Document 212246

21
人文暨社會科學期刊 第九卷
第一期
民國一○二年
Journal of Humanities and Social Sciences, Vol. 9, No.1, pp.21-33 (2013)
無形資產、研發投入與公司財務危機預警模型之研究
連志剛
大葉大學管理學院博士班
51591 彰化縣大村鄉學府路 168 號
摘
要
財務危機預警一直是學術以及實務上相當重要的議題,過去學者大多從公司治理、公司信
用、會計師意見書、總體環境等變數來作為財務危機之預測因子,然而近年來無形資產與研究
發展對於公司競爭力的影響越來越大,於是本研究從公司無形資產與研發投入來作為財務危機
之預測因子,希望能提供管理者在做資產投資時的判斷依據以及投資大眾了解公司經營狀況的
另一項指標。
關鍵詞:研發投入,無形資產,財務危機預警
Research of Intangible Assets, R&D and
Financial Crisis Warning Model.
CHIH-KANG LIEN
PH.D Program in Management Da-Yeh University
No. 168, University Rd., Dacun, Changhua 51591, Taiwan, R.O.C.
ABSTRACT
Financial crisis prediction is extremely vital issue to academic and practical. Many scholars used
to take corporate governance, credit, accountant’s opinion and environment as the factor of prediction.
However, the influence of intangible assets and research development to the company’s
competitiveness is increasing in recent year.Therefore, in this study, we take intangible assets and
R&D as predictive elements of fiscal crisis.
Hope it will provide managers with judgments when
they make the decisions; moreover, it will also render the publics understand the condition of
company.
Key words: R&D, intangible assets, financial crisis warning
一、研究問題與研究目的
1966;Altman, 1968;Tsolas & Margaritis, 2010),但隨著產業的
財務危機預警一直是管理以及實務上相當重要的議題
結構改變、以及公司規模的擴大,影響公司發生財務危機的
(Chang & Lien, 2009;Tsai & Chang, 2010),於是找到能夠正
因素也越來越複雜,傳統以財務資訊來作為預測因子似乎已
確預測公司財務危機預警的因子就顯得十分重要,而學者最
經無法正確預測(黃振豐、呂紹強,2000),於是開始有學者
早便利用公司的會計資訊來建構財務危機預警模型(Beaver,
從公司治理(Chen, 2007;許溪南、歐陽豪、陳慶芳,2007;連
22
人文暨社會科學期刊
第九卷第一期
民國一○二年
志剛,2008)、關係人交易(邱瓊玲,2011)的以及公司信用
銷售金額、股東權益市值除以負債的帳面價值,建立了
(Hanson, Pesaran &
Schuemann, 2008; Vineet & Richard,
Z-score 線 性 區 別 模 型 , 而 許 多 的 研 究 也 是 依 循 著
2008)的角度來對財務危機做預警,甚至也有學者從會計師
Altman(1968)的研究方式,再以計量方法或改變變數來拓展
的意見書 (邱垂昌,2006;蔡璧徽、黃鈺萍,2010;蔡璧徽、
其模型。如 Blum(1974)在多變量區別分析模型中加入了現
李正福,2011)以及企業之營業週期(Ting & Lin, 2011)和總體
金流量的觀念。Altman, Haldeman &
經濟(蔡璧徽、黃鈺萍,2010)來作為預警的因子。
出新的 ZETA 模型選取了與 Z-Score 不同的變數,Platt H.D.
Narayanan (1977)發展
從上述文獻可以瞭解,目前學者多偏重在使用組織公司
and Platt M.B. (2002)以汽車產業做為研究對象,以 1989 至
治理的效能與組織因受到外部環境影響而可能發生財務危
1998 年間為樣本期間,採用 24 家失敗公司與 62 家正常公
機的角度來檢測,卻忽略了組織產生績效的最根本的方法,
司做實證研究,建構 logit 財務危機預警模型,模型中包含
應該是用本身的資產來創造效益,所以組織所投入之資產應
了影響公司失敗的六項財務指標,模型的整體正確區別率高
該才是預測公司是否會發生財務危機之最佳預測因子,但是
達 98%有相當高的預測能力,而我國學者陳肇榮(1983)利用
組織所投入之資產對於公司財務危機預警之效用?以及公司
Beaver(1966)的單變量分析和 Altman(1968)的多變量分析使
該投入什麼類型的資產才較不會發生財務危機?至今似乎尚
用會計變數建構財務預警模型,黃振豐、呂紹強(2000)除了
未釐清。
財務變數外,更考慮對公司績效有影響的非財務變數來建構
於是本研究希望從公司投入之資產類型的角度來看公
預警模型,並利用非財務因素與財務因素資訊取得之時效上
司投入之資產是否可以預測公司財務危機之發生,並考量產
差異建構「兩階段財務危機預警模式」,黃劭彥、李超雄等
業結構的改變,目前公司創造價值的方式已經由有形的資產
人(2006)利用過去文獻常用的財務變數與資料包絡分析法
轉為無形的資產(Khalil, 2000;Lev, 2000)也就是技術的創造
計算經營績效的數值來進行資訊電子業之預警模型的預
與 取 得 已 經 成 為 公 司 存 活 關 鍵 (Prahalad & Hamel,
測,許溪南、歐陽豪和陳慶芳(2007)運用 Logistic 迴歸分析,
1990;Garud & Nayyar, 1994),於是本研究將從研發投入的角
探討會計資訊、公司治理變數以及盈餘管理指標組成之各種
度以及無形資產佔公司資產的比重來作為預測公司發發財
模型對企業財務危機發生之預測能力。而邱瓊玲(2011)則加
務危機的因子,並期望能夠使財務危機預警之模型更加準
入關係人交易來討論財務危機預警模型,而 Hanson et al.
