公司。

整體樣本包含單一部門公司及多部門公司，並利用可同時處理時間序列與橫 斷面資料的追蹤資料（ panel data）模型進行分析，為避免遺漏變數使迴歸模 型的係數估計產生偏誤，降低模型正確性，而利用固定效果模型（fixed-effect model）進行分析；另在考慮負債比率既是影響公司價值之因素，同時本身 又決定於產業特性、公司策略、公司特性等因素，甚而多角化策略的執行也 會改變負債比率，為了避免負債比率的內生性可能影響實證結果，利用工具

變數（ instrument variables）進行迴歸分析。茲將本研究所使用之統計方法說 明如下：

一. 無母數 Mann-Whitney U 檢定法

本研究利用 Mann-Whitney U 檢定法來驗證 2 個獨立樣本之母體是否具 有相同之中位數（η），該檢定之虛無假設與對立假設如（3.13）所示：

2 1 1

2 1 0

η η

η η

≠

=

=

= H

H （3.13）

首先將兩組樣本觀察值混合排序，分別計算第一組樣本等級和W₁及第二 組樣本等級和W₂；再計算第一組樣本觀察值小於第二組每一個樣本觀察值 之總個數，設為U₁，以及第二組樣本觀察值小於第一組每一個樣本觀察值之 總個數，設為U₂。公式如（3.14）：

( )

( )

2 2

2 2 1 2

1 1

1 2 1 1

2 1 2

1

n W n n

n U

n W n n

n U

+ − +

=

+ − +

=

（3.14）

其中，n ：第一組樣本個數 ₁ n ：第 2 組樣本個數 2

W ：第一組樣本之等級和 1

W ：第二組樣本之等級和 2

最後取U₁及U₂較小者作為檢定統計量U，若U太小，則拒絕H₀，表示兩組 樣本之母體中位數並不相等。

若兩組樣本個數均大於或等於 10 時，亦可利用 Z 統計量進行檢定，如

（3.15）所示：

( ) ( )

( )

U Var

U E

Z =U − （3.15）

其中，

( )

2

2 1n U n

E =

( ) ( )

12

2 1

1 2

1 + +

= nn n n U

Var

W ：第一組樣本之等級和 1

W ：第二組樣本之等級和 2

二. t 檢定法

由於超額價值符合常態分配，本研究利用 t 統計量檢定兩母體平均數是 否相等。t 檢定法適用於母體為常態，且母體變異數未知，該檢定之虛無假 設與對立假設如（3.16）所示：

2 1 1

2 1 0

µ µ

µ µ

≠

=

=

= H

H （3.16）

由於變異數未知，可以先利用卡方檢定統計量來檢定兩母體之變異數是 否相等，若變異數相等，則 t 統計量如（3-17）所示，若變異數不相等，則 t 統計量如（3-18）所示：

( ) ( )

2 1 1

, 1

1 _{1 2}

2 2 2 2 1 2 1

2 1

− +

− +

= − +

= −

n n

S n S S n

n S n

Y

t X _P

p

（3-17）

2 2 2 1 2 1

n S n S

Y t X

+

= − （3-18）

三. 共線性檢定

所謂共線性係指兩個以上的自變數之間存在高度相關，在此情況下，將 造成係數估計不顯著或估計偏誤等問題，降低迴歸模式的有效性。本研究以 皮爾森相關係數及變異數膨脹因子（ Variance Inflation Factor, VIF）檢定自變 數之間是否存在嚴重的共線性問題。

皮爾森相關係數適用於等距尺度以上的資料，其基本假設為兩變數均是 從同一常態分配的母體群中隨機抽取的獨立樣本，衡量兩兩變數之間的相關 程度，依照 Gujarati（1988）所得之結論，各自變數間之相關係數若不大於 0.8，則表示共線性的情況不嚴重。

而某一自變數X_j的變異數膨脹因子（ VIF）的衡量方式如（ 3.16）所示，

其中 R²j

(

)

