臺灣博碩士論文加值系統

論文題目：整合財務指標與智慧資本指標衡量企業經營績效
--以台灣地區IC產業為例
系所名稱：輔仁大學金融研究所
日期：2002/6
研究生：陳怡萍
指導教授：李天行 博士
總頁數：71頁
摘要
智慧資本（Intellectual capital）概念是近年來知識經濟的熱門議題之一，由經濟學者Galbtaith於1969年首先提出，認為市場價值與帳面數目之差額即為智慧資本，且在知識經濟時代中，企業競爭的優勢不再只利用資金及土地等傳統生產要素，更來自於人力、顧客、流程及更新與開發等智慧資本。
國內IC產業因採取垂直分工策略，以致廠商更能專精特殊領域，使產品具有高附加價值，而附加價值部分正是「智慧資本」的一種表現。本研究將以股價市值與帳面價值比（P/B）來衡量一企業之經營績效，而財務及智慧資本指標為自變數或輸入層變數，利用資料探勘工具：類神經網路（Neural network, NN）及多元適應性雲形迴歸(Multivariate adaptive regression splines, MARS) 驗證智慧資本。研究結果得出智慧資本對於P/B有顯著的影響，並篩選重要之智慧資本顯著指標：員工教育程度，員工異動週轉率及管理費用率，並在預測模式變數分居第一，四，五位重要性。前兩者為人力資本指標，後者為流程資本指標；而透過整合MARS與類神經網路模式的確提高預測之精準度。此研究結果充分顯示IC產業為知識密集產業；整體而言，智慧資本在IC產業績效表現扮演舉足輕重之地位。
關鍵字：智慧資本、財務指標、IC產業、類神經網路、多元適應性雲形迴歸、市價與帳面價值比

Title of Thesis: Incorporating Financial Ratios and Intellectual Capital Indices in Predicting the P/B Ratios of IC Companies in Taiwan
Name of Institute: Graduate Institute of Finance, Fu-Jen Catholic University
Graduate Date: 2002/6
Name of Student: Yi-Ping Chen
Advisor: Dr. Tian-Shyug Lee
Total Page: 71
Abstract
In recent years, the concept of Intellectual capital（IC）has become a very important research topic. IC represents assets that frequently do not appear on the balance sheet. Today, to measure the assets of companies, it is very important to notice that IC’s value and strength tends to vary depending on the goals of the organization. Intellectual capital roughly includes four categories: human capital, customer capital, innovation capital, and process capital. This research tries to discover existence and possible contents of intellectual capital in integrated circuit companies (excluding integrated circuit design companies) using data mining approach. This study focuses on using both financial indices and the IC indicators in forecasting the price to book ratio (P/B) integrating multivariate adaptive regression splines (MARS) and neural networks. Empirical results indicate that three significant IC variables can be used in forecasting IC company s’ P/B ratio. It therefore implies that IC does have impacts in evaluating the performance of IC companies.
As to the predictive capability of the proposed two-stage-hybrid MARS and neural networks forecasting method, it does have better forecasting capability in terms of the root mean squared error (RMSE) criterion. It therefore provides an alternative in exercising precise forecasting. And in terms of the successful identification of the relationship within data, better business modeling can be found and implemented.
