Page 32 - 32.3

The Effect of Information Opacity on the Weighting of Performance Measures in the Compensation Contracts
of CEOs: Evidence from U.S. Firms

伍、額外分析

ɓeᖢ਄಻༊jમ͜ EBITDA ʿ EBIT ࠇၑ༟ପజཇଟ
截至目前為止，我們在迴歸模型中採用資產報酬率 (ROA) 作為會計基礎績效指
標之衡量變數，且在計算過程中，以淨利 (Net Income) 或淨損 (Net Loss) 為分子。
然而，資產報酬率之計算方式並非僅有一種，稅前息前折舊前攤銷前盈餘 (Earnings
before Interest, Taxes, Depreciation, and Amortization; EBITDA) 及稅前息前盈餘 (Earn-

ings before Interest and Taxes; EBIT) 即為計算資產報酬率時常被採用的其他方式。為
測試在不同計算方式下之實證結果是否仍支持本研究之假說，我們分別以 EBITDA
及 EBIT 計算資產報酬率，再次進行迴歸分析。
首先說明以 EBITDA 為分子計算資產報酬率之實證結果。買賣價差迴歸模型之
實證結果顯示，ROA × SPREAD 的估計係數為 1.147（p-value 為 0.007），而 RET ×

SPREAD 的估計係數為 -0.099（p-value 為 0.077），與表 6 之實證結果相似。實證
結果說明，當買賣價差愈大、股票相關資訊透明度愈低時，薪酬合約中放置於會計
基礎績效指標之權重顯著上升，放置於股份基礎績效指標之權重顯著下降。
分析師個數迴歸模型實證結果顯示，ROA × ANALYSTS 的估計係數為 -0.040
（p-value 為 0.002），且 RET × ANALYSTS 的估計係數為 0.004（p-value 為 0.003），
亦與表 6 之實證結果相似。實證結果說明，當分析師個數愈多、股票相關資訊透明
度愈高時，薪酬合約中放置於會計基礎績效指標之權重顯著下降，放置於股份基礎
績效指標之權重顯著上升。
裁決性應計數迴歸模型實證結果顯示，ROA × |DACCa| 的估計係數為 -1.890

（p-value 為 0.000），RET × |DACCa| 的估 計係 數為 -0.166（p-value 為 0.153）；

ROA × |DACCb| 的估計係數為 -2.032（p-value 為 0.000），而 RET × |DACCb| 的估

計係數為 -0.146 （p-value 為 0.233）。實證結果說明，當裁決性應計數之絕對值愈大、
財務報表資訊品質愈低時，薪酬合約中放置於會計基礎績效指標之權重顯著下降，
對於股份基礎績效指標權重之影響則不顯著。
由上述分析發現，若以EBITDA為分子計算資產報酬率，再重新進行迴歸分析，
其結果與先前結果均相似。

接續說明以 EBIT 為分子計算資產報酬率之實證結果。買賣價差迴歸模型實
證結果顯示，ROA × SPREAD 的估計係數為 1.405（p-value 為 0.004），且 RET ×

SPREAD 的估計係數為 -0.098（p-value 為 0.080）。實證結果說明，當買賣價差愈
大、股票相關資訊透明度愈低時，薪酬合約中放置於會計基礎績效指標之權重顯著
上升，放置於股份基礎績效指標之權重顯著下降。
分析師個數迴歸模型實證結果顯示，ROA × ANALYSTS 的估計係數為 -0.043

22