Page 205 - 34-2

NTU Management Review Vol. 34 No. 2 Aug. 2024

迴歸式 (3) 中採用投機性特別損益項目 (OppSI)、揭露非 GAAP 盈餘的公司
(NonGAAP) 與發布 C&DIs 後 (Post) 的三項交乘項作為自變數，以交乘項來檢視在
2010 年後揭露非 GAAP 盈餘的公司透過認列投機性特別損益項目來達到分析師盈
餘預測的比率。根據本研究提出的假說二，2010 年 SEC 發布 C&DIs 後，相較於未
揭露非 GAAP 盈餘之公司，揭露非 GAAP 盈餘的公司會降低認列投機性特別損益
項目以達到分析師盈餘預測，因此本研究預期該交乘項 (OppSI × NonGAAP × Post)

之係數應為負 (β < 0)。
7
在衡量迴歸式 (3) 上，本研究也參考過去投機性達到分析師盈餘預測的相關
文獻 (Heflin and Hsu, 2008; Doyle and Soliman, 2002; Bradshaw, Christensen, Gee, and
Whipple, 2018)，於實證模型中納入有關的控制變數，包括資產報酬率 (ROA)、銷貨
成長率 (Growth)、權益淨值市值比 (BTM)、負債比率 (LEV)、稅前損失 (Loss)、公司
規模 (Size)、淨營業資產 (NOA)；各變數定義彙總於表 2。

肆、實證結果

一、敘述性統計
於兩個假說中，本研究分別為揭露非 GAAP 盈餘 (NonGAAP = 1) 公司、未揭露
非 GAAP 盈餘 (NonGAAP = 0) 公司與所有公司樣本 (Full Sample) 進行敘述性統計。
於假說一中，揭露非 GAAP 盈餘的樣本有 5,116 筆，未揭露非 GAAP 盈餘的樣本有
24,378筆，全部樣本為29,494筆；於假說二中，揭露非GAAP盈餘的樣本有4,685筆，
未揭露非 GAAP 盈餘的樣本有 12,681 筆，全部樣本為 17,366 筆。

本研究假說之所有連續變數皆經過上下 1% 之溫賽化 (Winsorize)，減緩極端值
對實證結果的影響。假說一、假說二的敘述性統計表詳見表 3 的 Panel A 和 Panel B，
內容包含觀察值總數、平均值、標準差、第一四分位數 (Q1)、中位數、第三四分位
數 (Q3)。
表 3 Panel A 顯示，在全樣本中，投機性特別損益項目 (OppSI) 的平均值為
0.017，標準差為 0.065，中位數為 0，顯示迴歸式 (1) 的殘差趨近於 0；發布 C&DIs
後 (Post) 的平均值為 0.488，顯示在 2010 年前後的樣本數分布幾乎均勻對稱；在揭

露非 GAAP 盈餘公司樣本 (NonGAAP=1) 中，投機性特別損益項目 (OppSI) 的平均值
為 0.023，標準差為 0.074，中位數為 0，與所有公司樣本相同，顯示迴歸式 (1) 的
殘差亦趨近於 0；發布 C&DIs 後 (Post) 的平均值為 0.522，標準差為 0.500，中位數
為 1，顯示在 2010 年前後的樣本數分布幾乎均勻對稱。至於其他變數以所有公司樣
本為例，權益淨值市值比 (BTM) 的平均值為0.754，標準差為1.355，中位數為0.628，
顯示平均而言公司股權淨值為市值的 75.4%。公司規模 (Size) 的平均值為 6.457，標

197