Keywords: financial index, intellectual capital, neural networks, multivariate adaptive regression splines, price to book ratio

目錄
中文摘要 --------------------------------------------------------------i
英文摘要 --------------------------------------------------------------ii
謝辭 -------------------------------------------------------------------iii
目錄 -------------------------------------------------------------------iv
表次 -------------------------------------------------------------------vi
圖次 ------------------------------------------------------------------viii
第一章 緒論 ----------------------------------------------------------1
第一節 研究動機 ----------------------------------------------------------- 1
第二節 研究目的 ----------------------------------------------------------- 2
第三節 研究架構 ----------------------------------------------------------- 3
第四節 研究流程 ----------------------------------------------------------- 4
第二章 文獻探討 --------------------------------------------------- 6
第一節 智慧資本簡介 ----------------------------------------------------- 6
第二節 國內論文對於智慧資本之探討 ------------------------------- 10
第三節 智慧資本衡量 ---------------------------------------------------- 11
第四節 資料探勘 ---------------------------------------------------------- 21
第三章 台灣之IC產業 ------------------------------------------ 27
第一節 概述IC產業 ----------------------------------------------------- 27
第二節 台灣IC產業內子產業概況 ----------------------------------- 33
第四章 研究方法 ------------------------------------------------------- 40
第一節 研究設計 --------------------------------------------------------- 40
第二節 資料蒐集與處理 ------------------------------------------------ 41
第三節 變數篩選與衡量 ------------------------------------------------ 42
第四節 資料探勘之分析工具 ------------------------------------------ 50
第五章 實證結果分析 -------------------------------------------------- 56
第一節 MARS及類神經網路模式驗證智慧資本 ------------------ 56
第二節 二階段MARS-類神經網路模式預測分析 ------------------ 61
第六章 結論與建議 ----------------------------------------------- 65
參考文獻 ------------------------------------------------------------ 67
表次
表2-1 Edvinsson and Malone（1997）：財務焦點-------------------------- 13
表2-2 Edvinsson and Malone（1997）：人力焦點-------------------------- 14
表2-3 Edvinsson and Malone（1997）：顧客焦點-------------------------- 15
表2-4 Edvinsson and Malone（1997）：流程焦點-------------------------- 16
表2-5 Edvinsson and Malone（1997）：更新與開發焦點----------------- 17
表2-6 Roos et al.（1997）智慧資本衡量指標------------------------------ 18
表2-7 Stewart（1997）智慧資本衡量指標---------------------------------- 19
表2-8 Sveiby（1998）無形資產衡量指標----------------------------------- 19
表2-9 Johnson（1999）軟體業智慧資本衡量指標------------------------- 20
表2-10 Dzinkowski（2000）智慧資本衡量指標----------------------------- 20
表3-1 台灣IC代工產值及全球佔有率情況--------------------------------- 34
表3-2 全球IC封裝與測試市場概況------------------------------------------ 36
表3-3 台灣IC封裝市場概況--------------------------------------------------- 37
表3-4 台灣IC封裝市場概況--------------------------------------------------- 38
表4-1 研究樣本公司------------------------------------------------------------- 41
表4-2 初步挑選之人力資本指標---------------------------------------------- 43
表4-3 初步挑選之顧客資本指標---------------------------------------------- 44
表4-4 初步挑選之創新資本指標---------------------------------------------- 45
表4-5 初步挑選之流程資本指標---------------------------------------------- 46
表4-6 本研究之智慧資本指標變數------------------------------------------- 48
表4-7 本研究之財務指標變數------------------------------------------------- 49
表5-1 MARS樣本預測之統計值------------------------------------------------- 57
表5-2 MARS驗證智慧資本指標影響P/B -------------------------------------- 57
表5-3 財務指標為自變數之Anova 分析表--------------------------------- 59
表5-4 MARS篩選財務指標之顯著變數------------------------------------- 60
表5-5 財務指標+智慧資本指標為自變數之Anova 分析表------------- 60
表5-6 MARS篩選財務指標＋智慧資本指標之顯著變數---------------- 60
表5-7 類神經網路模式驗證智慧資本指標影響P/B----------------------- 61
表5-8 二階段MARS-類神經網路模式結果--------------------------------- 62
表5-9 模式預測誤差比較--------------------------------------------------------63
表5-10 MARS與MARS-類神經網路模式預測結果------------------------ 64
圖次
圖1-1 研究架構圖------------------------------------------------------------------- 5
圖2-1 Edvinsson智慧資本特性--------------------------------------------------- 7
圖2-2 斯堪地亞價值架構圖------------------------------------------------------- 9
圖2-3 資料探勘運作流程--------------------------------------------------------- 23
圖3-1 半導體產業結構演變圖--------------------------------------------------- 30
圖3-2 IC產業上、中、下游流程圖-------------------------------------------- 32
圖3-3 IC產業區域分佈圖-------------------------------------------------------- 33
圖3-4 台灣IC封裝市場之客戶--------------------------------------------------38
圖3-5 台灣IC測試市場之客戶--------------------------------------------------38
圖4-1 Edvinsson 斯堪地亞智慧資本導航------------------------------------- 40
圖4-2 類神經網路模式------------------------------------------------------------ 50
圖4-3 倒傳遞類神經網路之構造------------------------------------------------ 52
圖5-1 二階段MARS-類神經網路收斂模式----------------------------------- 63

參考文獻
中文部分
1. 陳玉玲 組織內人力資本的蓄積-智慧資本管理之觀點，國立中央大學人力資源管理研究所碩士論文 民國88年。
2. 黃宛華 資訊服務智慧資本之研究，國立政治大學科技管理研究所碩士論文，民國88年。
3. 蔡基德 資訊電子業之市場價值與帳面價值之差異探討，國立台灣大學會計研究所碩士論文 民國90年。
4. 宋偉航譯，智慧資本：資訊時代的企業利基，智庫文化出版，民88年。Stewart,T., Intellectual capital: the new wealth of organizations, 1997.