確,並對學術以及實務界做出貢獻。
(2008); Vineet and Richard(2008)更加入了公司信用這個變
數,邱垂昌(2006);蔡璧徽、黃鈺萍(2010);蔡璧徽、李正
二、文獻探討
(一)財務變數與財務危機預警之關係:
福(2011)加入了會計師的意見書,Ting and Lin(2011)則納入
企業之營業週期,蔡璧徽、黃鈺萍(2010)更加入了總體經濟
在財務危機預警模型中,財務變數佔有極重要的地位,
(景氣)來作為預警的因子,但其模型中皆有財務變數,於是
一般投資大眾往往都是經由財務資訊來判斷一間公司的經
綜觀上述學者之研究結果發現,不論是從任何角度來檢測財
營狀況,再加上財務比率是一量化的資訊,在比較資訊方面
務危機預警模型,其模型中都包含財務變數於是本研究提出
也較為方便,故許多學者在建立財務危機預警模型時,往往
假說一。
都以財務比率作為衡量的基礎,Beaver(1966)是最早研究如
何將財務危機建立一套模型,Beaver 採用公司的會計資訊資
假說一:財務變數是財務危機之預測因子
(二)無形資產、研發投入與財務危機預警之關係
料,利用單變量區別分析建構財務危機預警模式,其中
隨著產業的發展,無形資產與 R&D 投資已經成為公司
Beaver 利用二分類檢定法,將公司不同年度的財務比率值,
的重要資源以及競爭優勢(Porter, 1980; Lev, 2000),甚至影響
由大到小依序排列,從中尋找一個分界點,並將分類錯誤百
公司之存活(Eisdorfer & Hsu, 2011)尤其對於以知識經濟為
分比達到最小,結果發現「現金流量/總負債」的預測率最
基礎的科技產業影響更大(Quinn, 1996)。
佳,尤其是在公司將發生財務危機的前一年正確率最高,
Dzinkowski(2000)發現企業對投資有形資產已經從 50%
Altman(1968)嘗試以多變量區別分析,來預測企業財務危
下降到 10%,而對於無形資產則從 50%上升到 90%,Miller
機,其所採用的變數為營運資金、保留盈餘、息前稅前盈餘、
and Whiting (2005)也認為現今許多的公司已經由有形的資
23
連志剛:無形資產、研發投入與公司財務危機預警模型之研究
產創造收益轉為依賴無形資產,可見無形資產以及 R&D 之
為財務危機企業是指:企業無法償還債務的本金和利息的能
投資對於組織的影響已經越來越大。
力、或是正在進行債務重整的公司,Altman (1983)則認為企
研發投入就是增加企業之技術資源,Peno and Wallender
業若投資的實際報酬率遠低於過去或當時類似的投資報酬
(1977)認為技術是一種知識,並且是用來解決企業所遇到之
率謂之企業經營失敗,Ward and Foster (1996)認為財務危機
問題(Sounder, 1987),Burgelman and Rosenbloom (1989)則指
公司的定義為延緩、降低或無能力償還債務與利息和正在進
出技術可以提供企業用來發展、生產、傳遞產品,並且是企
行債務整理的公司。
業 長 期 競 爭 之 優勢 (Hamel & Prahalad, 1994), 而 Grant
而我國學者潘玉葉 (1990)、黃文隆(1992)在對國內上市
(1991)、Madeuf (1984)又更明確的指出技術資源除了有形的
公司營運困難預測之研究中,對於財務危機的定義為:「只
機器設備硬體軟體亦包含人力資源與商譽、無形技術(專
要經過台灣證券交易所,對於財務狀況不良之公司處以全額
利),並且公司的技術資源(賴士葆、謝龍發、曾淑婉、陳松
交割方式者,則認定為失敗企業」,鄭碧月(1997)、鄭瑞楠
柏,2001)、技術能力(Cohen & Levinthal, 1990)與技術進步
(1998)亦認為:「股票上市公司發生變更交易為全額交割,
(Chanaron & Perrin, 1987)都是會收到研發投入的影響(每年
或被裁定重整破產或下市者,皆可認定為危機公司」,而在
所投入之研發專案總經費預算、投入研發的人力資源、投入
國內法規部分,公司法 211 條:公司資產顯有不足抵償負
研發的儀器設備資源等等),Muhammad and Ismail (2009)認
債,應即聲請破產宣告。破產法第 1 及 57、58 條:債務人
為無形資產對於公司的財務績效有正相關於是本研究認為
不能清償債務者,得因聲請破產的宣告。證券交易法 36 條:
既然研發之投入對於企業競爭力有如此巨大之影響,應可作
公告並申報財務報告,顯示其淨值為負數,且有下列情事之
為預測企業財務危機之重要因子,於是本研究提出假說二。
一者,如最近四個會計年度其營業利益及稅前純益均為負數
假說二:研發投入是財務危機預警之預測因子。
者,或是淨值負數達公司實收資本額二倍以上者,由台灣證
券交易所報請主管機構核准後,改全額交割並分盤集合競價
三、研究設計
(一)樣本與資料來源
本研究之研究資料由台灣經濟新報之上市、上櫃、下市
下櫃之財務資料庫獲得,研究期間從 1997 年至 2012 年 9
月 30 日,其間包含了 1997 年亞洲金融風暴、2000 年網路
泡沫化、2007 年金融海嘯等重要期間,以加強研究之效度,
而研究公司除金融機構外皆納入本研究中,分為正常公司
(1,209 間)與危機公司(260 間)以避免產業特性干擾研究結
者。
由於財務危機的定義並無一致的看法,故本研究在採取
樣本時對於財務危機的定義將依循國內學者的見解與國內
法規之規範,凡是經過台灣證券交易所列為全額交割之交易
方式,便認定為財務危機之公司。
2.控制變數
本研究以公司規模(LNSIZE)與公司年齡(AGE),作為本
研究樣本的控制變數。
(1) 公司規模(LNSIZE)[=ln(總資產)]:Ohlson (1980); Chen
果。
(二)研究變數
1.財務危機之定義
其實對於財務危機的定義,國內外許多學者都有不同的
見解,以下整理相關學者對於財務危機之定義的解讀。
財務危機的定義,最早是由 Beaver 在 1966 年所提出
的,他將財務危機定義為:「凡是發生鉅額銀行透支者,優
先股股息未付者、公司債違約者、宣告破產者,均可視為財
務危機公司」(Beaver, 1966),Blum (1974)在其研究中對於
財務危機之定義則為:
「公司債到期未支付、進入破產程序、
