Page 191 - 33-2
P. 191
100.00%
總 計
100.00%
6,814
5,410
1,404
100.00%
1,703
1,703
6,814
1,404
100.00%
5,410
100.00%
總 計
100.00%
100.00%
由於企業對於總統大選提供政治獻金與否，以及選擇長短期的貸款合約均屬一種
選擇性行為，為了控制自我選擇偏誤問題，本研究採用 Heckman (1979) 提出的
由於企業對於總統大選提供政治獻金與否，以及選擇長短期的貸款合約均屬一種
兩階段模型，先於第一階段分別以 Logistic 模型檢測影響企業捐贈政治獻金因素
選擇性行為，為了控制自我選擇偏誤問題，本研究採用 Heckman (1979) 提出的
(Aggarwal et al., 2012; Brown et al., 2015; Ovtchinnikov et al., 2020)，及依據 Yeh et
兩階段模型，先於第一階段分別以 Logistic 模型檢測影響企業捐贈政治獻金因素
al. (2013) 指出政府控制銀行提供三年或更長期限的無抵押貸款時，可視為是政
(Aggarwal et al., 2012; Brown et al., 2015; Ovtchinnikov et al., 2020)，及依據 Yeh et 100.00%
治人物透過政治關係影響銀行貸款合約的最有利方式，而另以 Ordered Logistic
al. (2013) 指出政府控制銀行提供三年或更長期限的無抵押貸款時，可視為是政
模型檢測影響企業選擇長期（3 年以上）、中期（1 年以上，3 年以下）與短期（1
NTU Management Review Vol. 33 No. 2 Aug. 2023
治人物透過政治關係影響銀行貸款合約的最有利方式，而另以 Ordered Logistic
13
年以下）貸款之因素 ，再分別估計出兩項 Mill’s 反比率 (Inverted Mill’s Ratio)，
模型檢測影響企業選擇長期（3 年以上）、中期（1 年以上，3 年以下）與短期（1
13 IMR_SL，再將它們代入第二階段方程式中。此外，為避免模
分別為 IMR_DO 與
年以下）貸款之因素 ，再分別估計出兩項 Mill’s 反比率 (Inverted Mill’s Ratio)，
型估計結果受到研究變數極端值的影響，本研究對連續變數進行最大及最小各
下）貸款之因素 ，再分別估計出兩項 Mill’s 反比率 (Inverted Mill’s Ratio)，分別為
13
分別為 IMR_DO 與 IMR_SL，再將它們代入第二階段方程式中。此外，為避免模
1%的溫賽化 (Winsorized) 處理。實證模式如下所示，後續的變數定義除必要說
IMR_DO 與 IMR_SL，再將它們代入第二階段方程式中。此外，為避免模型估計結
型估計結果受到研究變數極端值的影響，本研究對連續變數進行最大及最小各
明外，相關控制變數定義請詳見附錄一。
果受到研究變數極端值的影響，本研究對連續變數進行最大及最小各 1% 的溫賽化
1%的溫賽化 (Winsorized) 處理。實證模式如下所示，後續的變數定義除必要說
(Winsorized) 處理。實證模式如下所示，後續的變數定義除必要說明外，相關控制
明外，相關控制變數定義請詳見附錄一。
(一) 影響企業總統大選提供政治獻金因素之 Logistic 模型（第一階段）
變數定義請詳見附錄一。
(一) 影響企業總統大選提供政治獻金因素之 Logistic 模型（第一階段）
( 一 ) 影響企業總統大選提供政治獻金因素之 Logistic 模型（第一階段）
= 1��
Logit����
���
= + + + + +
�
Logit���� ��� = 1�� � ��� � ��� � ��� � ��� � ���
+ + + +
+
���
���
�
���
= + + + + ��� ��� � ���
�
�
�
�
���
�
���
�
���
�
�
+ + +
��
+ +
+ + ��� �� � ��� � ��� �� ��� ���
���
�
���
�
+ + +
���
��
���
+ + + ���
��
��
���
���
���
��
��
��
+ � � + � 。 ���
+ +
+
��
��
���
���
��
���
+ � � + � 。
���
(1)
(1)
上式中： (1)
上式中：
= i 公司於第 t 年總統大選捐贈政治獻金的虛擬變數，有捐贈政治獻金
上式中：
DO i,t ��� = i 公司於第 t 年總統大選捐贈政治獻金的虛擬變數，有捐贈政治獻金之
