Page 217 - 34-2

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

bootstrap 標準誤。
值得注意的是，會計研究常採用公司層級的追蹤資料 (Panel Data)，因此樣本觀
察值通常在某個群集 (Cluster) 維度上具有一定程度的關聯性，例如：公司跨年度之
間的相關性（此時群集為公司）或產業內跨公司的關聯性（此時群集為產業）。於
是 Chen et al. (2023) 建議上述步驟可採用 pairs cluster bootstrap 的方式來進行，以考

量上述關聯性。本研究在表 13 中，同時列示群集為公司或群集為產業所計算得出
的 bootstrap 標準誤。
表 13 列示採用 bootstrap 標準誤的實證結果。為方便與原表 6 進行對照，我們
仿照 Chen et al. (2023) 的呈現方式，先在欄 (1)-(3) 重列了表 6 的係數值、標準誤、t
值，再於欄 (4)、(5) 列出群集為公司之 bootstrap 標準誤與修正後 t 值，最後欄 (6)、
(7) 則是群集為產業下的 bootstrap 標準誤與修正後 t 值。結果顯示，原表 6 之 OppSI
× NonGAAP × Post 係數標準誤為 0.2084（t 值為 -3.0127），而改採 Chen et al. (2023)

建議的 pairs cluster bootstrap 方式重新計算 bootstrap 標準誤後，表 13 在群集為公司
時，標準誤為 0.2234（t 值為 -2.8107）；在群集為產業時，標準誤為 0.2213（t 值
為 -2.8373）。整體看來，雖然改採 bootstrap 之標準誤（修正後 t 值）均較原表 6 的
11
標準誤（t 值）略高（低）一點，但變化幅度不大，並不影響原先的推論 。

11 我們認為可能的原因有二：首先，根據 Chen et al. (2023) 的模擬結果，當生成的迴歸變數為第
一步迴歸所產生的「殘差」時，在一般的狀況下應不會有標準誤的偏差；其次，該文亦展示了
標準誤偏差的大小與第一步迴歸（產生生成迴歸變數之迴歸式）的精確度呈反比關係，例如當
2
第一步迴歸之 R 越高時，則該生成迴歸變數的係數標準誤偏差越小。Chen et al. (2023) 亦調查
2019 年發表於會計頂尖五大期刊中 17 篇使用生成迴歸變數的研究，其中的 13 篇其第一步迴
2
2
歸之 R 介於 10% 至 20%、其中 3 篇的第一步迴歸之 R 介於 20% 至 30%、僅 1 篇的第一步迴
2
2
歸之 R 超過 30%。而本研究的第一步迴歸式（即式 (1)）採分「年度—產業」進行估計，R 平
均數（中位數）為 33% (37%)，相較於文獻應不算低。
209