(

)

j

j R X X X X X

VIF

, , , , , , 1

1

1 1 2

1

2 L _{− +} L

= − （3.16）

當X_j與其他自變數之間的相關程度愈高，則複相關係數愈大，而使 VIF 值愈大。當自變數之 VIF 值等於 1，表示其與其他變數之間並無任何相關，

反之，若 VIF 值大於 10，表示該變數與其他變數之間存在高度相關。而學 者 Snee（1973）認為若 VIF 值大於 5，則模型即存在共線性問題。

四. 固定效果模型

由於產業均有其生命週期，而使公司特性會隨時間而變化，因此本研究 採取追蹤資料（ panel data）分析，對同一家公司在不同時間點上重複衡量其 相對價值及解釋變數，為兼具有時間序列與橫斷面的資料型態，以同時捕捉 解釋變數對於公司價值的影響效果，以及隨著時間變化，模型如（3.16）：

it i it it

it

it X

Y =β₁ +ε , ε =α +η （3.16）

其中， α ：為個別效果，表示各觀察個體的個別差異 _i

η ：隨機殘差項，互為獨立且分配服從it N

( )

一般而言，分析追蹤資料的方法包括固定效果模型（fixed effects model）

及隨機效果模型（random effects model），兩者主要差異在於個別效果的假 設，因而處理截距項的方式並不相同。固定效果模型假設各個觀察個體的個 別差異與解釋變數有關，但不會隨著時間而改變，即截距項為固定、未知的 常數。隨機效果模型則假設各個觀察個體的個別差異與解釋變數無關，表示 截距項為一隨機變數，而非固定常數，此時迴歸式中的殘差項代表在各觀察 個體的個別差異中無法觀察到的隨機誤差。

為避免模型設定錯誤，進一步利用 Wu-Hausman 檢定殘差項ε_i與解釋變 數之間是否相關，（3.17）與（3.18）為該檢定之假說與檢定統計量。

殘差項與解釋變數有關 殘差項與解釋變數無關

=

=

1 0

H

H （3.17）

(

) ( ) ( ) [

] (

)

H βˆ βˆ ′ βˆ − βˆ ¹ βˆ −βˆ

−

= ⁻ （3.18）

其中，βˆ_RE：隨機效果下之估計量

βˆFE：固定效果下之估計量

檢定統計量 H 近似卡方分配，自由度（ K）為解釋變數個數，因此當 H 值大於自由度（K）的卡方值時，表示拒絕H₀，意為殘差項與解釋變數有關，

必須使用固定效果模型；反之，無法拒絕H₀時，表示應使用隨機效果模型。

五. 工具變數法

Kochhar & Hitt（1998）實證發現多角化策略與融資決策存在相互影響 關係，本研究考慮公司策略、產業因素、公司特性等因素均會影響公司負債 比率，亦即負債比率可能為一內生變數，另輔以工具變數法進行係數估計。

當變數存在內生性下，若單純將其視為外生變數，將會與誤差項相關，

導致係數估計值不具有不偏性（unbias）及一致性（consistency）。為了避免 內生性致使研究結果偏誤，因此建立一個聯立方程式系統，將負債比率內生 化，採取兩階段最小平方法（Two-stage Least Square, 2SLS），以工具變數求 得一致性的估計值，模型設定如（3.19）。根據（3.19-1）的迴歸結果求得 Y₁的預測值作為工具變數，再代入（ 3.19-2）作為 Y₂的解釋變數。若考慮負 債比率為內生性下的迴歸結果亦支持本研究提出的各項假說，則可強化本研 究之論點。

1 1 0

1 =α +α X+ε

Y （3.19-1）

2 2 1

0

2 =β +βY1+β Z +ε

Y （3.19-2）

其中， α 、₀ β ：截距項 ₀ ε 、1 ε ：殘差項 2

第四節 實證模型設定

為瞭解在不同的多角化階段，財務槓桿與公司價值之關係，本研究依據 公司部門數的變化，區分四種類型的公司，分別為單一部門公司、初行多角 化公司、已多角化公司及重新聚焦公司，而後三類代表不同階段的多角化策 略，其定義如下所列：