債權人同意減少負債時,謂之財務失敗」
,Foster (1977)則認
and Lee (1993);Shumway (2001)也都以公司規模來預測
公司破產的機率。一般而言,公司規模越大,表示其擁
有的資源越多,公司發生財務危機的風險也會越低。
(2) 公司年齡(AGE)[=財務困難公司從上市櫃至被列為全額
交割股或下市櫃(失敗事件)或研究截止(右限資料之年
數)]:Chen and Lee (1993)以公司設立年度的年度,也
就是從公司設立開始到樣本研究範圍的初期,他認為越
早成立的公司與較年輕的公司相比,會累積較多的經驗
與獲利的能力,因此預期公司成立越久,下市櫃的風險
也較低,但是公司成立時有可能是小公司或是大公司,
所以其在市場籌資的能力也許在公司設立時,就已經不
24
人文暨社會科學期刊
第九卷第一期
民國一○二年
同,Shumway (2001)就認為若以公司上市櫃時間來預測
產、負債與所有者權益的效率;研發投入比:衡量公司對於
破產危機會較有意義,畢竟公司須要達到一定標準才能
研究發展之投入情況,表 1 為本研究整理過去文獻用來預測
夠上市櫃,因此本研究以上市櫃年數來代理公司年齡,
財務危機的財務比率,表 2 則為財務變數之定義方式,本研
也就是當公司上市櫃年數越久,其累積的獲利能力與經
究將採用文獻蒐集法對於各構面選出被使用最多與次多之
驗相對會較佳,故預期公司上市櫃年數越久,其公司發
文獻的財務比率來代表此構面。
生財務危機風險較低。
(1) 流動比率構面(F1):主要在滿足其現金需求,並且能夠
3.解釋變數
有足夠的資金償還債務,此時的企業擁有足夠的資金,
財務變數:在財務危機預警模型中,財務變數佔有極重
因此也沒有倒閉的問題,於是本研究預期,流動比率構
要的地位,一般投資大眾往往都是經由財務資訊來判斷一間
面與公司發生財務危機風險呈反比,而此構面選出流動
公司的經營狀況,再加上財務比率是一量化的資訊,在比較
比率為代表,另外比較流動比率、速動比率、現今比率、
資訊方面也較為方便,故許多學者在建立財務危機預警模型
營運資金比率、利息保障倍數被文獻引用的次數,於是
時,往往都以財務比率作為衡量的基礎,如 Beaver (1966)
選用流動比率,速動比率作為流動比率構面。
的研究中就使用了 30 項的財務比率,來探討哪一種對於財
(2) 營運比率構面(F2):此指標則是對於公司某特定財產的
務比率對於預測財務危機是最佳的指標,其研究顯示現金流
流動性與資產管理的效率作一衡量,當公司擁有較高的
量/總負債的預測力最佳,而且是在財務危機發生的前一年
財產流動性與資產管理的效率,企業的績效應該會更
正確率最高。
佳,所以本研究預期營運比率構面與公司發生財務危機
Altman (1968)採用多元區別分析分析(stepwise multiple
discriminate analysis, MDA),其樣本為 1946-1965 年,共選
風險呈反比。此構面經被引用次數由應收帳款週轉率與
總資產週轉率代表此構面。
取 33 家失敗與成功的公司,將二十二項財務比率分為五個
(3) 槓桿比率構面(F3):主要在衡量公司債務融資與權益融
部份來討論:流動性(liquidity)、獲利能力(profitability)、財務
資的比重以及公司償還利息和其他費用的能力,當公司
槓 桿 程 度 (leverage) 、 償 債 能 力 (solvency) 與 週 轉 能 力
過度的操作財務槓桿,可能會增加公司倒閉的風險,於
(activity),而其中每一部分,分別選取一項比率來作財務危
是本研究預期槓桿比率構面與公司發生財務危機風險
機的預測,結果發現在財務危機的前一年預測的正確性高達
呈正比。此構面經被引用次數由負債比率與權益負債比
95%。
代表此構面。
Ohlson (1980)使用 logit 來分析建立財務危機預警模
(4) 獲利指標構面(F4):衡量公司經營整體績效及管理資
型,其中也使用了九項財務變數來估計模型,其中有四項財
產、負債與所有者權益的效率,若公司整體績效高,則
務資訊對於預測破產機率具有統計上的顯著,其正確的區別
破產機率則就會下降,於是本研究預期獲利指標構面與
率也高達 92%。由此可知在做財務危機預警模型時,財務變
公司發生財務危機風險呈反比,此構面經引用次數由純
數還是相當的重要,葉銀華、李存修、柯承恩(2002)之研究
益率與每股盈餘代表此構面。
亦指出將會計資訊加入公司治理變數,對於危機公司的分類
之正確率,將會較高。
本研究以 Altman (1968)所區分出之五個財務構面為基
(5) 研發投入構面(F5): 賴士葆、謝龍發、曾淑婉、陳松柏
(2001)認為過去投入之研發經費總數會影響企業的技
術資源並進而影響企業之競爭力。Canibano,
礎,並參考黃振豐、呂紹強(2000);林淑萍、黃劭彥和蔡昆
Garcia-Ayuso, and Sanchez (2000) 指出,無形資產投資
霖(2007)之研究,將財務變數分成五個構面,其依序為流動
已成為企業發展競爭優勢的核心投資,林豐騰(2009)則
比率,可衡量公司滿足其現金需求的能力;營運比率,衡量
認為智慧資本是財務危機預警之因子於是本研究以研
公司特定財產的流動性以及管理資產的效率;槓桿比率,衡
究費用比與無形資產比做為研發投入構面率以下將國
量公司債務融資與權益融資的比重以及公司償還利息和其
內外學者建構財務危機模型所使用之財務變數整理如
他費用的能力;獲利率,衡量公司經營整體績效及管理資
表 1 並將財務變數之定義整理如表 2。
25
連志剛:無形資產、研發投入與公司財務危機預警模型之研究
表 1. 國內外學者建構財務危機預警財務變數一覽表
財 務
構 面
財務指標
參 考
文 獻
Beaver(1966); Ohlson(1980); Shumway(2001) ; 黃 振 豐 等 人
流動比率
(2000);吳清在等人(2004);邱垂昌(2006);黃劭彥等人(2006);
樓雍儀等人(2007);陳建宏等人(2007);周百隆等人(2007);林淑
萍等人(2007)
速動比率
Erkki(2005);黃振豐等人(2000);黃劭彥等人(2006);樓雍儀等人
(2007);陳建宏等人(2007);周百隆等人(2007):許溪南等人(2007)
流動比率:短期償債能力
現金比率
營運資金比率
利息保障倍數
