Page 197 - 36-1

NTU Management Review Vol. 36 No. 1 Apr. 2026

（二）迴歸結果
表 6 為 GCO 之羅吉斯迴歸結果。本文所有的標準誤皆採用調整會計師集群的
16
穩健標準誤 (Clustering Robust Standard Error) 。未破產樣本的結果顯示 BEFORE 的
係數顯著為正，AFTER 的係數亦顯著為正，表 6 最下方的 Wald 檢定結果顯示二者
17
的差異未達統計顯著水準（p 值 = 0.812） 。此代表起訴前，被告會計師相較於未
被告會計師較可能犯 GCO 型一錯誤；起訴後，被告會計師仍持續犯此錯誤。GCO

型一錯誤不因審計訴訟而改變，支持蔓延假說。破產樣本的結果顯示 BEFORE 的係
數方向為負，但不顯著。此代表起訴前，被告會計師與未被告會計師的 GCO 型二
錯誤並無顯著差異。然而 AFTER 的係數顯著為正，而且 Wald 檢定結果顯示二者的
差異具統計顯著性（p 值 = 0.025），代表起訴後，被告會計師較可能對即將破產公
司出具 GCO，顯著提升 GCO 正確性。GCO 型二錯誤在審計訴訟後顯著降低，可能
支持學習或保守假說。由於保守假說預測 GCO 型一錯誤顯著上升，而且型二錯誤

顯著下降，鑒於本文並未發現 GCO 型一錯誤顯著上升之證據，因此表 6 的證據並
不支持保守假說。整體而言，表 6 的證據顯示審計訴訟並未全面提升 GCO 正確性，
會計師被告後，顯著改善 GCO 型二錯誤，卻仍持續 GCO 型一錯誤，假說 d 得到支
持。
控制變數的結果顯示，查核報告日數 (LNARL) 愈長、財務狀況 (ROA、LEV) 愈
差，以及前期收到 GCO，公司愈可能收到 GCO。有趣的是 BIG4 的係數在未破產樣
本顯著為負，在破產樣本則否，顯示四大較不可能犯 GCO 型一錯誤。LNLEADTEN
的係數在破產樣本顯著為負，顯示會計師的查核任期愈長，較可能犯 GCO 型二錯
誤，與 Read and Yezegel (2016) 之證據一致。

16 本文利用最小平方法迴歸估計實證模式 (1) 的變異數膨脹因子 (Variance Inflation Factor; VIF)，
破產樣本 LNLEADSIZE 的 VIF 最大，為 6.13，其次是 C_LEAD，為 5.02。二者的 Spearman 相
關係數為 -0.78。為避免二者的共線性影響本文結果，一次刪除其中一個變數，實證結果並未
有重大改變。至於未破產樣本，最大的 VIF 為 3.71。總之，實證模式 (1) 並無嚴重的共線性問
題。
17 不可諱言，起訴日與舞弊案件爆發日有間隔，期間會計師可能已經開始檢討自己並改善審計
品質。換言之，BEFORE 的衡量偏誤可能造成本文觀察不到訴訟前後的審計品質顯著差距。
林郁馨 (2014) 發現財報不實案件的最後不法期日至投保中心起訴日平均約需 25.25 個月。基於
此，本文採取 2 種作法以排除舞弊案件爆發後至起訴這一段期間的審計品質變化雜訊。一是將
BEFORE 重新定義為會計師被投保中心起訴前二年之前的受查客戶，二是刪除會計師被投保中
心起訴前一年與前二年的觀察值。實證結果並無重大差異。

189