Ÿ 單一部門公司：部門數均為 1 之企業

Ÿ 初行多角化公司：部門數由 1 變成多部門之企業 Ÿ 已多角化公司：部門數均大於 1 之企業

Ÿ 重新聚焦公司：由多部門減為單一部門之企業

本研究首先以初行多角化公司作為研究對象，驗證在此階段下，財務槓 桿對於多角化公司價值之影響；續而以重新聚焦公司作為研究對象，以其代 表放棄多角化策略，採行重新聚焦（refocusing）之企業，探討此類公司的財 務槓桿對於公司價值之影響。最後探討不同的多角化策略階段，財務槓桿對 於公司價值的影響效果，並與單一部門公司進行比較，驗證財務槓桿對於多 部門公司的影響是否顯著異於單一部門公司。茲將各研究假說之實證模型說 明如下：

一. 驗證初行多角化公司價值與財務槓桿之關係

本研究首先計算多角化策略執行前後超額價值之變化，即公司策略執行

後各年度超額價值中位數，減去策略執行前各年度超額價值中位數，以此作 為策略執行前後之超額價值變動數。進一步以超額價值變動數作為被解釋變 數，以公司特性變動數及策略執行前負債比率作為因變數進行實證分析，實 證模型如（3-20）：

i i

i

i i i

i i

SARD CAPX

ROA

LNA LEV

LEV ET

EV

∆ +

∆ +

∆ +

∆ +

∆ + +

+

=

∆ ₋

7 6

5

4 3

1 2 1

β β β β β

β β

α （3-20）

其中，∆EV_i：策略執行前後超額價值變動數 α ：截距項 0

ET ：Entropy 指標，衡量公司總多角化程度 i

LEV₋₁i：長期負債比率 LEVi

∆ ：策略執行前後長期負債比率變動數 LNAi

∆ ：公司資產取自然對數之變動數 ROAi

∆ ：策略執行前後資產報酬率變動數 CAPXi

∆ ：策略執行前後資本支出率變動數 SARDi

∆ ：策略執行前後管銷研發費用率變動數

進一步驗證公司採取多角化策略後，財務槓桿對於公司價值之影響，實 證模型如（3-21）：

( )

it i it

it it

it it

it it

it it

it it

LEV D

LEV

SARD CAPX

ROA LNA

D EV

η α ε

ε β

β

β β

β β

β

+

=

+ +

⋅ +

+

+ +

+ +

=

_{6 7}

5 4

3 2

1

（3.21）

其中，D_it：虛擬變數，D=1 為多部門公司，D=0 為單一部門公司 LNAit

：公司資產取自然對數 ROAit

：資產報酬率 CAPX ：資本支出率 it

SARD ：管銷研發費用率 it

LEVit

：長期負債比率

it

it LEV

D ⋅ ：多角化策略與負債比率之交互作用 αi：為個別效果，表示各觀察個體的個別差異 ηit：隨機殘差項，互為獨立且分配服從N

( )

二. 驗證重新聚焦公司價值與財務槓桿之關係

如同驗證初行多角化公司之程序，首先計算重新聚焦策略執行前後超額 價值之變動數，作為迴歸迴歸模型之被解釋變數，並以公司特性變動數及策 略執行前負債比率作為因變數進行實證分析；再進一步驗證公司採取重新聚 焦後，財務槓桿對於公司價值之影響，實證模型同（3-20）、（3-21）。

三. 驗證在不同多角化階段下，財務槓桿對於公司價值之影響效果

本研究認為不同多角化策略階段下，財務槓桿對於公司價值的影響效果 並不相同，為驗證此一研究假說，利用單一部門公司、初行多角化公司、已 多角化公司及重新聚焦公司等四種類型企業作為研究樣本，進行實證分析，

模型設定如（3.23），當 S1=S2=S3=0 時，代表單一部門公司：

( ) ( ) ( )

it i it

it it it

it it

it it

it it

it it

it it

it

LEV S

LEV S

LEV S

LEV SARD

CAPX ROA

LNA ET

EV

η α ε

ε β

β β

β β

β β

β β

+

=

+

⋅ +

⋅ +

⋅

+ +

+ +

+ +

=

3 2

1

_{7 8 9}

6 5

4 3

2 1

（3.23）

其中，ET ：Entropy 指標，衡量公司總多角化程度 _it LNA ：公司資產取自然對數 _it

ROA ：資產報酬率 it

CAPX ：資本支出率 it

SARD ：管銷研發費用率 it

LEV ：長期負債比率 it

S1 ：S1=1，初行多角化公司；S1=0，其他 it

S 2 ：S2=1，已多角化公司；S2=0，其他 it

S3 ：S3=1，重新聚焦公司；S3=0，其他 it it

it LEV

Sj ⋅ ：公司策略與負債比率之交互作用，j=1，2，3

四. 驗證多部門公司的財務槓桿影響效果顯著異於單一部門公司

為驗證整體樣本來驗證財務槓桿與多角化策略之間的交互作用，建構模 型如（3.24） ：

( )

