臺灣博碩士論文加值系統

本研究以臺灣上市櫃電子產業為對象，使用臺灣經濟新報（TEJ）資料庫選取14家危機公司與31家正常公司為樣本，以財務比率構面、財務比率與公司治理構面等二個構面來建構線性區別分析模式及Logit迴歸分析模式之預警模型，採用2019年、2021年、2022年之電子產業季資料判別2023年公司是否為危機公司，並比較模式判別正確率及型Ⅰ錯誤率高低。

根據實證結果發現，加入公司治理變數後，線性區別分析之判別正確率於2019年、2021年、2022年分別由82.80%, 89.40%, 80.00%提升為83.40%, 90.00%, 80.00%，Logit迴歸分析模式之判別正確率於2019年、2021年、2022年分別由84.40%, 87.80%, 81.70%提升為90.60%, 92.20%, 82.20%，由此可知，加入公司治理變數後確實有助於提升判別正確率，且Logit迴歸分析模式之判別正確率及型Ⅰ錯誤率均優於線性區別分析模式，具有較佳之判別結果。


關鍵字: 財務比率、公司治理、危機公司、區別分析模式、Logit迴歸分析模式

This study examines Taiwan's listed electronic companies via selected 14 crisis companies and 31 normal companies from the Taiwan Economic Journal (TEJ) database. The research constructs early warning models using Linear Discriminate Analysis (LDA) and Logit Regression based on two aspects:financial ratios, financial ratios and corporate governance variables. Quarterly data from the electronic industry for the years 2019, 2021, and 2022 are used to determine whether companies will be in crisis in 2023, as well as to evaluate the accuracy and Type I error rates of the models.

The empirical results indicate that adding corporate governance variables lightly enhances the accuracy of the LDA model across the years. For example, the accuracy in 2019 improved from 82.80% to 83.40%, while in 2021, it increased from 89.40% to 90.00%, and in 2022, it remained stable at 80.00%. Similarly, the Logit Regression model shows a notable improvement, with accuracy rising from 84.40% to 90.60% in 2019, from 87.80% to 92.20% in 2021, and from 81.70% to 82.20% in 2022. Thus, the addition of corporate governance variables significantly enhances the predictive accuracy. Furthermore, in contrast to the LDA model, the Logit Regression model demonstrates superior accuracy and lower Type I error rates, indicating better overall discriminative performance.

Keywords: Model Financial ratios, Corporate governance, Crisis companies, Discriminate model, Logit regression model

摘要 I
Abstract II
誌謝 III
目錄 IV
表目錄 VI
圖目錄 VII
第壹章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 2
第三節 研究範圍與限制 3
第四節 研究架構 3
第貳章 文獻回顧 6
第一節 財務危機定義 6
第二節 財務危機預警模式相關文獻 9
第三節 公司治理與財務危機之關係 12
第參章 研究方法 15
第一節 研究樣本 15
第二節 研究變數選取 16
第三節 t檢定 18
第四節 區別分析模式（Discriminate analysis model）建立 18
第肆章 實證結果 22
第一節 t檢定 22
第二節 卡方檢定分析 27
笫三節 模式區別分析比較 28
第四節 小結 37
第伍章 結論與建議 41
第一節 結論 41
第二節 建議 43
參考文獻 45
一、中文部分 45
二、英文部分 48
附錄 50
一、財務危機公司 50
二、危機公司及正常公司實收資本額 51


表目錄
表2.1 TEJ財務危機定義與準財務危機定義 8
表3.1 研究變數定義 17
表3.2 錯誤分類表 21
表4.1 2019年正常與危機公司之平均數t檢定結果 24
表4.2 2021年正常與危機公司之平均數t檢定結果 25
表4.3 2022年正常與危機公司之平均數t檢定結果 26
表4.4 t檢定(正常公司與危機公司差異分析) 27
表4.5 2019年卡方檢定 27
表4.6 2021年卡方檢定 28
表4.7 2022年卡方檢定 28
表4.8以財務比率建構線性區別分析模式之判別結果 30
表4.9以財務比率與公司治理建構線性區別分析模式之判別結果 31
表4.10線性區別分析模式判別正確率表 31
表4.11逐步區別分析判別正確率表 33
表4.12以財務比率建構Logit迴歸分析模式之預測結果 36
表4.13以財務比率與公司治理建構Logit迴歸分析模式之預測結果 36
表4.14 Logit迴歸分析模式判別正確率表 37
表4.15模式比較（線性區別分析模式、Logit迴歸分析模式） 39


