國立成功大學

會計研究所

碩士論文

台灣半導體產業的資訊科技投資與經營風險

－財務彈性的調節效果

Information Technology Investment and Firm Risk in Taiwan Semiconductor

Industry

- The Moderating Effect of Financial Flexibility

研究生:盧德昕

指導教授:吳思蓉 博士

中華民國一一一年六月
 摘要
資訊科技（Information Technology, IT）的投資對企業來說意義重大，但其與公司

風險間的關聯性目前尚未有定論。近年來，隨著政府越來越重視產業數位轉型，台灣

半導體業的整體資訊科技 IT 投資大幅增加。因此，本研究以 2013 年至 2020 年台灣

上市櫃半導體相關企業為對象，探討 IT 投資已與企業經營風險的關聯性，並觀察財

務彈性（Financial Flexibility, FF）對於企業 IT 投資和企業經營風險的調節作用。實證

結果發現，半導體業 IT 投資與企業經營風險間並無顯著關聯性，然而當財務彈性提

升時，IT 投資有助於降低企業經營風險。

關鍵詞：IT 投資、經營風險、財務彈性、半導體產業

I
 Information Technology Investment and Firm Risk in Taiwan
Semiconductor Industry
- The Moderating Effect of Financial Flexibility
Te-Shin Lu
Advisor: Szu-Jung Wu
Department of Accountancy
National Cheng Kung University

SUMMARY
Information Technology (IT) investment is important to companies, but its relevance to
corporate risk is not yet conclusive. In recent years, with the country’s increasing emphasis
on digital transformation, the overall IT investment in Taiwan's semiconductor industry has
increased significantly. Therefore, this study examines the correlation between IT
investment and firm risk for semiconductor-related companies listed in Taiwan from 2013
to 2020 and observes the moderating effect of financial flexibility (FF) in regulating
corporate IT investment and firm risk. The empirical results show that there is no significant
correlation between IT investment and firm risk in semiconductor industry; however, when
financial flexibility is increased, IT investment helps to reduce firm risk.

Key words: IT investment, firm risk, financial flexibility, semiconductor industry

INTRODUCITON

Digital technologies have advanced more rapidly than any innovation in our history. As more
and more applications of latest technology emerge, the importance of digital transformation
is also rising among every industry. In Taiwan, there is plenty of evidence indicating that IT
investment in the semiconductor industry has reached an unprecedented level. The
semiconductor industry needs to ensure that companies have sufficient and adequate IT
infrastructure to support current and future activities (Lutz, Boucher and Roustant, 2012),
since a good and innovative IT environment can help semiconductor companies to enhance
resource allocation and optimize organizational performance in response to rapid changes in
the external environment.

In addition, the global pandemic COVID-19 has severely disrupted the trading environment
and supply chain (McCloskey and Heymann, 2020) and has significantly increased the
overall firm risk for companies, especially for the semiconductor industry. Feyissa, Tesfaye
and Sharma (2016) suggest that IT can effectively coordinate various supply chain activities

II
and enhance IT's influence within the organization to reduce risk in a relatively complex and
uncertain environment. In times of crisis, such as during the COVID-19 epidemic, corporate
IT capabilities can enhance the quality of an organization's supply chain by streamlining
production and improving company performance (Siagian and Tarigan, 2021). Therefore,
for the semiconductor industry, which is highly dependent on the supply chain, there is no
doubt that IT investment can effectively increase the value of the company and reduce the
uncertainty of the supply chain by increasing and coordinating internal resources, thus
reducing the firm risk.

However, previous literature holds different views on the impact of IT investment on firm
risk. Hunter, Kobelsky, and Richardson (2004), suggest that IT investments are often difficult
to manage, resulting in a high failure rate and therefore a higher return volatility. In addition,
Cerullo and Cerullo (2004) point out that increased IT investment also causes higher security
threats and maintenance costs. Therefore, this study concludes that for industries that rely
heavily on supply chain management capabilities, especially the semiconductor industry, IT
investments can strengthen the company's own operational resilience and ability to respond
to global supply chain demands, thereby reducing overall operational risk. At the same time,
it is also difficult to manage IT projects due to the high capital expenditure of IT, and the
possibility of business interruptions such as information security crises and system
maintenance costs associated with IT may lead to an increase in firm risk.

As mentioned above, there is no consensus on the correlation between IT investment and

risk, and the role through which it is moderated. Financial flexibility (FF), which is often
considered as an indicator to reduce corporate risk and increase corporate value, refers to the
ability of companies to deploy financial resources to cope with uncertain future
contingencies, and it has been shown that during a crisis, companies with higher financial
flexibility are more likely to enter the capital market and raise capital for new growth
opportunities at lower costs (Arslan-Ayaydin et al., 2012; Rashidul et al., 2020). From the
viewpoint of investment capacity, previous studies have shown that firms with better
financial flexibility have less capital expenditure reduction and more efficient use of internal
funds to increase investment, confirming the positive relationship between financial
flexibility and investment capacity (Arslan-Ayaydin et al., 2012; Yung, Li and Jiang, 2015).
In summary, financial flexibility makes firms more capable of making IT-related investments,
but that corporate capital deployment may also mitigate or increase the risks associated with
IT investments. Therefore, the main purpose of this study is to examine the relationship
between IT investment and firm risk in Taiwan semiconductor industry, and further observe
the moderating effect of financial flexibility

III
 MATERIALS AND METHODS

The data sources used in this research are mainly from the Taiwan Economic Journal (TEJ)
database and the company annual reports posted on the Market Observation Post System.
The variables of IT investment (𝐼𝑇𝐼𝑁𝑉_𝑇𝐴, 𝐼𝑇𝐼𝑁𝑉_𝐹𝐼𝐴) mainly refer to Kim et al. (2017),
using the amount of computer software as the measurement of IT investment under the
disclosure of the intangible assets note in the company's annual report. The samples were
taken from 167 companies in Taiwan semiconductor industry from 2013 to 2020. After
deleting missing values, the final sample was composed of 732 observations. All continuous
variables are winsorized by 1% to avoid the impact of outliers. The major models of this
study are shown below:

(1)
𝑅𝑂𝐸𝑉_𝑄4𝑖𝑡` = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝑇𝐴𝑖𝑡 + 𝛽2 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽3 𝑅𝐷𝑇𝑖𝑡 + 𝛽4 𝑂𝐸𝐺𝑖𝑡
+ 𝛽5 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽6 𝐶𝐴𝑃𝐸𝑋𝑖𝑡 + 𝛽7 𝐿𝐸𝑉𝑖𝑡 + 𝛽8 𝑅𝑂𝐴𝑖𝑡 + 𝛽9 𝑅𝑂𝐸_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

