Page 21 - 32.3

二、迴歸模型
二、迴歸模型
二、迴歸模型
本研究依據前述四項資訊透明度之衡量變數 (SPREAD、ANALYSTS、 DACCa 、
本研究依據前述四項資訊透明度之衡量變數 (SPREAD、ANALYSTS、 DACCa 、
本研究依據前述四項資訊透明度之衡量變數 (SPREAD、ANALYSTS、 DACCa 、
DACCb )，分別建立迴歸模型。
DACCb )，分別建立迴歸模型。
DACCb )，分別建立迴歸模型。
Model A：買賣價差迴歸模型
Model A：買賣價差迴歸模型
Model A：買賣價差迴歸模型
ln(TP i ,t ) = α 0 + α 1 SPREAD i ,t + α 2 ROA i ,t + α 3 RET ,t i + α 4 SPREAD i ,t × ROA i ,t
ln(TP ) = α + α SPREAD + α ROA + α RET + α SPREAD × ROA (3)
0
i
,t
i
1
,t
,
Control V
α
ariables
+ α 5 SPREAD i+ × RET i ,  + k ROAα 2 i ,t + α 3 RET ,t i i ,t + α 4 i ,t SPREAD i ,t × ROA i ,t (3)
+ ε
+
,t α
= α
)
ln(TP
SPREAD
t
,t
4
+ α 5 SPREAD i ,t × RET i ,  α k Control V ariables ,t i i ,t + ε i ,t , i ,t i ,t (3)
i
0
3
NTU Management Review Vol. 32 No. 3 Dec. 2022
,t
2
+
,t
i
1
i
t
+ α SPREAD × RET ,  α Control V ariables + ε ,
+
k
i
,t
t
5
i
Model B：分析師個數迴歸模型 i ,t i ,t
Model B：分析師個數迴歸模型
Model B：分析師個數迴歸模型
Model B：分析師個數迴歸模型
ln(TP i ,t ) = β + β 1 ANALYSTS i ,t + β 2 ROA + β 3 RET + β 4 ANALYSTS i ,t × ROA i ,t
,t i
0
,t
i
ln(TP ) = β + β ANALYSTS + β ROA + β RET + β ANALYSTS × ROA (4)
,t
i
3
i
0
Control V
×
RET +
+ β 5 ANALYSTS β 1 ,t i ANALYSTS i ,t β k ROAβ 2 ,t i + ariables ,t ,t i β+ + 4 ε ,t i ANALYSTS i ,t × ROA i ,t (4)
,
ln(TP
,t  +
RET
β
β +
) =
,t 
i
0
+ β 5 ANALYSTS 1 ,t i × RET + i ,t β k Control V ariables ,t + 4 ε ,t i 。 i ,t i ,t (4)
,t i
3
,
i
i
2
,t
i
,t 
+ β 5 ANALYSTS ,t i × RET + β k Control V ariables ,t i + ε ,t i ,
i
,t i
Model C：裁決性應計數迴歸模型 (依 Modified Jones Model 計算裁決性應計數)
Model C：裁決性應計數迴歸模型 (依 Modified Jones Model 計算裁決性應計數)
Model C：裁決性應計數迴歸模型 （依 Modified Jones Model 計算裁決性應計數）
Model C：裁決性應計數迴歸模型 (依 Modified Jones Model 計算裁決性應計數)
ln(TP ,t i ) = γ + γ 1 DACCa ,t i + γ 2 ROA + γ 3 RET + γ 4 DACCa × ROA ,t i
,t i
,t i
0
,t i
ln(TP ,t i ) = γ + γ 1 DACCa ,t i + γ 2 ROA + γ 3 RET + γ 4 DACCa × ROA (5)
,t i
,t i
,t i
0
,t i
γ
DACCa × DACCaγγ) =
RET
,t i γ+
+ ln(TP + RET +  γ + kγ Control V γROA + ariables + ε ,t i 。 ROA (5)
, DACCa ×
。
,t i
5
,t i
2
,t i
3
,t i
,t i 0
,t i
+ γ 5 DACCa × 1 RET +  γ k Control V ariables + 4 ε ,t i , ,t i ,t i (5)
,t i
,t i
,t i
+ γ DACCa × RET +  γ Control V ariables + ε ,
k
,t i
,t i
,t i
,t i
5
Model D：裁決性應計數迴歸模型 (依 Performance Adjusted Model 計算裁決性應計數)
Model D：裁決性應計數迴歸模型（依 Performance Adjusted Model 計算裁決性應計
Model D：裁決性應計數迴歸模型 (依 Performance Adjusted Model 計算裁決性應計數)
Model D：裁決性應計數迴歸模型 (依 Performance Adjusted Model 計算裁決性應計數)
ln(TP ) 數） δ += δ DACCb + δ ROA + δ RET + δ DACCb × ROA
0
,t i
,t i
,t i
,t i
ln(TP ,t i ,t i ) = δ + δ 1 1 DACCb + δ 2 2 ROA + δ 3 3 RET + δ 4 4 DACCb × ROA ,t i ,t i (6)
,t i
,t i
,t i 
,t i
0
,t i
DACCb × DACCbδδ) =
δ
Control V +
,
+ ln(TP ,t i 0 + RET + δ δ+ k 2 ROA ariables + δRETδ + εDACCb × ROA (6)
,t i 
,t i
,t i
,t i
,t i
5
1
3
,t i
+ δ 5 DACCb × RET + ,t i δ k Control V ariables + 4 ε ,t i , ,t i ,t i (6)
,t i
,t i 
,t i
+ δ 5 DACCb × RET + δ k Control V ariables + ε ,t i , 。
,t i
,t i

ɧeᅵ͉Ը๕

本研究自 WRDS (Wharton Research Data Services) 資料庫蒐集研究樣本。CEO
之年度總薪酬 (TP) 及CEO任期 (CEOTENURE) 自資料庫中之Execucomp模組蒐集，

股票買賣價差 (SPREAD) 及股價報酬率 (RET) 自資料庫中之 CRSP 模組蒐集，證券
分析師個數 (ANALYSTS) 自資料庫中之 IBES 模組蒐集，而資產報酬率 (ROA) 及財

務資訊相關之控制變數 (LEVERAGE、SIZE、MB 及 CASHRATIO) 則自資料庫中之
Compustat 模組蒐集。
因 Execucomp 提供自 1993 年起之 CEO 薪酬資料，本研究蒐集 1993 年至 2018
年之資料作為樣本。為避免變數極端值影響研究結果，進行迴歸分析時，本研究將
各變數極大及極小 1% 之數值溫賽化。同時，由於金融業之財務結構較為特殊，進
13
13
行迴歸分析時將剔除金融業之公司（SIC 代碼 6000 至 6999）。
13

肆、樣本選取及實證結果
ɓeٰୃ޴ᗫ༟ৃீ׼ܓ৙ᓥᅼۨķᅵ͉፯՟
Model A 及 Model B 迴歸模型分別採用股票買賣價差及分析師個數作為股票相
關資訊透明度之衡量變數。股票買賣價差迴歸模型部分，最初共蒐集 49,323 筆公司
年 (Firm-year) 觀察值。不過，部分觀察值之財務資訊、股價報酬率資訊及買賣價差
資訊有遺漏值之情形，經剔除遺漏值後，共得出 32,462 筆公司年觀察值；若再剔除
11