應收帳款週轉率
黃振豐等人(2000);樓雍儀等人(2007);許溪南(等人 2007)
Beaver(1966); Shumway(2001);
黃振豐等人(2000);吳清在等人(2004)
黃劭彥等人(2006);許溪南等人(2007)
黃振豐等人(2000);黃劭彥等人(2006);樓雍儀(2007);許溪南
(2007);林淑萍等人(2007)
存貨週轉率
黃振豐等人(2000);黃劭彥等人(2006);樓雍儀等人(2007);陳建
宏等人(2007)
營運比率:資產流動性與資
產管理效率
固定資產週轉率
總資產週轉率
資本週轉率
黃振豐等人(2000);黃劭彥等人(2006)
黃振豐等人(2000);黃劭彥等人(2006);樓雍儀等人(2007);陳建
宏等人(2007);周百隆等人(2007);許溪南等人(2007)
黃振豐等人(2000)
Beaver(1966); Shumway(2001) ; 黃 振 豐 等 人 (2000) ; 吳 清 在
負債比率
(2004);黃劭彥等人(2006);樓雍儀等人(2007);陳建宏等人
(2007);周百隆等人(2007);林淑萍等人(2007)
營業資金對負債比
Erkki(2005);黃振豐等人(2000);樓雍儀等人(2007)
槓桿比率:債務融資和擔保
率
淨值對負債比
Beaver(1966); Erkki(2005);黃振豐等人(2000);周百隆等人(2007)
股東權益佔資產總額比
黃振豐等人(2000)
保留盈餘佔資產總額比
Shumway(2001);吳清在等人(2004)
毛利率
黃振豐等人(2000)
純益率
黃振豐等人(2000);黃劭彥等人(2006)
獲利指標:整體效率與業績
每股稅前淨利
每股盈餘
Shumway(2001);周百隆等人(2007)
黃劭彥等人(2006);陳建宏等人(2007);周百隆等人(2007);許溪
南等人(2007);林淑萍等人(2007)
26
人文暨社會科學期刊
第九卷第一期
民國一○二年
表 2. 財務變數之操作性定義
財 務
比 率
操 作 性 定 義
流動比率
速動比率
流動資產 /流動負債 *100
(流動資產 -存貨- 預付費用及預付款 -待處分長期投資 -其他流動資產)
/流動負債 *100
應收帳款週轉率
還原全年營收 /帄均(應收帳款及票據 +應收票據貼現)
總資產週轉率
還原全年營收 /帄均資產總額
負債比率
負債總額 /資產總額 *100(%)
負債對淨值比
負債總額 /股東權益 *100(%)
純益率
稅後淨利 /營業收入淨額 *100
每股盈餘
稅後淨利-特別股股利/流通在外股數
研發費用比
營業費用-研究發展 /營業收入淨額 *100
無形資產比
無形資產/資產總額
(三)研究方法
目前用來預測企業危機的方法主要有三種。第一種為信
用評分法(credit scoring)法。此種方法首見 Altman (1968)所
債的帳面價值,建立了 Z-score 線性區別模型,而許多的研
究也是依循著 Altman(1968)的研究方式,再以計量方法或改
變變數來拓展其模型。
提出的 Z-Score 模型,主要是以計量方法找出對於財務危機
如 Blum (1974)在多變量區別分析模型中加入了現金流
最有預測能力的幾種財務比率,並根據這幾種比率建構財務
量的觀念,Altman et al. (1977)發展出新的 ZETA 模型選取了
危機的預測模型。第二種為選擇權評價(option pricing)法,
與 Z-Score 不同的變數,Martin (1977)首先使用 logit 迴歸模
主要是利用選擇權評價公式,由公司負債與股價資料中萃取
型建構財務危機預警模型,因為他認為多變量區別模是只能
出公司的破產機率。這種方式最有名的例子是 KMV 公司所
分類出企業是否失敗與否,後來學者針對區別分析、線性機
發展出的 KMV 模型。第三種則是信用評等(credit rating)
率模型、probit 模型、logit 模型進行比較模型的適切性與區
法,是使用信用評等機構(如 Moody’s 或 Standard and Poor's)
別正確性。
的評等資料來估算公司的信用風險,如 Morgan, J. P.公司所
發展的信用矩陣模(credit metrics)。
Ohlson (1980)也針對了美國的資料,以條件 Logit 模型
(conditional logit model)來預測企業財務危機。Ohlson 也是
Beaver (1966)最早研究如何將財務危機建立一套模
第一位採用 Logistic model 建立財務困難區別模型的學者,
型,Beaver 採用公司的會計資訊資料,利用單變量區別分析
Collins and Green (1982)以 161 家公司樣本建構區別分析、
建構財務危機預警模式,其中 beaver 利用二分類檢定法,
線性機率模型、logit 模型進行分析,實證結果顯示出 logit
將公司不同年度的財務比率值,由大到小依序排列,從中尋
模型正確預測區別率最好,為各個模型中最佳。
找一個分界點,並將分類錯誤百分比達到最小,結果發現「現
Zmijewski (1984)採用 Probit model 來區別財務困難公
金流量/總負債」的預測率最佳,尤其是在公司將發生財務
司及正常公司,Gentry, Newbold & Whitford (1987)同時運用
危機的前一年正確率最高,Altman (1968)嘗試以多變量區別
多變量區別分析、probit 及 logit 三種分析比較,發現 logit
分析,來預測企業財務危機,其所採用的變數為:營運資金、
模型的正確區別能力最好。
保留盈餘、息前稅前盈餘、銷售金額、股東權益市值除以負
27
連志剛:無形資產、研發投入與公司財務危機預警模型之研究
沈中華、李公韻(2005)考慮極端值下之穩健羅吉斯迴歸
羅吉斯迴歸模型正是為避免此缺點而發展出來的,此一
的新方法來預測違約機率,其解釋力遠高於 Logit Model。
種模型則適用於被解釋變數為屬質變數的迴歸模型。相較於
周百隆、郭和益(2006)以羅吉斯迴歸建立中國股票市場之財
區別分析模型,羅吉斯迴歸模型可克服解釋變數須服從常態
務危機預警模型,且整體正確區別率達 96.28%,探討被解
分配的假設,而且可進一步估計公司出事的機率,其中羅吉