5. 林大容譯，智慧資本：如何衡量資訊時代無形資產的價值，麥田出版，民88年。Edvinsson, L. and Malone, M. S., Intellectual capital: realizing your company’s true value by finding its hidden roots, 1997.
6. 施純協/祥宇開發股份有限公司智能資本編譯小組，智能資本，知行文化出版，民89年6月。 Roos, J., Roos, G., Dragonetti, N. C., and Edvinsson, L., Intellectual Capital─ Navigating the new business landscape, 1997.
7. 莫菲譯，無形資產致勝策略─ 微軟、網景、昇陽等成功企業的新財富，圓智文化出版，民88年12月。Sveiby, K. E., The new organizational wealth Managing and measuring knowledge-based assets, 1997.
8. 半導體工業年鑑，民國90年版。
9. 江忠儀，資訊軟體產業無形資產評價問題探討，軟體產業通訊，第25期，20-24頁，民國88年。
10. 陳柏村 強化企業智慧資本的途徑，資訊傳真週刊，第591期，第70頁，民國88年。
11. 劉正田，企業無形資產價值評估問題之探討，會計研究月刊，第170 期，21-28頁，民國89年。
12. 鄭惠之，智慧資本之評價與管理研討會紀實，會計研究月刊，第180期，民89 年11 月，18-26頁。
13. 工業技術研究院http://www.itri.org.tw/chi/index.html
14. 中華民國證券櫃臺買賣中心：http://www.otc.org.tw/
15. 台灣證券交易所：http://www.tse.com.tw/
16. 全國高科技產業資料庫：http://www.slib.fju.edu.tw/itbc/micindex.asp
17. 證券暨期貨發展基金會：http://www.sfi.org.tw/
英文部份
1. Bassie, L and McMurrer, D “Training Investment Can Mean Financial Performance”, Training and Development , Vol.52, No.5, 1997, pp.40-42.
2. Chen, C. P. “Application of Orthogonal Arrays and MARS to Inventory Forecasting Stochastic Dynamic Programming”, Computational Statistics and Data Analysis, Vol.30, No.3, 1999, pp.317-341.
3. Craven, P., Wahba, G. “Smoothing Noisy Data with Spline Functions. Estimating the Correct Degree of Smoothing by the Method of Generalized Cross-Validation”, Numberische Mathematik, Vol.31, 1979, pp.317-403.
4. Davies, P. C. “Design Issues in Neural Network Development”, NEUROVEST Journal, 1994, pp.21-25.
5. De Gooijer, J. G., Ray B. K., Horst K. “Forecasting Exchange Rates Using TSMARS”, Journal of International Money and Finance, Vol.17, No.3, June 1998, pp 513-534.
6. De Veaux, R. D., Gorden, A. L., Comiso, J. C., Bacherer, N. E. “Modeling of Topographic Effects on Antarctic Sea Ice Using Multivariate Adaptive Regression Splines,” Journal of Geophysics Research, Vol.98, No.20, pp.307-20, 319.
