75 NTU Management Review Vol. 31 No. 2 Aug. 2021 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)。
RkJQdWJsaXNoZXIy ODg3MDU=