圖目錄
圖1.1 研究流程圖 5
圖4.1整體判別正確率比較圖 40
圖4.2型Ⅰ錯誤率比較圖 40

一、中文部分
尹賢瑜、葉立人、游雅璇（2015）。建構企業財務危機預警模型—考慮財務與公司治理因素。德明學報，39（2），37-58。
白文章（2017）。數據分析技術應用於公司治理財務風險預警之研究。NCS2017全國計算機會議論文集，614-619。
吳明隆（2009）。SPSS的操作與應用，運用統計分析實務。台北：五南圖書出版股份有限公司。
吳岳霖（2015）。智慧資本與財務預警模型之關係-以台灣電子產業為例。朝陽科技大學財務金融研究所碩士論文，台中。
吳國瑋（2016）。公司財務預警模型之探討-應用動態財務危機機率門檻值。朝陽科技大學財務金融研究所碩士論文，台中。
余惠芳、王永昌（2011）。財務預警與公司治理－台灣傳統產業之實證研究。應用經濟論叢，90，209-241。
余惠芳、李嫺柔、蔡奇儐（2013）。負債比率與財務預警-台灣電子業之實證研究。會計與財金研究，6(1)，59-80。
李華驎、孔繁華（2016）。公司的品格2：從本地個案看懂台灣公司治理，拆解上市櫃公司地雷。台北：先覺出版股份有限公司。
巫沛倉、廖紫柔、邱詩彥（2021）。運用灰關聯分析與倒傳遞類神經網路建構財務危機預警模型。管理資訊計算，10(1)，121-132。
林郁翎、黃建華（2009）。考慮公司治理之企業財務危機預警模型。東吳經濟商學學報，64，23-56。
林佑南（2020）。運用財務比例分析企業財務危機之研究。淡江大學財務金融學系研究所碩士論文，台北。
邱麗卿 (2020)。控制股東掏空行為及其公司治理分析：以樂陞案為例。管理評論，39(2)，1–33。
公司治理中心（2024）。公司治理中心簡介及公司治理藍圖簡介。取自https://cgc.twse.com.tw/front/about。
孫嘉明、黃學昌（2021）。視覺化與機器學習協同整合之增強分析—以風險視覺化為例。電腦稽核期刊，43（2），42-56。
陳肇榮(1983)，「運用財務比率預測企業財務危機之實證研究」，未出版之博士論文，國立政治大學企業管理研究所，台北。
陳順宇(2005)。多變量分析(第四版)。台北:華泰文化出版社。
陳建宏、謝佩綺(2016)。企業資訊揭露、公司治理與財務危機預警之實證研究-以台灣上市上櫃電子業為例。朝陽財金論文叢刊，25（12），93-104。
張漢傑（2011）。財務危機預警必修8堂課。台北：財團法人台灣金融研訓院。
張明輝、張書瑋（2020）。企業財務危機的警訊四部曲。會計研究月刊，416（7），65-69。
黃建華（2006）。加入公司治理變數建構台灣上市上櫃公司之財務危機預警模型。東吳大學國際貿易研究所碩士論文，台北。
葉信成（2011）。從地雷股到公司治理。證券暨期貨月刊，29(12)，5-23。
葉銀華（2021）。如何避開地雷股。台北：天下雜誌股份有限公司。
賴鈺城、李崑進、李善玉(2010)。公司治理下電子業之財務預警模型。華人前瞻研究，6（1），1-23。

二、英文部分
Altman, E. I. (1968). Financial ratios discriminant analys is and the prediction of corporate bankruptcy. Journal of Finance, 23(4), 589-609.
Beaver, W. H. (1966). Financial ratios as predictors of failure. Journal of Accounting Research, 4(3), 71-111.
Berkson, J. (1944). Application of the Logistic Function to Bio-Assay. Journal of American Statistical Association, 39, 357-365.
Blum, M. (1974). Failing Company Discriminant Analysis. Journal of Accounting Research, 12(1), 1-25.
Deakin, E. B. (1972). A discriminate analysis of predictor business failure. Journal of Accounting Research, 10(1), 167-179.
Darayseh, M., Waples, E. & Tsoukalas, D. (2003). Corporate failure for manufacturing industries using firms specifics and economic environment with logit analysis. Managerial Finance, 29(8), 23-36.
Foster, G. (1977). Valuation parameters of property-liability companies. Journal of finance, 32(3), 823-835.
Gepp, A., & Kumar, K. (2015). Predicting Financial Distress: A Comparison of Survival Analysis and Decision Tree Techniques. Procedia Computer Science, 396-404.
Jayasekera, R. (2018). Prediction of company failure: Past, present and promising directions for the future. International Review of Financial Analysis, 55, 196-208.
Lee, T. S. & Yeh, Y. H. (2004). Corporate governance and financial distress: Evidence from taiwan. Corporate Governance, 12(3), 378-388.
Ohlson, J. A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 18(1), 109-131.
Pastena, V. & Ruland, W. (1986). The merger/bankruptcy alternative. The Accounting Review, 61(2), 288-301.
Ross, S. A., Westerfield, R. W. & Jaffle, J. (2013). Corporate Finance, 10th ed, Mc Graw Hill/Irwin, New York, NY.
Shleifer, A. & Vishny, R. W. (1997). A survey of corporate governance. Journal of Financial, 52(2), 737-783.