it i it

it it

it it

it it

it it

it it

LEV D

LEV

SARD CAPX

ROA LNA

D EV

η α ε

ε β

β

β β

β β

β

+

=

+ +

⋅ +

+

+ +

+ +

=

_{6 7}

5 4

3 2

1

（3.24）

其中，D ：虛擬變數，D=1 為多部門公司，D=0 為單一部門公司 _it LNA ：公司資產取自然對數 _it

ROA ：資產報酬率 it

CAPX ：資本支出率 it

SARD ：管銷研發費用率 it

LEV ：長期負債比率 it it

it LEV

D ⋅ ：多角化策略與負債比率之交互作用 α ：為個別效果，表示各觀察個體的個別差異 i

η ：隨機殘差項，互為獨立且分配服從it N

( )

第五節 樣本篩選

本研究係以美國公開發行公司作為研究對象，原始樣本取自 Compustat 資料庫，其提供 2 萬餘家公司及其子部門的財務資料，其中部門別財務數據

包括淨銷貨收入、息前稅前盈餘及總資產。受限於 Compustat 僅提供各公司 過去 7 年之部門財務資訊，且 2002 年資料多有缺漏，而將樣本期間設定為 1996 年至 2001 年，原始樣本公司數共計有 9,590 家，原始樣本觀察值個數 為 57,540。

篩樣標準主要依據 Berger & Ofek(1995)提出之原則，該原則亦被其他相 關研究所採用；另因本研究主要從多角化策略的動態歷程來驗證公司價值與 財務槓桿之間的相互關係，因此要求任一樣本公司須至少有 5 個連續年度的 財務資料，以捕捉策略調整的過程。茲將樣本篩選原則條列如下：

1. 不包含金融業：公司及其子部門必須不含金融相關事業，即公司及 其部門的標準產業分類碼(SIC code)不在 6000 與 6999 之間，原因 是金融業之資產、負債特性不同於其他產業。

2. 刪除無法計算多角化程度之公司：本研究依據 SIC 碼分辨公司是否 進行多角化策略，以及作為衡量多角化程度之基礎，因此若公司未 載明所有部門之 SIC 碼則剔除之。

3. 刪除無法計算超額價值之公司：本研究以 Berger & Ofek（1995）提 出之超額價值（ excess value）來衡量公司價值。若公司某一年度缺 少淨銷售額、市值、總資產、長期負債及部門別銷貨等數據，則不 納入該年度之樣本內。

4. 刪除無法正確評估超額價值之公司：本研究利用之產業中位數來計 算公司超額價值，若公司銷售值近於 0，則會扭曲此一數值；再者，

若部門別銷貨總和與公司整體銷售值偏離過大，則以部門為基礎所 計算的設算價值無法正確反映公司應有之價值，進而扭曲了超額價 值指標。因此，樣本公司的銷售總額必須大於 2,000 萬，且其各部 門之銷售總和偏離公司整體銷售值的幅度須在 1%之內。

5. 刪除極端值：經 1~4 步驟後，先計算出樣本公司之超額價值，並依 循 Berger & Ofek 對於極端值之定義，刪除公司設算價值為實際值 的 4 倍以上或 1/4 倍以下，以避免極端值扭曲實證結果，所以超額 價值將介於正負 1.386 之間。

6. 刪除缺乏至少 5 個連續年度資料之公司：經上述的篩樣步驟後，共 計有 4,754 家樣本公司，進一步剔除缺乏至少連續 5 個年度資料的 樣本公司。換言之，最後用以研究之樣本公司必須至少有 5 個連續 年度的資料。

依據上述標準選樣後，共計有 1,834 家樣本公司，其中具有連續 5 個年 度資料的樣本公司數為 639 家，而連續 6 個年度資料的樣本公司數為 1,195 家，總樣本觀察值個數為 10,365。