釋變數與解釋變數間的關係,統計分析上常使用的方法是迴
斯迴歸法能夠建立一個最精簡而且最能配適的分析結果,羅
歸分析,但若迴歸模型之被解釋變數呈現二分類之特性時,
吉斯迴歸類似線性迴歸模型,但通常所探討結果的被解釋變
亦即被解釋變數有兩種可能結果(例如企業是否違約),則若
數為離散型,特別是只有其分類為兩類或少數類別時,將會
透過一般最小帄方法來處理,所求得的估計量雖然仍滿足不
發揮最佳的效果,所以可以用來預測被解釋變數與一組解釋
偏性,但殘差項存在變異數異質性之問題,且無法保證估計
變數之間的關係,同時可以預測事件發生的機率,如預測公
值一定會落在單位區間內,同時因變數亦不滿足迴歸分析的
司發生財務危機的機率。並且羅吉斯迴歸模型並不需要符合
假設,此時傳統迴歸分析可能就不適用。
常態分配的假設。固本研究採用羅吉斯迴歸做為研究之方
法。羅吉斯迴歸估計的模型如下(1)-(5):
k
y*i  0    jX i , j  u i
(1)
j1
其中,β 為待估計參數,x 為自變數,ui 為隨機誤差項,而
yi 作為 yi*的替代變數,例如當企業發生危機時 yi=1,否則
yi 為無法觀察到的變數,我們可以利用觀察得到的虛擬變數
為 0,如下所示:
1 if y*i  0
yi  
0 otherwisw
(2)
Pi  Pr ob ( y i  1)  Pr ob ( u i  (0 

 1 - F - (0 

k
 X
j 1
j
i, j


)   F 0 


k
 X
j 1
j
k
 X
j 1
j
i, j
i, j
)



根據上式,可以定義當 yi=1 時的機率(pi)如下:

(3)
(四)研究模型
1.財務變數(不含研發投入)
model 1: FAIL   0   1F 1   2 F 2   3 F 3 
 4 F 4   5 LNSIZE   6 AGE  it
2.財務變數(含研發投入)
model 2: FAIL   0   1F 1   2 F 2   3 F 3 
(5)
 4 F 4   5 F 5   6 LNSIZE   7 AGE  it
四、實證結果與分析
(一)敘述性統計
(4)
應收帳款週轉率的變化一般與公司的銷貨政策有關,當
公司銷貨收入中的賒銷比重上升時,應收帳款與票據之餘額
首先由表 3 與表 4 可以看出是危機公司與正常公司之帄
相對於營收比重就會上升,此時應收帳款週轉率就會下降,
均流動比率分別為(134.534%與 306.031%)可以得知正常公
應收帳款週轉率下降代表公司銷貨收入並不能為公司立即
司之短期償債能力與承受損失的能力以及因應短期衝擊的
的現金流入,此時公司的流動力就會下降,應收帳款率提高
能力都優於危機公司,而從正常公司之速動比率(225.97%)
代表每一元應收帳款餘額的收現數縮短,此時公司的流動性
與危機公司(75.87%)更能得知其危機公司之償債能力不足
便會獲得改善,從統計資料表 4 顯示正常公司之應收帳款周
之問題,由其危機公司速動比率甚至已經低於 100%更加清
轉率 22.65 次明顯優於表 3 顯示之危機公司之 15.64 次
楚說明危機公司已沒有足夠速動資產能夠償還流動負債。
總資產週轉率則是衡量公司運用資產淨額創造收入的
能力,總資產週轉率較高代表公司運用資源創造收入的能力
28
人文暨社會科學期刊
第九卷第一期
民國一○二年
較強,當公司投入大量資源從事營業活動後卻不能獲得預期
從統計資料表 4 顯示正常公司帄均之總負債/總淨值 64.295
的成果,其總資產週轉率就會較低,這也表示公司的經營效
而資料表 3 中危機公司則高達 501.3475,顯然危機公司的資
率有待加強,從統計資料表 4 顯示正常公司之總資產周轉
本結構已經失衡。
純益率主要是在判斷公司長時間的經營績效,從統計資
0.84 也優於資料表 3 危機公司之 0.63,則也代表了危機公司
料表 4 得知正常公司帄均為 4.11 而資料表 3 中危機公司則
可能有較多之閒置資產沒有充分利用。
負債比率是衡量公司舉債資金佔全部資金的比重,負債
為-84.2145,顯然危機公司已經沒有獲利能力。
比率一般越低表示公司依靠舉債的程度越低,一般分析人員
每股盈餘代表公司本期的經營績效從統計資料表 4 顯
認為公司合理的負債比率應該不超過 50%,甚至某些分析人
示正常公司帄均為 1.72 元而資料表 3 危機公司為-2.96,顯
員認為要低於 40%以下,如果負債比率高於 50%,表示公
示危機公司之經營能力已經出現問題。
司的資金來源有一半以上依靠負債,此時公司發生危機的機
研發費用比代表公司對於研發資源的投入之程度,從統
率也會較高。從統計資料表 4 顯示正常公司帄均之負債比率
計資料表 4 顯示正常公司為 5.64%資料表 3 顯示危機公司為
為 33.94%而資料表 3 危機公司之帄均負債比率為 62.52%,
2.38%,顯示正常公司確實比危機公司投入較多的資金在研
這就表示危機公司的資金來源多來自負債,因此就有較高之
究發展上。
無形資產比代表公司資產中有多少比重是無形資產,統
償債壓力。
負債對淨值比,一般公司獲取資金的方式不是向外舉債
計資料顯示正常公司與危機公司大致都為 0.63%,這也顯示
就是依賴自有資金,一般認為公司的向外舉債與自有資金的
我國產業利用無形資產來創造價值的比重還是較使用有形
比率最好是維持在 1:1,如果負債金額超過權益,此時公
資產低。
司的借貸比重過高,公司陷入危機的風險也將升高,反之若
公司的自有資金比重較高,公司發生危機的風險也會較低。
表 3. 危機公司敘述統計
個數
最小值
最大值
平均數
中位數
標準差
公司規模
260
11.7357
20.2479
15.306674
15.38
1.3742854
每股盈餘 (元)
260
-22.79
10.22
-2.9659
-1.95
4.16318
稅後淨利率
259
-7634.44
109.61
-84.2145
-16.05
554.52918
研究發展費用率
258
0
68
2.38
0.35
7.120
流動比率
260
6.00
1732.41
134.5340
104.895
178.82127
速動比率
259
.11
1730.63
75.8774
44.18
166.37295
總負債/總淨值
260
1.86