(2)
𝑅𝑂𝐸𝑉_𝑄4𝑖𝑡 = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝐹𝐼𝐴𝑖𝑡 + 𝛽2 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽3 𝑅𝐷𝑇𝑖𝑡 + 𝛽4 𝑂𝐸𝐺𝑖𝑡
+ 𝛽5 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽6 𝐶𝐴𝑃𝐸𝑋𝑖𝑡 + 𝛽7 𝐿𝐸𝑉𝑖𝑡 + 𝛽8 𝑅𝑂𝐴𝑖𝑡 + 𝛽9 𝑅𝑂𝐸_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

(3)
𝑅𝑂𝐴𝑉_𝑄4𝑖𝑡 = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝑇𝐴𝑖𝑡 + 𝛽2 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽3 𝑅𝐷𝑇𝑖𝑡 + 𝛽4 𝑂𝐸𝐺𝑖𝑡
+ 𝛽5 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽6 𝐶𝐴𝑃𝐸𝑋𝑖𝑡 + 𝛽7 𝐿𝐸𝑉𝑖𝑡 + 𝛽8 𝑅𝑂𝐴𝑖𝑡 + 𝛽9 𝑅𝑂𝐴_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

(4)

𝑅𝑂𝐴𝑉_𝑄4𝑖𝑡 = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝐹𝐼𝐴𝑖𝑡 + 𝛽2 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽3 𝑅𝐷𝑇𝑖𝑡 + 𝛽4 𝑂𝐸𝐺𝑖𝑡

+ 𝛽5 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽6 𝐶𝐴𝑃𝐸𝑋𝑖𝑡 + 𝛽7 𝐿𝐸𝑉𝑖𝑡 + 𝛽8 𝑅𝑂𝐴𝑖𝑡 + 𝛽9 𝑅𝑂𝐴_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

IV
(5)
𝑅𝑂𝐸𝑉_𝑄4𝑖𝑡 = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝑇𝐴𝑖𝑡 + 𝛽2 𝐹𝐹𝑖𝑡 + 𝛽3 𝐼𝑇𝐼𝑁𝑉_𝑇𝐴𝑖𝑡 ∗ 𝐹𝐹𝑖𝑡
+ 𝛽4 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽5 𝑅𝐷𝑇𝑖𝑡 + 𝛽6 𝑂𝐸𝐺𝑖𝑡 + 𝛽7 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽8 𝐶𝐴𝑃𝐸𝑋𝑖𝑡
+ 𝛽9 𝐿𝐸𝑉𝑖𝑡 + 𝛽10 𝑅𝑂𝐴𝑖𝑡 + 𝛽11 𝑅𝑂𝐸_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

(6)

𝑅𝑂𝐸𝑉_𝑄4𝑖𝑡 = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝐹𝐼𝐴𝑖𝑡 + 𝛽2 𝐹𝐹𝑖𝑡 + 𝛽3 𝐼𝑇𝐼𝑁𝑉_𝐹𝐼𝐴𝑖𝑡 ∗ 𝐹𝐹𝑖𝑡

+ 𝛽4 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽5 𝑅𝐷𝑇𝑖𝑡 + 𝛽6 𝑂𝐸𝐺𝑖𝑡 + 𝛽7 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽8 𝐶𝐴𝑃𝐸𝑋𝑖𝑡
+ 𝛽9 𝐿𝐸𝑉𝑖𝑡 + 𝛽10 𝑅𝑂𝐴𝑖𝑡 + 𝛽11 𝑅𝑂𝐸_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

(7)

𝑅𝑂𝐴𝑉_𝑄4𝑖𝑡 = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝑇𝐴𝑖𝑡 + 𝛽2 𝐹𝐹𝑖𝑡 + 𝛽3 𝐼𝑇𝐼𝑁𝑉_𝑇𝐴𝑖𝑡 ∗ 𝐹𝐹𝑖𝑡

+ 𝛽4 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽5 𝑅𝐷𝑇𝑖𝑡 + 𝛽6 𝑂𝐸𝐺𝑖𝑡 + 𝛽7 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽8 𝐶𝐴𝑃𝐸𝑋𝑖𝑡
+ 𝛽9 𝐿𝐸𝑉𝑖𝑡 + 𝛽10 𝑅𝑂𝐴𝑖𝑡 + 𝛽11 𝑅𝑂𝐴_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

(8)

𝑅𝑂𝐴𝑉_𝑄4𝑖𝑡 = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝐹𝐼𝐴𝑖𝑡 + 𝛽2 𝐹𝐹𝑖𝑡 + 𝛽3 𝐼𝑇𝐼𝑁𝑉_𝐹𝐼𝐴𝑖𝑡 ∗ 𝐹𝐹𝑖𝑡

+ 𝛽4 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽5 𝑅𝐷𝑇𝑖𝑡 + 𝛽6 𝑂𝐸𝐺𝑖𝑡 + 𝛽7 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽8 𝐶𝐴𝑃𝐸𝑋𝑖𝑡
+ 𝛽9 𝐿𝐸𝑉𝑖𝑡 + 𝛽10 𝑅𝑂𝐴𝑖𝑡 + 𝛽11 𝑅𝑂𝐴_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

RESULTS AND DISCUSSION

The results of the study are presented in Table 1 and Table 2. Table 1 shows the relationship
between IT investment ratio and firm risk. Column (1), (2), (3) and (4) show that the
relationship between IT investment (ITINV_TA, ITINV_FIA) and firm risk (ROEV_Q4,
ROAV_Q4) is positively insignificant. The results indicate that for the semiconductor
industry, although there is a positive relationship between IT investment and firm risk, IT
investment has no significant impact on firm risk.
(Insert Table 1)

V
Table 2 shows the relationship between financial flexibility, IT investment ratio and firm risk.
Column (5), (6), (7) and (8) show that the coefficients of interactive term, IT investment and
financial flexibility (ITINV_TA*FF, ITINV_FIA*FF), are negatively significant. The results
indicate that IT investment of firms with better financial flexibility helps to reduce firm risk
compared to firms with poor financial flexibility.
(Insert Table 2)