7. Dzinkowski, R. “Mining Intellectual Capital”, Strategic Finance, Vol.81, No.4, Oct 1999, pp. 42-46.
8. Dzinkowski, R. “The Measurement and Management of Intellectual Capital: An Introduction”, Management Accounting, Vol.78, No.2, Feb 2000, pp. 32-36.
9. Dzinkowski, R. “The Value of Intellectual Capital”, The Journal of Business Strategy, Vol. 21, No.4, Jul/Aug 2000, pp.3-4.
10. Fayyad, U., Piatetsky-Shapiro, G., Smyth, P. “The KDD Process for Extracting Useful Knowledge from Volumes of Data”, Communications of the ACM, Vol.39, Nov.1996, pp27-37.
11. Frank, I. E. “Modern Nonlinear Regression Methods”, Chem. Int. Lab. Systems Vol.27, 1995, pp.1-9.
12. Freeman, J. A., Skapura, D. M. “Neural Networks Algorithms Applications, and Programming Techniques”, Addison-Wesley Publishing Company, 1992.
13. Friedman, J. H. “Multivariate Adaptive Regression Splines (with discussion)”, Annals of Statistics, Vol.19, 1991, pp1-141.
14. Friedman, J. H., Roosen, C. B. “An Introduction to Multivariate Adaptive Regression Splines”, Statistical Methods in Medical Research, Vol.4, 1995, pp.197-217.
15. Gill, R. W., Kuhnert, P. M., Warren, P. S., Stone, G., Kossoff, G. “Multi-parameter Fetal Risk Assessment in Pregnancies with Risk Factors”, Proceedings of the Health Informatics Conference, Melbourne, 1996.
16. Jean-Michel, G., Davide, V. “Linear Mixed-Effect Multivariate Adaptive Regression Spines Applied To Nonlinear Pharmacokinetics Data”, Journal of Biophatmaceutical Statistics, Vol.10, 2000, pp.383-398.
17. Johnson, W. H. A. “An Integrative Taxonomy of Intellectual Capital: Measuring the Stock and Flow of Intellectual Capital Components in the Firm”, International Journal of Technology Management, Vol.18, No. 5/6/7/8, 1999, pp. 562-575.
18. Lewis, P. A. W., Stevens, J. G. “Nonlinear Modeling of Time Series Using Multivariate Adaptive Regression Splines (MARS)”, Journal of American Statistical Association, 86 (416), 1991, pp.864-877.
19. Marshall, G., Grover, F. L., Henderson, W. G., Hammermeister, K. E. “Assessment of Predictive Models for Binary Outcome: An Empirical Approach Using Operative Death From Cardiac Surgery”, Statist. Med. Vol.13, 1994, pp.1501-1511.
20. Nguyen-Cong V., Van D. G., Rode, B. M. “Using Multivariate Adaptive Regression Splines to QSAR Studies of Dihydroartemisinin Derivatives”, European Journal of Medicinal Chemistry, Vol.31, No.10, 1996, pp.797-803.
21. Peter, S. “Forecasting Recessions: Can we Do Better on MARS”, Federal Reserve Bank of St. Louis, March/April, 2001, pp.39-49.
22. Rumelhart, E., Hinton, G. E., Williams, R. J. “Learning Internal Representations by Error Propagation in Parallel Distributed Processing”, MIT Press, Cambridge, MA, 1986, pp.318-362.
23. Steinberg, D., Bernard B., Phillip C., Kerry M. MARS User Guide. San Diego, CA: Salford Systems, 1999.
24. Stone, G., Chan, D., Kuhnert, P. M., Cameron, M. “Some Experience in the Analysis of Large and Complex Datasets”, Computing Science and Statistics: Proceedings of the Second World Congress of the IASC, Vol.29, 1997.
25. Vellido, A., Lisboa, P. J. G., Vaughan, J. “Neural Networks in Business: A Survey of Applications (1992-1998)”, Expert Systems with Applications, Vol.17, 1999, pp.51-70.
26. Zhang, G., Patutwo, B. E., Hu, M. Y. “Forecasting with Artificial Neural Networks: The State of the Art”, International Journal of Forecasting, Vol.14, 1998, pp.35-62.