之企業為 1，其他為 0。
= i 公司於第 t 年總統大選捐贈政治獻金的虛擬變數，有捐贈政治獻金
企業為 1，其他為 0。
���
之企業為 1，其他為 0。
( 二 ) 影響企業選擇長短期貸款因素之 Ordered Logistic 模型（第一階段）
(二) 影響企業選擇長短期貸款因素之 Ordered Logistic 模型（第一階段）
∗
= 1 ≤ ( )
(二) 影響企業選擇長短期貸款因素之 Ordered Logistic 模型（第一階段）
�
�
�
∗
∗
Logit ���� ����� = � � = 2 < ≤ ( )�
�
�
�
�
∗ �
= 1 ≤ ( )
�
�
�
∗
= 3 < ≤ ( )
�
�
�
∗
∗ �
Logit ���� ����� = � � = 2 < ≤ ( )�
�
�
�
�
�
∗
= 3 < ≤ ( )
�
�
�
�
= + + + ++
� � ��� � ��� � ��� � ���
+ + + +
�
���
�
�
���
���
�
����
�
= + + + ++
���
�
���
���
���
�
�
�
13 + + � � � + )。
Ahn and Choi (2009) 曾指出短期貸款較能夠緩解債務融資的代理問題，長期貸款則會增加銀
�
���
���
行的監督動機。Do (2021) 則表示短期債務會有較高頻率更新與再融資的可能性，導致公司的
(2)
13 Ahn and Choi (2009) 曾指出短期貸款較能夠緩解債務融資的代理問題，長期貸款則會增加銀
風險會提高。
上式中： (2)
行的監督動機。Do (2021) 則表示短期債務會有較高頻率更新與再融資的可能性，導致公司的
=
SML 風險會提高。 15
上式中： i 公司於第 t 年之第 c 筆長短期貸款合約的名目次序變數，公司選擇長
i,t,c
期借款（3 年以上）為 3、中期借款（1 年以上，3 年以下）為 2 與短
����� = i 公司於第 t 年之第 c 筆長短期貸款合約的名目次序變數，公司選
15
期借款（1 年以下）為 1。
擇長期借款（3 年以上）為 3、中期借款（1 年以上，3 年以下）
為 2 與短期借款（1 年以下）為 1。
13 Ahn and Choi (2009) 曾指出短期貸款較能夠緩解債務融資的代理問題，長期貸款則會增加銀行
的監督動機。Do (2021) 則表示短期債務會有較高頻率更新與再融資的可能性，導致公司的風
考量企業於總統大選從事政治獻金活動，屬於一種政治避險或因應未來政治
險會提高。
資源需求之目的而建構的政治連結方式，本研究假說 1 探討企業捐贈總統大選政
183
治獻金對於公股銀行貸款合約條件的影響，將以企業公股銀行貸款合約利率與無
14
風險利率 的「銀行貸款利率差 (RATE_SPREAD)」作為應變數，並透過總統大選
當選人就任後之企業公股銀行貸款合約為樣本，使用最小平方法 (Ordinary Least
Squares; OLS) 之穩健 (Robust) 迴歸模型校正殘差異質性，且控制總統大選屆數
（年度）與產業的固定效果後，分析公司從事捐贈政治獻金與否對公股銀行貸款
利率差 (SPREAD) 之影響。其次，本研究將公股銀行貸款合約再區分為「純公股
銀行」及「泛公股銀行」貸款合約，進一步檢視企業捐贈政治獻金與否對純公股
銀行貸款利率差 (GB1_SPREAD) 與泛公股銀行貸款利率差 (GB0_SPREAD) 之
影響。另外，本研究亦參考 Yeh et al. (2013) 將貸款合約區分為「短期貸款（1 年
以下）」、「中期貸款（1 年以上，3 年以下）」與「長期貸款（3 年以上）」，分別檢
視企業捐贈政治獻金與否對於短期貸款合約利率差 (SHORT_SPREAD) 、中期貸
款合約利率差 (MEDIUM_SPREAD) 或長期貸款合約利率差 (LONG_SPREAD)
之影響，並建立主要迴歸模型如下：
����� = + + + +
�
���
�
���
�
�
���
�
���
+ + + +
�
���
���
�
���
�
���
�
+ + + +
��
���
���
���
��
�
��
���
+ ����� + ����� + �����
��
��
��
+ +
��
���
��
���
+ � � � + 。
���
(3)
上式中：
14 由於臺灣國庫券之發行為不定期與不定量發行，在沒有明確與完整的國庫券利率可供使用的情
形下，且考量本研究以「公股銀行」作為主要探討的對象，故本研究以臺灣銀行三個月期定期
存款牌告利率作為無風險利率的代理衡量標的。
16