CONCLUSION

In recent years, with the increasing impact of COVID-19 on the global market, the
importance and reliance of IT investment has also increased. Although the amount of IT
investment in the semiconductor industry has elevated gradually, the correlation between IT
investment and firm risk is still in a controversial place. This paper examines the correlation
between the proportion of IT investment and corporate operating risk in Taiwan's
semiconductor industry by observing the companies involved in the industry from 2013 to
2020 and explores the moderating effect of financial flexibility between them. The results
revealed that, although there is a positive correlation between IT investment and firm risk
for the semiconductor industry, IT investment is not a major factor affecting firm risk.
However, this study further finds that when firms have better financial flexibility, the impact
of IT investment ratio on firm risk can be effectively reduced. In other words, the impact of
external uncertainty can be suppressed by having better intra-firm capabilities, like financial
flexibility, to amplify the benefits of existing assets.
The main limitation of this study is the measurement of IT investment. This study takes the
book value of computer equipment and computer software as the measurement of IT
investment. However, many companies have omission of these two indicators in their annual
reports, resulting in limited sample size and increased error rate due to manual collection. In
addition, this study only considered one important organizational capability, financial
flexibility, as a moderating effect, neglecting the other potential organizational capability.
Future studies can use this study as a basis to explore other possible factors, such as
organizational culture, communication capability, etc., which may have different effects on
firm risk.

VI
 Table 1
ROEV_Q4 ROAV_Q4
Variables
(1) (2) (3) (4)
Intercept 0.0621*** 0.0589*** 0.0416*** 0.0437***
(3.30) (3.28) (5.29) (5.16)
ITINV_TA 0.0086 0.0210
(0.05) (0.24)
ITINV_FIA 0.0193 0.0152
(0.98) (1.49)
Controls Yes Yes Yes Yes
Year Fixed Effect Yes Yes Yes Yes
Industry Fixed Effect Yes Yes Yes Yes
Adjusted R-square 0.2169 0.2181 0.3156 0.3184
Sample Size 732 732 732 732

VII
 Table 2
ROEV_Q4 ROAV_Q4
Variables
(5) (6) (7) (8)
Intercept 0.0546*** 0.0536*** 0.0413*** 0.0394***
(3.25) (3.23) (5.34) (5.08)
ITINV_TA 0.6518 0.3286*
(1.53) (1.69)
ITINV_FIA 0.0312* 0.0625***
(1.94) (2.77)
FF 0.0153*** 0.0135** 0.0056*** 0.0056***
(3.17) (3.06) (2.73) (2.86)
ITINV_TA*FF -0.9986** -0.4744**
(-2.33) (-2.44)
ITINV_FIA*FF -0.1115** -0.0703**
(-2.11) (-2.89)
Controls 0.0049 0.0043 0.0075** 0.0073**
(0.62) (0.51) (2.28) (2.05)
Year Fixed Effect Yes Yes Yes Yes
Industry Fixed Yes Yes Yes Yes
Effect
Adjusted R-square 0.2209 0.2153 0.3292 0.3330
Sample Size 732 732 732 732

VIII
 目錄
壹、緒論 ............................................................................................................................... 1

貳、文獻與假說發展 ........................................................................................................... 5

一、IT 投資與企業價值 ............................................................................................. 5

二、IT 投資與企業經營風險 ..................................................................................... 6

三、IT 投資、財務彈性與企業經營風險 .................................................................. 8

參、研究方法 ..................................................................................................................... 10

一、樣本來源與選取 ................................................................................................. 10

二、模型設計 ............................................................................................................. 10

三、變數定義與衡量 ................................................................................................. 12

肆、實證結果分析 ............................................................................................................. 15

一、敘述性統計 ......................................................................................................... 15

二、相關係數分析 ..................................................................................................... 17

三、迴歸分析結果 ..................................................................................................... 17

伍、額外與穩健性測試 ..................................................................................................... 21

一、額外測試 ............................................................................................................. 21

二、穩健性測試 ......................................................................................................... 23

陸、結論與限制 ................................................................................................................. 24

參考文獻 ............................................................................................................................. 26

IX
 表目錄
附錄一 變數定義說明 ....................................................................................................... 25

表1 敘述性統計 ............................................................................................................ 30

表2 實際 IT 投資金額年度增減變化 ......................................................................... 30

表3 IT 投資比例年度增減變化表 ............................................................................... 31

表4 Pearson 相關係數分析表 ...................................................................................... 32

表 5-1 IT 投資比例與企業經營風險之關聯 .................................................................. 33

表 5-2 前一年 IT 投資比例對經營風險之影響迴歸分析結果 ..................................... 34

表 6-1 財務彈性、IT 投資比例與企業經營風險之關聯 .............................................. 35

表 6-2 財務彈性、前一年 IT 投資與企業經營風險之關聯迴歸分析結果 ................. 36

表7 額外測試變數之敘述性統計 ................................................................................ 37

表8 IT 投資比例與 BETA 風險及破產風險之關聯 ................................................... 38

表9 財務彈性、IT 投資比例對 BETA 及破產風險之影響 ....................................... 38

表 10 IT 投資比例在 COVID-19 疫情年度對企業經營風險之影響迴歸分析結果 ... 39

表 11 IT 投資比例對經營風險之影響迴歸分析結果.................................................... 40

表 12 IT 投資比例透過財務彈性對企業經營風險之影響迴歸分析結果 ................... 41

圖目錄
圖 1 IT 投資金額年度增減變化折線圖 ............................................................................ 16

圖 2 IT 投資比例年度增減變化折線圖 ............................................................................ 16