41099.28
501.3457
172
2714.21715
負債比率
260
1.82
175.25
62.5265
63.235
20.29117
總資產週轉次數
260
.0
3.7
0.638
0.54
0.4850
應收帳款週轉次
259
-1.48
2219.86
15.6438
4.86
137.72110
無形資產/總資產
260
.0000000
29.8364850
.626694242
1.00
2.6993070586
公司年齡
260
6
55
23.78
22
11.182
有效的 N (完全排除)
257
29
連志剛:無形資產、研發投入與公司財務危機預警模型之研究
表 4. 正常公司敘述性統計
個數
最小值
最大值
平均數
中位數
標準差
公司規模
1209
12.15151
21.14731
15.1972561
14.95
1.33368797
每股盈餘 (元)
1209
-11.22
73.32
1.7342
1.2
3.88408
稅後淨利率
1208
-3253.72
643.37
4.1181
5.05
100.80240
研究發展費用率
1207
0
1445
5.64
1.59
42.906
流動比率
1209
3.2
16079.5
306.031
183.5
732.7639
速動比率
1209
1.01
12837.45
225.9726
127.63
502.44088
59.91885
總負債/總淨值
1209
.47
691.06
64.2955
49.18
負債比率
1209
.47
87.36
33.9445
32.97
16.18693
總資產週轉次數
1208
.00
5.39
.8457
0.7
.65346
應收帳款週轉次
1208
.00
10679.12
22.6519
5.265
310.25706
無形資產/總資產
1209
0
42
.63
0.0274
2.530
公司年齡
1209
1
66
26.86
25
12.550
有效的 N (完全排除)
1206
(二)研究模型之共線性檢定
一般在多元迴歸中最擔心會產生各解釋變數間產生多
Tolerance  1  Ri 2 ;
1
VIF 
 1 /(1  Ri 2 )
Tolerance
(6)
元共線性的問題(multicollinearity)而影響到被解釋變數的結
其中 Ri2 為某一個解釋變數被其他解釋變數相當作被解釋變
果,所以檢定共線性問題對於模型的正確性是相當重要的,
數來預測時,該解釋變數可以被解釋的比率。1-Ri2(容忍值)
本研究利用容忍值 (tolerance)與變異數膨脹因素 (variance
為該解釋變數被其它解釋變數無法解釋的殘差比。Ri2 比率
inflation factor),來檢示模型中的自變數之間是否存在共線
越高,容忍值越小,代表解釋變數不可解釋殘差比較低。本
性的問題,一般模型中若 VIF 大於 10 的變數表示有嚴重的
研究模型變數之 VIF 檢定之結果如表 5,由表 5 發現本研究
共 線 性 問 題 , 其 公 式 定 義 為 下 列 公 式 6 :
之變數間 VIF 值皆小於 10,表示本研究之變數並無共線性
之問題。
表 5. 變數間之 VIF 檢定
模式
允差
VIF
常數、負債比率
1.000
1.000
常數、負債比率、每股盈餘
0.884
1.1131
常數、負債比率、每股盈餘、總資產週轉次
0.918
1.090
常數、負債比率、每股盈餘、總資產週轉次、公司年齡
0.984
1.016
常數、負債比率、每股盈餘、總資產週轉次、公司年齡、
0.980
1.021
稅後淨利率
(三)Logistic 模型實證結果
在預測危機發生前一年公司為正常公司之預測正確率為
由表 6 之統計結果可知,本研究所使用不含研發投入(研
96.3%而危機公司之預測正確率為 65.1%,整體之預測正確
發費用、無形資產)之財務變數所建構之財務危機預警模型
率為 90.8%,此研究結果支持本研究之假說一財務變數是公
30
人文暨社會科學期刊
第九卷第一期
司財務危機預警之預測因子。
民國一○二年
為 96.4%而危機公司之預測正確率為 66.5%,整體之預測正
另外從表 7 之統計結果可知,本研究所使用包含研發投
入(研發費用、無形資產)之財務變數所建構之財務危機預警
確率為 91.1%,此研究結果支持本研究之假說二研發投入(研
發費用、無形資產)是公司財務危機預警之預測因子。
模型在預測危機發生前一年公司為正常公司之預測正確率
表 6. 財務變數 Logistic 實證結果(不含研發投入)
預測狀況
危機公司
正常公司
準確度
危機公司
(1)168
(2)90
(5)65.1%
正常公司
(3)45
(4)1162
(6)96.3%
實際狀況
(0)90.8%
註:財務危機公司預測準確度 (5)=(1)/[(1)+(2)],正常公司的預測準確度(6)=(4)/[(3)+(4)],整體樣本準確度(0)=[(1)+(4)]/[(1)+(2)+(3)+(4)]。
表 7. 財務變數 Logistic 實證結果(含研發投入)
預測狀況
危機公司
正常公司
準確度
危機公司
(1)171
(2)86
(5)66.5%
正常公司
(3)44
(4)1162
(6)96.4%
實際狀況
(0)91.1%
註:財務危機公司預測準確度 (5)=(1)/[(1)+(2)],正常公司的預測準確度(6)=(4)/[(3)+(4)],整體樣本準確度(0)=[(1)+(4)]/[(1)+(2)+(3)+(4)]。
五、結論與建議
(一)研究結論
(三)未來研究建議
未來研究人員可以用更多的指標來衡量公司投入之研
財務危機預警一直是被學術以及實務界所關注,因為當
發成本,如研發人員的比率、研發機器設備之金額、研發之
每次有公司發生財務危機,都會造成投資大眾以及整個證券
場地大小或針對不同產業分別瞭解其研發投入對於財務危
市場的傷害,本研究有別於前人從公司治理、關係人交易、
機之預警能力之差異,以及不同時間研發投入對於財務危機
會計師意見與總體環境影響,從公司是否正確投入研發的角
之預警能力之差異,並且可以將金融風暴、網路泡沫之特殊
度來思考其對公司發生財務危機的機率,從本研究之研究結
期間與一般期間做比較看是否有差異。
果可以瞭解,公司應該投入更多的研發費用並創造無形資產
