臺灣博碩士論文加值系統

公司經營要持續創造有利的競爭優勢，就必須瞭解公司在產業中的相對競爭力。在標竿學習上，就可以利用經營績效來選定不同產業中之標竿企業，作為學習的對象。不管是在經營績效、股票標的選擇之研究、或者是市場分析上，都會發現需要進行多變數的數據分析；如果能夠以簡單的圖表呈現多變數的狀況，再進行比對、判讀，則更能達到資訊活用的目的。本論文之研究目的是以電子通路類股的上市公司為範例，利用財務比率指標：財務結構、償債能力、經營能力、獲利能力、及現金流量等五大類的財務比率數據，以統計學中多變量分析之集群分析與Chernoff臉型的方法，將各公司依其財務狀況加以分群，並以Chernoff臉型呈現財務比率的狀況。以R軟體作為繪製Chernoff臉型的工具，但其支援之變數限制為15個參數，然而財務比率數據為20種，故利用主成份分析法，篩選出15個較重要之財務比率變數，作為繪製Chernoff臉型之參數。藉由圖形的呈現以協助瞭解各公司財務績效表現，作為標竿學習對象選擇或股票中、長期投資目標選擇之依據。

If company operation continues to create a competitive advantage, it is necessary to understand the relative competitiveness of companies in the industry. In the benchmarking study, the companies are the object of study that used the operating performance to select the benchmarking ones in different industries. Whether it is the research of the operating performance, the stock object choice or market analysis will need to do the multivariate data analysis. If using the simple chart to show the situation of the multivariate data and further to compare and interpret, then it will be better achieved the purpose of utilizing the information. The purpose of this study is to see if the companies cluster and use the Chernoff Face to present the situation of financial ratios. The example is the electron pathway stocks, and the data using financial ratios is five categories of indicators: financial structure, solvency, business capacity, profitability, and cash flow. The statistics methods are the cluster analysis of multivariate analysis and the Chernoff Face. R software is a tool to draw Chernoff Face, but its support of the variable is limited to 15 parameters; however, the financial ratios are 20 items. Therefore, screen out 15 important financial ratio variables that are the parameters of drawing the Chernoff Face, using principal component analysis. By using graphical presentation to assist in understanding the company's financial performance as the benchmark of learning object selection, or the choice of long-term stock investment objectives.

第一章 緒論 ………………………………………………………… 1
第一節 研究動機與目的 …………………………………………… 1
第二節 資料收集方法與限制 ……………………………………… 2
第三節 研究流程 …………………………………………………… 3
第二章 基本理論說明與文獻探討 ………………………………… 4
第一節 集群分析 …………………………………………………… 4
第二節 Chernoff臉型 …………………………………………… 11
第三節 主成份分析 ………………………………………………… 14
第三章 研究方法 …………………………………………………… 17
第一節 財務比率分析 ……………………………………………… 17
第二節 研究架構 …………………………………………………… 23
第四章 實證分析 …………………………………………………… 26
第一節 2011年度財務資料之集群分析 ……………………………… 26
第二節 Chernoff臉型繪製 …………………………………………… 32
第三節 結果整合與分析比較 ………………………………………… 36
第五章 結論與建議 …………………………………………………… 44
參考文獻 ………………………………………………………………… 47
附錄A ………………………………………………………………… 49
附錄B ………………………………………………………………… 57
附錄C ………………………………………………………………… 58

一、中文部分：
1.李國忠（2000），「應用財務比率分析台灣造紙業獲利能力之研究」，國立台灣大學森林學研究所碩士論文。
2.吳欣諭（2005），「台灣電子業上市公司之股利政策與企業生命週期之關聯」，國立成功大學會計學研究所碩士論文。
3.吳萬益（2011），「企業研究方法」，台北市：華泰文化事業股份有限公司。
4.施家洲（2002），「臺灣地區創業投資公司特性與經營績效之關聯性」，國立台北大學合作經濟學系碩士論文。
5.徐守德（2008），「財務管理」，台中市：滄海書局。
6.陳正昌（2001），「觀察體的分類技術」，教育學門提昇研究方法論研討會，成功大學。
7.陳家隆（2002），「運用統計方法與人工智慧技術建構整合性投資策略」，國立成功大學統計學研究所碩士論文。
8.陳順宇（2005），「多變量分析」，台北市：華泰文化事業股份有限公司。
9.黃文明（2004），「以財務比率探討台灣地區公民營銀行之經營績效」，國立成功大學高階管理碩士在職專班。
10.黃金蓮（2001），「台灣上市(櫃)企業財務績效與外資持股比率之關聯性研究」，中原大學會計學系碩士論文。
11.游麗珠（2007），「財務管理」，台北市：華立圖書股份有限公司。
12.張陳穎（2006），「上市電子業公司分類之研究-潛在類別分析與集群分析的比較研究」，東吳大學國際貿易學系碩士論文。
13.張紹勳、林秀娟（2005），「SPSS多變量統計分析」，台中市：滄海書局。
14.戴德賢（2003），「台灣生技公司財務績效之研究」，中國文化大學經濟研究所碩士論文。
二、英文部分：
1. Chen, C. H., Hwu, H. G., Jang, W. J., Kao, C. H., Tien, Y. J., Tzeng, S., and Wu, H. M. (2004). Matrix Visualization and Information Mining. Proceedings in Computational Statistics 2004, pp. 85-100, Physika Verlag, Heidelberg.
2. Chernoff, H. (1973). The Use of Faces to Represent Points in K-Dimensional Space Graphically. Journal of the American Statistical Association, 68, pp. 361–368.
3. Flury, B. (1980). Construction of an Asymmetrical Face to Represent Multivariate Data Graphically. Technical Report no. 3, Department of Statistic, University of Berne.
4. Flury, B. and Riedwyl, H. (1981). Graphical Representation of Multivariate Data by Means of Asymmetrical Faces. Journal of the American Statistical Association, Vol. 76, No. 376, pp. 757-765.
5. Huff, D. L., Mahajan, V. and Black, W. C. (1981). Facial Representation of Multivariate Data. Journal of Marketing, Vol. 45, No. 4, pp. 53-59.
6. Lee, M. D., Reilly, R. E., Butavicius, M. E. (2003). An Empirical Evaluation of Chernoff Faces, Star Glyphs, and Spatial Visualizations for Binary Data. Proceedings of the Asia-Pacific Symposium on Information Visualization, Vol. 24, pp. 1-10.
7. Schuepbach, M. (1984). Asymface-Asymmetrical Face on IBM PC. Technical Report no. 16, Department of Statistics, University of Berne.
8. Spinelli, J. G. and Zhou, Y. (2004). Mapping Quality of Life with Chernoff Faces. Proceedings of Twenty-Fourth ESRI International User Conference.