X
 壹、緒論
近年來，台灣越來越重視產業數位轉型，政府推出「數位國家．創新經濟發展方

，預計 2025 年數位經濟規模將達 6.5 兆元。其中，掌握著台灣命脈的高科技產業

案」

在這波數位浪潮中扮演著領頭羊的角色，從 AI 人工智慧、雲端大數據的發展與應用，

再到強調工業 4.0 的智慧工廠，企業內部流程數位化和自動化對企業而言更加重要。

根據 IT Home「2020-21 CIO 大調查報告」顯示，在新型冠狀病毒肺炎（COVID-19）

疫情期間，各產業對企業內部資訊科技 (information technology, IT) 資源的投入不減

反增，其中金融業及高科技製造業的投資成長率幅度最高，分別為 12.9%與 11.1%。

台灣的高科技製造業，以半導體產業鏈相關公司為大宗，資策會產業情報研究所

（MIC）調查發現，臺灣半導體產業鏈，受惠於 COVID-19 疫情而帶動的筆記型電腦、

遊戲機以及相關處理器需求激增，營收大幅成長，2021 年全年產值將首度達 3.7 兆

元，年成長率 26.8%，對台灣重要性可見一斑。而半導體整體產業鏈為因應快速變化

的環境，需要更高敏捷性且完整的 IT 資源，如鴻海集團資訊長在 2021 SEMICON

Taiwan 國際半導體展所提到的，智慧製造的精隨在於「逐步增加能夠運用於整個企業

的營運系統等數位工具，朝向持續優化韌性生產製造體系」。有此可知，良好且創新

的 IT 環境有助於提升半導體產業公司加強資源分配、優化組織績效以因應外部環境

變化。

過去文獻亦有相似的論點，當公司能有效管理內部資源，如提升資本密集度，能

保持更高的毛利率和淨利潤率，獲得更高的資產報酬率（ROA）和更大的價值（Tobin's

q）(Shin, Kraemer and Dedrick, 2017)。另外，Lutz, Boucher and Roustant (2012)的研究

表明，半導體業須確保公司擁有足夠規模的 IT 基礎設施，以支持當前和未來的活動，

並提出量化模型來預測 IT 資源的未來使用。其它文獻也指出，企業完善的 IT 基礎

建設能快速創造競爭優勢(Bharadwaj, 2000)，如協助人力資源管理、提升工作滿意度

等(Ratna and Kaur, 2016)，由以上論述可得知，IT 投資對於半導體業整體價值提升起

1
到關鍵性的作用。

然而，隨著 COVID-19 疫情對全球經濟市場造成的影響，大幅增加了企業的經營

風險(Chang and Wu, 2021)，且隨著疫情的持續蔓延，已經嚴重破壞貿易環境和供應鏈

(Agca, Birge, Wang and Wu, 2020; McCloskey and Heymann, 2020)。波士頓顧問公司

（Boston Consulting Group, BCG）在 2021 年發表的「強化不確定時代下的全球半導

體供應鏈」報告中指出，半導體產業對技術知識與規模的需求導致了高度專業化的全

球供應鏈，但產業活動高度集中的特性下，也導致了「單點故障，全部失效」的狀況，

例如，世界上先進半導體製程產能目前都位於韓國（8%）和台灣（92%）
。當這些單

點故障，可能會因自然災害、基礎設施關閉或國際衝突而中斷，並可能導致芯片供應

嚴重中斷。Mönch, Uzsoy and Fowler (2018)提出了半導體供的幾個特性，包括「規模

經濟」、「高不確定性」、「全球化」，產業的製程整體環環相扣，半導體產業須與其延

伸的供應鏈協同工作，以提高業務功能的同步性 (Flynn, Huo and Zhao, 2010)，因此，

如何加強組織資源協調性來降低半導體產業供應鏈所帶來的風險已成為企業重視的

議題。

再者，2020 年初爆發的 COVID-19 疫情持續至今，造成企業組織業務停擺或是

中斷，直接對企業財務造成傷害，例如，企業的內部辦公活動和銷售活動因嚴格的社

交距離限制大幅減少，從而造成財務報告的數據變差 (Lesi, 2020)。另外，造成業務

停擺的潛在原因不僅僅來自外部危機，也包括人為錯誤造成的中斷、公用事業中斷（如

停電）以及來自外界的惡意威脅等等，且隨著公司越來越依賴資訊科技 (IT) 基礎設

施並與外部網路的連結越來越緊密，IT 伴隨著的相關資安危機、系統維護成本等風險

也越高，業務中斷的風險也隨之擴大(Cerullo and Cerullo, 2004)。如何讓企業從任何類

型的業務中斷中快速恢復並讓組織能持續性地經營及成長是企業需面臨的重要挑戰。

雖說 IT 投資可能為企業帶來風險，但對於半導體企業來說，過去文獻指出半導

體企業可以透過提升內部資訊科技力，如軟硬體升級、增強訊科技基礎建設來使公司

價值提升，例如 Chen, Zhou, Zhang and Chen (2020)指出，半導體公司可以透過物聯網

2
系統中的深度學習方法納入當前的 CIM 系統中，導入 CIM 系統中 IoT 式的解決方

案系統架構1取代傳統的條碼系統架構，以來獲得更高的資產可見性，降低人力需求

成本並與全球趨勢接軌，為公司創造價值。而站在供應鏈的角度，Feyissa, Tesfaye and

Sharma (2016)提出，IT 在組織內的資源調配性，能有效協調各種供應鏈活動，並且

在相對複雜、較不確定的環境下，加強 IT 在組織內影響來降低風險。在危機時期，

如 COVID-19 疫情期間，企業 IT 能力通過可以增強組織供應鏈的品質，達到精實生

產的效果，提高公司績效(Siagian and Tarigan, 2021)。 Tarigan, Sebayang and Basana

(2021)以製造業為研究對象，提出 COVID-19 疫情造成製造業的供需失衡讓產能快速

降低，企業需要快速協調內部資源以便能夠降低中斷帶來的影響，而良好的 IT 資源

能夠增強供應鏈整合內部和外部資源來降低風險危害。由上述推論可知，IT 投資雖會

對企業帶來一定風險，但對於供應鏈的影響仍是有效率且正面的，因此對於高度仰賴

供應鏈的半導體產業來說，無疑更能夠透過增加、協調內部資源，有效提升公司價值

並減少供應鏈不確定性進而降低風險。

此外，規模經濟也是半導體產業的一大特性。半導體屬於知識和技術密集型經濟，

具有高度的競爭性，為了應對產品需求的快速變化，半導體相關企業不斷追求發展最

先領先之技術，每年都有巨大的資本支出，總資產周轉率低，投資回收期長，這可能

導致重大和持續的衰退，以及產能過剩的情況(Chang and Wu, 2021)。因此，半導體行

業也具有很高的財務風險。在過去的研究中，IT 投資在企業中的策略定位，會隨著產

業特性不同產生巨大的差異(Banker, Hu, Pavlou and Luftman, 2011)，並且會隨著產業

不同而存在著不同的論述，依據不同的調節作用，放大或抑制整體風險相關性。過去

文獻指出，企業的財務彈性（Financial Flexibility）是企業策略實施的一個關鍵因素，

可以用以捕捉企業適應經濟環境變化和利用投資機會的能力。在危機期間，擁有較高

財務彈性的企業更有機會進入資本市場，以更低的成本為新的發展機會籌集資金

1
電腦整合製造（Computer-Integrated Manufacturing, CIM）系統主要的功能是整合半導體製造場域中
的軟硬體環節，讓所有原料、設備的效益最佳化，而透過導入 IoT 架構能使 CIM 系統儲存的資料量
大幅提升，達到提升效率與降低成本的效果。