來維持公司的競爭力以避免發生財務危機的機率,而投資人
參考文獻
與債權人也可以由公司投入多少研發費用以及公司擁有多
林豐騰(2009)。企業財務危機預測-整合財務指標、公司治理
少無形資產來判斷這間公司的存活率,所以本研究對於管理
因素及智慧資本構面模型。績效與策略研究,6(2),
者之經營決策以及投資人之投資決策之判斷具有重要之影
59-72。
響力。
(二)研究限制
由於台灣的公司轉型尚未完全,所多公司尚未投入研發
成本,所以導致於本研究研發投入影響財務危機預警之能力
較弱,相信在未來產業轉型成功後,研發投入之影響力會逐
漸增加。
林淑萍、黃劭彥、蔡昆霖(2007)。企業危機預警模式之研究
-DEA-DA、邏吉斯迴歸與類神經網路之應用。公司治
理與會計,4(1),35-56。
沈中華、李公韻(2005)。違約機率預測與極端值。財務金融
學刊,13(3),1-32。
吳清在、謝宛庭(2004)。財務困難公司下市櫃之離散時間涉
31
連志剛:無形資產、研發投入與公司財務危機預警模型之研究
險預測模式。會計評論,39,55-88。
周百隆、郭和益(2006)。財務風險評估與異常報酬之研究-
賴士葆、謝龍發、曾淑婉、陳松柏(2001)。科技管理。台北
縣:國立空中大學。
中國上市公司之實證研究。企業管理學報,69,1-39。
樓雍儀、賴淑怡、郭美君(2007)。財務危機公司營運資金管
周百隆、許碩芬(2007)。中國特別處理制度與危機企業下市
理之相關研究-財務比率分析與景氣循環影響之探討。
風險之研究-瀑布羅吉斯函數之應用。金融風險管理季
刊,3(1),83-113。
邱垂昌(2006)。台灣企業財務危機預警-保留意見之警訊。當
代會計,7(2),195-236。
邱瓊玲(2011)。關係人交易對財務危機預測模是影響之探
討。育達科大學報,26,31-48。
黃文隆(1992)。財務危機預警模型建立與驗證。東吳大學企
業管理學系碩士論文,未出版,台北。
黃劭彥、李超雄、洪光宏、吳東憲(2006)。以經營績效觀點
建立台灣資訊電子業財務危機預警模型。文大商管學
報,11(2),1-20。
黃振豐、呂紹強(2000)。企業財務危機預警模式之研究-以財
務及非財務因素建構。當代會計。1(1),19-40。
台灣銀行季刊,58(1),84-97。
Altman, E. I. (1968). Financial ratios, discriminant analysis and
the prediction of corporate bankruptcy. Journal of
Finance, 23(4), 589-609.
Altman, E. I., Haldeman, G. G., & Narayanan, P. (1977). Zeta
analysis: A new model to identify the bankruptcy risk of
corporations. Journal of Banking and Finance, 1, 29-54.
Altman, E. I. (1983). Corporate financial distress: A complete
guide to predicting, avoiding and dealing with bankruptcy.
John Wiley and Sons: New York.
Beaver, W. H. (1966). Financial rations as predictors of failure,
Empirical research in accounting: Selected study. Journal
of Accounting Research, 4, 77-111.
Blum, M. (1974). Failing company discriminates analysis.
Journal of Accounting Research, 12(1), 1-25.
許溪南、歐陽豪、陳慶芳(2007)。盈餘管理、公司治理與財
Burgelman, R. A., & Rosenbloom, R. S. (1989). Technology
務預警模型之建構。金融風險管理季刊,3(3),1-40。
strategy: An evolutionary process perspective, Research
陳建宏、陳麗芬、戴錦周(2007)。樣本偏務對財務危機預警
on Technological Innovation. Management and policy,
模型影響之研究。東吳經濟商學學報,57,29-47。
4(1), 1-23.
陳肇榮(1983)。運用財務比率預測企業財務危機之實證研
Canibano, L. M., Garcia, A., & Sanchez, P. (2000). Accounting
究。國立政治大學企業管理研究所博士論文,未出版,
of intangibles: A literature review. Journal of Accounting
台北。
連志剛(2008)。台灣電子工業財務危機預警之研究。2008 年
會計、資訊暨管理論壇研討會論文集,大葉大學會計
資訊系。
葉銀華、李存修、柯承恩(2002)。公司治理與評等系統。台
北:商智文化。
鄭瑞楠(1998)。財務分析在銀行授信決策上的應用之研究。
國立東華大學企管研究所碩士論文,未出版,花蓮。
鄭碧月(1997)。上市公司營運危機預測模式之研究。朝陽技
術學院財務金融研究所未出版之碩士論文。
潘玉葉(1990)。台灣上市公司財務危機預警分析。淡江大學
企業管理研究所未出版之碩士論文。
蔡璧徽、黃鈺萍(2010)。財務危機預測模型之比較分析。當
代會計,11(1),51-78。
蔡璧徽、李正福(2011)。會計師意見在財務危機預測之應用
與分析。台大管理論叢,22(1),327-356。
Literature, 19, 102-130.
Chanaron, J. J., & Perrin, P. (1987). The transfer of
research, development and design to development
countries. Future, 1987, 503-512.
