213 /274
臺大管理論叢
第
27
卷第
4
期
213
BTM
i,t
是指
i
公司第
t
期權益帳面價值與市值比、
R
i,t-j
表示第
t-j
期股票報酬率、
α
t
控制時間效果
(Time Effect)
、
α
i
則為控制遞延認列差異以及時間效果之後，
i
公司之穩
健程度大小。一般認為
Beaver and Ryan (2000)
是一種衡量非條件式穩健之實證模型。
（三）
Givoly and Hayn (2000)
Givoly and Hayn (2000)
透過累積應計數之時間數列特性，觀察特定公司會計穩健
性程度。作者指出因為應計數會迴轉之特性，長期下來累積盈餘應該與累積營運活動
現金流量趨於一致，亦即，長期之下累積淨應計金額趨近於零。再者，當期穩健不代
表未來各期持續穩健，穩健之定義應基於多期下之觀察。如果公司多期累計後應計數
為負，則可能是因為使用較保守之會計政策造成。後續研究如
Ahmed and Duellman
(2007)
運用
Givoly and Hayn (2000)
之概念，以式
(4)
衡量非條件式穩健性：
ConAcc
i,t
≡
(–1)
×
j
=
t
+
k
j
=
t
–
k
TA
i,j
2
k
+1
(4)
ConAcc
i,t
為個別公司
i
於特定年度
t
之穩健程度，其中
TA
為總應計數，計算方式為：
（非常項目前淨利＋折舊費用－營業活動現金流量）／總資產。文獻上常取
k
為
1
或
2
。
相較於
Basu
模型採橫斷面估計方式，式
(4)
考慮了應計數迴轉之跨期特性：若穩健是
一種持續之會計政策，則採取穩健後累計多期之應計值應持續為負，乘以
-1
後則
ConAcc
i,t
為正，
ConAcc
i,t
之值越大表示穩健程度越高。惟須注意的是，雖然式
(4)
能發
展出個別公司
(Firm-specific)
之穩健程度，但其計算需要多年度資料（視所取的
k
值
大小而定），且累計之起始點（基期）並無一定標準。此外，某些產業或特定商業模式，
本質上就可能造成持續多期應計數均為負，未必與會計政策之穩健性有關。
（四）
Ball and Shivakumar (2005)
Basu
模型是以個別公司之股票報酬率去衡量好、壞消息，因此
Basu
模型無法直
接應用於沒有股價資料之公司。
Ball and Shivakumar (2005)
則從應計數與現金流量之
關係定義條件式穩健，亦即
Ball and Shivakumar (2005)
改採來自營運活動之現金流量
（或其變化）捕捉好、壞消息，修改迴歸模型如下：
ACC
t
=
α
0
+
α
1
DCFO
t
+
β
0
CFO
t
+
β
1
DCFO
t
×
CFO
t
+
ε
t
(5)
其中
ACC
t
為第
t
期應計數、
CFO
t
為第
t
期來自營運活動之現金流量、
DCFO
t
則
是一類別變數，當
CFO
t
<0
時，表示第
t
期為壞消息，此時
DCFO
t
= 1
；當
CFO
t
≥0
時，
表示第
t
期為好消息，
DCFO
t
= 0
。其中關注之焦點為交乘項係數
β
1
之估計值，其解
釋與
Basu
模型類似。