3
(Arslan-Ayaydin, Florackis and Ozkan, 2012; Rashidul, Wang, Zulfiqar, Ghafoor and Joseph,

2020)，有助於提高企業在危機時期抵禦負面財務影響的能力，從而降低特異風險。也

有文獻表明，財務彈性佳的企業更有可能在經濟壓力下生存(Meier, Bozec and Laurin,

2013)，也就是說，財務彈性越高的企業，在面對緊急情況時就能越靈活的應對風險

(Denins and McKeon, 2012)，尤其在半導體產業會起到關鍵性的作用。過去文獻雖已

有對 IT 投資與風險的關聯性進行探討，但尚未有研究討論財務彈性在其中扮演之角

色。因此，本研究想從 IT 投資與其對組織資源調配的觀點出發，探討 IT 投資對於台

灣半導體企業所面臨之風險影響，以及財務彈性在其中的調節作用。

綜合以上論述，本研究首先探討 IT 投資對企業經營風險之直接影響，其次探討

IT 投資對企業風險之間接影響，也就是 IT 投資是否透過財務彈性影響企業經營風險。

本研究以 2013 年至 2020 年台灣上市櫃之半導體產業之企業為樣本並使用普通最小

平方法 (Ordinary Least Square, OLS) 進行分析。實證結果表明，IT 投資佔總資產以

及佔固定資產與無形資產的比重，與公司經營風險沒有呈現顯著的關係，表示 IT 投

資對半導體業經營風險沒有明顯的放大或抑制作用，然而，考量財務彈性後，相較於

財務彈性較差的企業，高財務彈性的企業，IT 投資與企業經營風險的不利影響明顯降

低，也就是說，當財務彈性提升時，IT 投資有助於降低企業經營風險。本研究主要貢

獻為以台灣半導產業進行 IT 投資與企業風險的探討，並進一步討論財務彈性在此二

者之關係中所扮演的角色，可補充半導體產業、IT 投資、財務彈性及企業風險相關之

文獻，亦可作為半導體產業進行 IT 投資策略時之參考。

本研究共分六章，第一章描述半導體業現況以及 IT 投資對產業之重要性，第二

章進行文獻探討並建構假說，第三章說明樣本、研究模型與變數衡量，第四章進行實

證分析，第五章為加入不同風險替代變數與 COVID-19 疫情影響期間之額外測試與穩

健性測試，第六章為結論與本研究之限制。

4
 貳、文獻與假說發展

一、IT 投資與企業價值

過去已有許多文獻證明 IT 投資會從各個面向影響企業價值，如 Dehning, Vernon

and Stratopoulos (2005)的研究指出，IT 投資的戰略作用會影響公司的市場價值，且採

用特定 IT 投資策略的公司會帶來正向的市場反應。而站在資源基礎理論（Resource-

based view, RBV）的觀點，企業的 IT 投資，可被視為一種難以被完全模仿和不可替

代的資源和能力，為企業持續創造競爭優勢(Barney, 1991)。Wu, Yeniyurt, Kim and

Cavusgil (2005)的研究中，就是以 RBV 的觀點，探討了供應鏈能力作為 IT 投資和公

司績效之間中介的作用，其結果表明，供應鏈能力能夠將 IT 相關資源轉化為對公司

更高的價值，透過有效的訊息交換、供應鏈合作協調、獲取知識，來提高供應鏈能力

使公司能夠比競爭對手更好、更快地學習因應市場變化。Lu and Ramamurthy (2011)提

出，企業 IT 能力能夠增強企業及時處理大量且分散訊息的能力，且當 IT 投資增進

組織整體資訊能力，組織敏捷性也會大幅提升，促進整體績效表現。Park, Kook, Im,

Eum and Lee (2018)研究指出半導體企業增加 IT 技術深度和 IT 資產會為財務績效帶

來正面的影響。然而，也有一些研究提出，IT 投資具體存在著成本超支的問題(Bloch,

Blumberg and Laartz, 2012)，因為在達到企業預期的投資成效前，必須負擔長期且高

額的調整成本。Karhade and Dong (2021)的研究也提出，企業 IT 投資與組織創新能力

呈現倒 U 型曲線，意味著公司不該過度投資 IT 而造成成本失衡。由上述論述得知，

雖然 IT 投資能夠在資源調配的觀點上為企業帶來價值，但同時也會增加企業整體業

務流程上的相關成本，因此，IT 投資具體會增加或降低企業價值在過去的文獻上有著

不同的論述。

5
二、IT 投資與企業經營風險

自 2020 年初 COVID-19 疫情爆發以來，已對全球經濟環境造成一定程度的破壞

(McCloskey and Heymann, 2020)，這也促使了人們改變過去的生活方式以及工作型態

(Ahmad, 2020)，而全球供應鏈市場在這波疫情的衝擊下，產業脆弱性和缺乏運營敏捷

性變得很明顯(Sarkis, 2020)，半導體產業暴露在高風險的環境中。然而，雖然整體產

業的風險提升，根據 Gartner 在 2021 發表的 CIO 報告顯示，全球企業對 IT 投資之

成長率與去年相比成長了 9.5%，並預測明年的投資金額將高達四萬億美元，可見在

某種程度上，IT 投資強化了企業自身的營運韌性及維運能力，同時專注滿足全球各地

的需求來因應持續變化的挑戰。過去的文獻也與此觀點一致，如 Gu, Yang and Huo,

(2021)的研究聚焦在 COVID-19 疫情爆發期間公司 IT 環境與組織彈性的關聯性，結

果顯示擁有較高資訊彈性的公司，在疫情期間整體營運較佳，且資訊彈性較低的公司

可以透過補償性的 IT 投資來彌補資訊彈性的漏洞。然而，Dewan and Ren (2011)的研

究中提到，IT 投資對公司風險的影響應該與 IT 投資對公司績效的影響一樣重要，甚

至更重要，因為 IT 投資在特定報酬水準下風險會增加，但可以藉由採用合適的邊際

策略來緩和，從而提升報酬並降低風險。

COVID-19 疫情對高度仰賴供應鏈的半導體業無疑帶來嚴重的打擊(Agca et al.,

2020; McCloskey et al., 2020)，而 IT 投資在供應鏈上尤其扮演著重要的角色，IT 在組

織內的資源調配性，效協調性皆能加強各種供應鏈管理活動，在相對複雜、較不確定

的環境下提高組織績效並降低風險(Feyissa et al., 2016; Siagian and Tarigan, 2021)，因

此 IT 投資在仰賴供應鏈的產業來說尤為重要，如 Tarigan, Sebayang and Basana (2021)