Chan, L. K. C., & Lakonishok, J. (2001). The stock market
valuation of research and development expenditures. The
Journal of Finance, 56(6), 2431-2458.
Chen, H. (2007). Financial distress prediction using logistic
regression
with
corporate
governance
measure.
Management science and statistical decision, 4(1), 8-18.
Chen, K., & Lee, J. (1993). Financial ratios and corporate
endurance: A case of oil and gas industry. Contemporary
Accounting Research, 9(2), 667-694.
Cheng, L. Y., & Lien, C. S. (2009). Corporate governance and
Quality of financial information on the prediction power
of financial distress of listed companies in Taiwan.
International
Research
Economics, 32, 114-138.
Journal
of
Finance
and
32
人文暨社會科學期刊
第九卷第一期
Cohen, W. M., & Levinthal, D. A. (1990). Absorptive capacity:
A new
perspective
on
learning
and
innovation.
Administrative Science Quarterly, 35(1), 128-152.
Collins, R. A., & Green, R. D. (1982). Statistical methods for
民國一○二年
Banking and Finance, 1, 249-276.
Miller, J. C., & Whiting, R. H. (2005). Voluntary disclosure of
intellectual capital and the hidden value. Paper presented
at the AFAANZ Conference, Melbourne, Australia, July
bankruptcy forecasting. Journal of Economics and
3-5,
Business, 34(4), 349-354.
URL:http://www.afaanz.org/web2005/papers/millerj-AC
Dzinknowski, R. (2000). The measurement and management of
intellectual capital. Management Accounting, 78(2),
32-36.
Retrieved
May
15,
2008,
from
the
C.pdf
Muhammad, N. M. N., & Ismail, M. K. A. (2009). Intectual
capital efficiency and firm's performance: Study on
Eisdorfer, A., & Hsu, P. H. (2011). Innovate to survive: The
effect of technology competition on corporate bankruptcy.
Financial management, 40(4), 1087-1117.
prediction: Finnish evidence. Review of Accounting &
Finance, 4, 76-90.
Economics and Finance, 1(2), 206-212
prediction of bankruptcy. Journal of Accounting Research,
18(1), 109-131.
Peno, J. D., & Wallender, W.
Garud, R., & Nayyar, P. R. (1994). Transformative capacity:
structuring
Malaysian financial sectors. International Journal of
Ohlson, J. M. (1980). Financial rations and the probabilistic
Erkki, K.. L. (2005). Survival analysis and financial distress
Continual
2005.
by
intertemporal
technology
transfer. Strategic Management Journal, 15(5), 365-385.
Gentry, J. A. Newbold, P., & Whitford, D. T. (1987). Funds
(1977). A contingent approach
to t chnology policy proposing a cost/benefit analysis.
FMME: New York.
Platt, H. D., & Platt, M. B. (2002). Predicting corporate
financial distress: Reflections on choice-based bias.
flow components, financial rations, and bankruptcy.
Journal of Economics and Finance, 26(2), 184-199.
Journal of Business Finance and Accounting, 14(4),
Porter, M. (1980). Compelilive stralegy: techniques for
analyzing indllstries and competitors. The Free Press.
595-606.
Grant, R. M. (1991). The Resource-based theory of competitive
advantage:
Implications
for
strategy
formulation.
California Management Review, 33(3), 114-135.
Hanson, S. G., Pesaran, M. H., & Schuemann, T. (2008). Firm
heterogeneity and Credit risk diversification. Journal of
Prahalad, C. K., & Hamel, G. (1990). The core competence of
the
corporation:
Strategy,
seeking
and
securing
competitive advantage. Harvard Business Review, 68(3),
79-91.
Psillaki, M. Tsolas, E., & Margaritis, D. (2010). Evaluation of
credit risk based on firm performance. European Journal
Empirical Finance, 15(4), 583-612.
Johnson, D. K. N. (2002). Learning by Licensing: R&D and
Technology Licensing in Brazilian Invention. Economics
of Innovation and New Technology, 11(3), 63-177.
Kavida, V., & Sivakoumar, N. (2009). Intellectual Capital: A
of Operational Research, 201(3), 873-881.
Quinn, R. E. (1996). Deep change: Discovering the leader
within. Jossey-Bass: San Francisco.
Shumway, T. (2001). Forecasting bankruptcy more accurately:
Strategic Management Perspective the IUP. Journal of
A simple hazard model. Journal of Business, 74(1),
Knowledge Management, 7,(5&6), 55-69.
101-124.
Khalil, T. M. (2000). Management of technology: The key to
competitiveness and wealth criterion. The McGraw-Hill
Company: New York.
Lev, B. (2000).
New accounting for the new economy.
payments:
Lexington Books: New York.
Ting, I. H., & Lin, Y. C. (2011). What is missing? Use data
Madeuf, B. (1984). International technology transfers and
technology
corporate R&D, The Accounting Review, 69, 44-68.
Souder, W. E. (1987). Managing new product innovations.
Working paper, New York University.
international
Sougiannis, T. (1994). The accounting based valuation of
Definitions,
measurement and Firm’s behavior. Research Policy, 13,
125-140.
Martin, D. (1977). Early warning of banking failure. Journal of
mining techniques with business cycle phases for
predicting company financial crises.
Asia
Pacific
Management Rreview, 16(4), 53-59.
Tsai, B. H., & Chang, C. H. (2010). Predicting financial
distress based on the credit cycle index: A two-stage
33
連志剛:無形資產、研發投入與公司財務危機預警模型之研究
empirical analysis. Emerging Markets Finance &
a financial distress context. Accounting & Business
Trade ,46(3), 67-79.
Research, 26(2), 137-152.
Vineet, A. & Richard, T. (2008). Comparing the performance of
market-based
and
accounting-based
bankruptcy
prediction models. Journal of Banking and Finance,
Zmijcwski, M. E. (1984). Financial ratio and the probabilistic
prediction of bankruptcy. Journal of Accounting Research,
22, 59-86.
32(8), 1541-1551.
Ward, T. J., & Foster, B. P. (1996). An empirical analysis of
Thomas’s financial accounting allocation fallacy theory in
收件:102.03.28
修正:102.06.13 接受:102.06.18
`