以製造業為研究對象，提出 COVID-19 疫情造成製造業的供需失衡讓產能快速降低，

企業需要快速協調內部資源以便能夠降低中斷帶來的影響，而良好的 IT 資源能夠增

強供應鏈整合內部和外部資源來降低風險危害，由上述推論可知，IT 投資所帶來的影

響是正面的，能夠強化企業自身的營運韌性及維運能力，並透過增加、協調內部資源，

6
有效提升公司價值並減少供應鏈不確定性進而降低風險。

然而，過去文獻在 IT 投資對企業風險的影響抱持不同的看法，Han, Rezaee, Xue

and Zhang (2016)的研究發現 IT 投資與審計費用、審計師出具繼續經營疑慮意見的概

率以及型 II 審計錯誤呈現正相關性，表明了 IT 投資可能某種程度地增加了公司的審

計風險。另外，Kim, Mithas, and Kimbrough (2017)的研究指出，不同產業的債權人對

於 IT 投資所持有的風險抱持不同的看法，IT 投資對公司的運營績效和融資成本（例

如債務成本）應該依不同類型的產業做出相對應的考量。更早期一點的研究，如 Hunter,

Kobelsky, and Richardson (2004)認為 IT 投資對報酬波動率的相關性取決於企業視 IT

投資為一種「解決方案(Solution)」還是「項目(Project)」
，以解決方案的觀點來說，IT

投資可以使公司更好、更快地對外部和內部來源的不確定性做出反應，報酬波動率相

對較小，但作為一個「項目」，由於 IT 投資通常難以管理導致失敗率很高，因而報

酬波動率較大。另外，Cerullo and Cerullo (2004)也指出，IT 投資的增加也同時意味著

相關的資安威脅、系統可持續性及維護成本增加等挑戰從而造成業務停擺的風險增加，

如何讓企業從任何類型的業務中斷中快速恢復並讓組織能持續性地經營及成長是企

業急需考量的面向，上述推論得知，IT 投資亦有可能對企業帶來危害。

公司獲取 IT 投資所創造價值並將其轉化為盈利能力的結果，不僅取決於公司的

業務和 IT 戰略，還取決於行業結構，因此本研究認為，對於高度仰賴供應鏈管理能

力的產業，尤其是半導體業來說，IT 投資雖能強化企業自身的營運韌性及能力來因應

全球供應鏈之需求，從而降低整體經營風險，但同時也因為 IT 高額資本支出的特性

導致 IT 項目較難管理，以及 IT 伴隨著的相關資安危機、系統維護成本等業務中斷的

可能性提高，因而有可能導致企業經營風險的增加，故本研究提出以下假說：

假說(一): IT 投資與企業經營風險有關聯。

7
三、IT 投資、財務彈性與企業經營風險

承上所述，IT 投資與風險的相關連性，以及其中是透過何種做用來調節，尚未

有一致的結論，不過近年來，越來越多研究提出了能夠放大 IT 投資對於企業價值的

調節機制，如有效的公司治理(Ryu, Park, and Park, 2020)，能夠降低 IT 投資成本對企

業帶來的傷害，雖然 IT 投資增加，公司需要協調 IT 資源的程度越高，較不易於管理，

但只要加強公司治理及知識管理，IT 投資能大幅提升公司績效。另外從公司內部控制

的觀點來看，有效的內部稽核與內部控制是 IT 治理的重要機制，可以協助企業提升

IT 使用效益及改善流程(Wu, Huang and Kang, 2019)。綜上所述，關於公司可能透過哪

些具體機制來獲取 IT 投資所創造的價值越來越受重視，也就是說，IT 投資對企業

價值的影響如何值得研究，尤其是在強調產業供應鏈資源協調的半導體產業。

其中，財務彈性（Financial Flexibility, FF）

，在過去文獻中常被認為是降低企業風

險及增加企業價值的指標，是指公司調動財務資源以應對不確定的未來突發事件的能

力，有文獻表明在危機期間，擁有較高財務彈性的企業更有機會進入資本市場，以更

低的成本為新的發展機會籌集資金(Arslan-Ayaydin et al., 2012; Rashidul et al., 2020)，

有助於提高企業在危機時期抵禦負面財務影響的能力。Guo, Hou and Li (2020)的研究

指出，財務彈性可以降低企業社會責任與系統風險的正向關係並有效提升公司價值，

財務彈性高的公司受危機影響也會較小(Byoun, 2011)。Bancel and Mittoo (2011)的研

究發現，內部融資較多的公司可能具有較低的槓桿率、較高的現金比率，並且危機對

其業務運營的影響較小，表示財務彈性是公司業務戰略的一部分。在過去，有以特定

產業之財務彈性對企業風險承擔之關聯性研究，如 Chang and Wu (2021)探討台灣半

導體產業公司在 COVID-19 疫情下其財務彈性與風險承擔的影響，結果表明，財務彈

性與風險承擔呈現 U 型曲線，代表在一定程度下控制財務彈性可有效提升風險承擔

力。由上述論述可知，良好的財務彈性能夠有效降低企業風險。

財務彈性在過去的研究中同樣也被視為影響企業投資策略的重要指標。Marchica

8
and Mura (2010)研究了財務彈性和企業投資能力之間的關係，指出財務彈性高的企業

會有更多的投資，他們透過操作保守槓桿策略來維持企業較高的財務彈性，更好的應

對投資機會。同樣站在投資能力的觀點，過去研究指出在危機期間，財務彈性較好的

企業資本支出減少的幅度較小，同時能更有效率的運用內部資金來增加投資，證實了

企業財務彈性與投資能力的正向關係(Arslan-Ayaydin et al., 2012; Yung, Li and Jiang,

2015)。綜上所述，對半導體業來說，要在行業中佔據領先地位必須仰賴高額、不間斷

的資本支出此，而適度的財務彈性可以提升資金的供給，充分把握適當的投資機會，

也更有能力進行 IT 相關投資，而 IT 技術和資產的擴充會為半導體企業的財務績效

帶來正面效益(Park et al., 2018)，卻也可能導致其經營風險的變動，然而企業資金調度

的靈活度高低，亦有可能緩解或增加因 IT 投資所衍生之風險問題，因此，設立假說：

假說(二): 其他條件不變下，財務彈性會影響 IT 投資與企業經營風險間之關聯。

9
 參、研究方法

一、樣本來源與選取

本研究所採用之樣本來源以台灣經濟新報公司（TEJ）之「國際會計準則」資料

庫以及公開資訊觀測站之公司年報為主。IT 投資變數主要參考 Kim et al. (2017)，以

公司年報之無形資產附註揭露下，電腦軟體金額做為 IT 投資之衡量。

本研究之樣本取自 2013 年至 2020 年之上市上櫃半導體產業相關公司共 167 家

，刪除缺漏值後最終有效樣本數為 732 筆，產業別囊括 IC 設計、IC 製造及 IC 封測，

2

並在第 1 和第 99 個百分位數上予以溫賽化處理(winsorized)，以盡量減少極端值的影

響。

二、模型設計

本文以股東報酬波動率（ROEV_Q4）以及資產報酬波動率（ROAV_Q4）作為衡

量公司經營風險之代理變數，自變數以 IT 投資佔總資產之比例（ITINV_TA）及 IT

投資佔固定資產與無形資產之比例（ITINV_FIA）為代表，來解釋 IT 投資與公司經

營風險的關係，並建立迴歸模型(1)、(2)、(3)和(4)來驗證假說(一)。

(1)
𝑅𝑂𝐸𝑉_𝑄4𝑖𝑡` = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝑇𝐴𝑖𝑡 + 𝛽2 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽3 𝑅𝐷𝑇𝑖𝑡 + 𝛽4 𝑂𝐸𝐺𝑖𝑡
+ 𝛽5 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽6 𝐶𝐴𝑃𝐸𝑋𝑖𝑡 + 𝛽7 𝐿𝐸𝑉𝑖𝑡 + 𝛽8 𝑅𝑂𝐴𝑖𝑡 + 𝛽9 𝑅𝑂𝐸_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

受 2008 年全球性金融災難的影響，許多產業紛紛對其前景重新評估，而作為消費性電子產品基礎骨
2

幹的半導體產業礙於市場需求疲軟，更是受到強烈的衝擊。到 2013 年，受惠於整體景氣復甦，歐債

危機與美國財政懸崖所帶來的不確定性漸緩，且智慧行動裝置市場繼續蓬勃發展，帶動半導體市場
成長，據 Gartner 統計，2013 年全球半導體營收總計 3,154 億美元，較去年成長了 5.9%，以台灣市場
而言，資策會產業情報研究所（MIC）統計，2013 年台灣總體經濟環境復甦，台灣半導體產業產值
達新台幣 17,957 億元，相較於 2012 年成長幅度高達 16.2%，綜上所述，2013 年在總體經濟面來說對
半導體業是關鍵的一年。

10
(2)
𝑅𝑂𝐸𝑉_𝑄4𝑖𝑡 = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝐹𝐼𝐴𝑖𝑡 + 𝛽2 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽3 𝑅𝐷𝑇𝑖𝑡 + 𝛽4 𝑂𝐸𝐺𝑖𝑡
+ 𝛽5 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽6 𝐶𝐴𝑃𝐸𝑋𝑖𝑡 + 𝛽7 𝐿𝐸𝑉𝑖𝑡 + 𝛽8 𝑅𝑂𝐴𝑖𝑡 + 𝛽9 𝑅𝑂𝐸_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

(3)
𝑅𝑂𝐴𝑉_𝑄4𝑖𝑡 = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝑇𝐴𝑖𝑡 + 𝛽2 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽3 𝑅𝐷𝑇𝑖𝑡 + 𝛽4 𝑂𝐸𝐺𝑖𝑡
+ 𝛽5 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽6 𝐶𝐴𝑃𝐸𝑋𝑖𝑡 + 𝛽7 𝐿𝐸𝑉𝑖𝑡 + 𝛽8 𝑅𝑂𝐴𝑖𝑡 + 𝛽9 𝑅𝑂𝐴_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

(4)

𝑅𝑂𝐴𝑉_𝑄4𝑖𝑡 = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝐹𝐼𝐴𝑖𝑡 + 𝛽2 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽3 𝑅𝐷𝑇𝑖𝑡 + 𝛽4 𝑂𝐸𝐺𝑖𝑡

+ 𝛽5 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽6 𝐶𝐴𝑃𝐸𝑋𝑖𝑡 + 𝛽7 𝐿𝐸𝑉𝑖𝑡 + 𝛽8 𝑅𝑂𝐴𝑖𝑡 + 𝛽9 𝑅𝑂𝐴_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

另外，本研究考量 IT 投資影響除當期外，亦會影響下一期之經營風險，故另外

將假說（一）
、（二）
、（三）
、（四）所有模型之 t 年的企業經營風險變數（ROEV_Q4i,t 、

ROAV_Q4i,t ）以 t+1 年替代（ROEV_Q4i,t+1 、ROAV_Q4i,t+1 ），藉以了解前一年度的 IT

投資比例對企業經營風險變數造成的影響，以及前一年度的財務彈性在其中的調節作

用。

假說(二)進一步探討財務彈性增加是否能夠降低 IT 投資跟企業風險之關聯性，

因此本研究於迴歸模型(5)、(6)、(7)和(8)中放入財務彈性之虛擬變數 FF，以及財務

彈性虛擬變數 FF 與 IT 投資之交乘項，觀察在相同條件下，企業經營風險是否會因

財務彈性增加而降低，來驗證假說(二)。

(5)
𝑅𝑂𝐸𝑉_𝑄4𝑖𝑡 = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝑇𝐴𝑖𝑡 + 𝛽2 𝐹𝐹𝑖𝑡 + 𝛽3 𝐼𝑇𝐼𝑁𝑉_𝑇𝐴𝑖𝑡 ∗ 𝐹𝐹𝑖𝑡
+ 𝛽4 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽5 𝑅𝐷𝑇𝑖𝑡 + 𝛽6 𝑂𝐸𝐺𝑖𝑡 + 𝛽7 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽8 𝐶𝐴𝑃𝐸𝑋𝑖𝑡
+ 𝛽9 𝐿𝐸𝑉𝑖𝑡 + 𝛽10 𝑅𝑂𝐴𝑖𝑡 + 𝛽11 𝑅𝑂𝐸_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

11
(6)

𝑅𝑂𝐸𝑉_𝑄4𝑖𝑡 = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝐹𝐼𝐴𝑖𝑡 + 𝛽2 𝐹𝐹𝑖𝑡 + 𝛽3 𝐼𝑇𝐼𝑁𝑉_𝐹𝐼𝐴𝑖𝑡 ∗ 𝐹𝐹𝑖𝑡

+ 𝛽4 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽5 𝑅𝐷𝑇𝑖𝑡 + 𝛽6 𝑂𝐸𝐺𝑖𝑡 + 𝛽7 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽8 𝐶𝐴𝑃𝐸𝑋𝑖𝑡
+ 𝛽9 𝐿𝐸𝑉𝑖𝑡 + 𝛽10 𝑅𝑂𝐴𝑖𝑡 + 𝛽11 𝑅𝑂𝐸_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

(7)

𝑅𝑂𝐴𝑉_𝑄4𝑖𝑡 = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝑇𝐴𝑖𝑡 + 𝛽2 𝐹𝐹𝑖𝑡 + 𝛽3 𝐼𝑇𝐼𝑁𝑉_𝑇𝐴𝑖𝑡 ∗ 𝐹𝐹𝑖𝑡

+ 𝛽4 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽5 𝑅𝐷𝑇𝑖𝑡 + 𝛽6 𝑂𝐸𝐺𝑖𝑡 + 𝛽7 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽8 𝐶𝐴𝑃𝐸𝑋𝑖𝑡
+ 𝛽9 𝐿𝐸𝑉𝑖𝑡 + 𝛽10 𝑅𝑂𝐴𝑖𝑡 + 𝛽11 𝑅𝑂𝐴_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

(8)

𝑅𝑂𝐴𝑉_𝑄4𝑖𝑡 = 𝛽0 + 𝛽1 𝐼𝑇𝐼𝑁𝑉_𝐹𝐼𝐴𝑖𝑡 + 𝛽2 𝐹𝐹𝑖𝑡 + 𝛽3 𝐼𝑇𝐼𝑁𝑉_𝐹𝐼𝐴𝑖𝑡 ∗ 𝐹𝐹𝑖𝑡

+ 𝛽4 𝑅𝐸𝑉𝐺𝑖𝑡 + 𝛽5 𝑅𝐷𝑇𝑖𝑡 + 𝛽6 𝑂𝐸𝐺𝑖𝑡 + 𝛽7 𝑆𝐼𝑍𝐸𝑖𝑡 + 𝛽8 𝐶𝐴𝑃𝐸𝑋𝑖𝑡
+ 𝛽9 𝐿𝐸𝑉𝑖𝑡 + 𝛽10 𝑅𝑂𝐴𝑖𝑡 + 𝛽11 𝑅𝑂𝐴_𝐿𝑂𝑆𝑆𝑖𝑡
+ 𝐼𝑛𝑑𝑢𝑠𝑡𝑟𝑦𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝑌𝑒𝑎𝑟𝐹𝑖𝑥𝑒𝑑𝐸𝑓𝑓𝑒𝑐𝑡 + 𝜀𝑖𝑡

三、變數定義與衡量

本文主要探討半導體公司之 IT 投資比重與其企業經營風險之關聯性，以下說

明本研究所採用之變數及其衡量，所有變數衡量方式亦可參見附錄一。

(一) 企業經營風險

在企業經營風險衡量上，本文參考過去文獻(Dewan and Ren, 2011; Boubakri,

Cosset and Saffar, 2013; Tian and Xu, 2015; Chang and Wu, 2021)，使用股東權益報酬波

動率(ROEV)以及資產報酬波動率(ROAV)作為衡量企業經營風險之主要應變數，而本

研究參考 Tian and Xu (2015)以及 Chang and Wu (2021)的研究，以當年四季度之標準

差作為波動率之計算。股東權益報酬率(ROE)表示公司使用自有資金獲利的能力，而

12
資產報酬率(ROA)捕捉的是公司利用資產獲利的能力，兩者之波動率皆是衡量公司獲

利之穩定度，波動率越高，則公司經營風險越高，反之亦然。

(二) IT 投資

本研究假說(一)使用兩個主要自變數來衡量 IT 投資，分別是 IT 投資佔總資產之

比例(ITINV_TA)以及 IT 投資佔固定資產與無形資產之比例(ITINV_FIA)。另外，過去

研究也發現 IT 投資可以透過調節作用降低企業風險(Sharma, Mithas and Kankanhalli,

2014; Tian and Xu, 2015; Kim et al., 2017) ，因此本研究之假說(二)進一步探討財務彈

性增加是否能夠降低 IT 投資跟企業風險之關聯性。

(三) 財務彈性

財務彈性(Financial Flexibility, FF)在過去的研究中沒有明確定義的衡量標準，常

見衡量方式有用單一指標如償債能力或現金持有量等來衡量財務彈性 (Marchica and

Mura, 2010; Denis and McKeon, 2012) 或是透過多指標如財務槓桿和現金持有量來共

同衡量財務彈性 (Arslan-Ayaydin et al., 2014; Al-Slehat, 2019)，而本研究參考了 Teng,

Chang and Wu (2021)的研究來計算即衡量財務彈性，即: 財務彈性=現金彈性+負債彈

性。接著進一步計算當年度財務彈性之中位數，並定義一虛擬變數 FF，若當年度財

務彈性大於中位數者，虛擬變數 FF 等於 1，否則為 0。

(四) 控制變數

本研究參考過去文獻，控制了幾個對報酬波動性直接影響的變數，包括營收成長

率(REVG)， 以本期營收淨額減去前期營收淨額再除以前期營收淨額得之；研發密度

(RDT)，計算方式為研發費用除以營業收入淨額；股東權益成長率(OEG)，計算方式

為本期股東權益總額減去前期股東權益總額，除以前期股東權益總額；公司規模

(SIZE)，以資產總額之自然對數衡量；資本支出率(CAPEX)，由於在台灣的財報上並

13
沒有單獨公告資本支出一欄，因此本文參考過去文獻大多以投資活動現金流量代替資

本支出金額，計算方式為投資活動現金流量除以資產總額，負債比率(LEV)，以負債

總額除以資產總額衡量；股東權益報酬率(ROE)及資產報酬率(ROA)，分別以稅後淨

利除以股東權益總額和資產總額衡量，最後 ROE_LOSS 與 ROA_LOSS 兩者皆代表

營運虧損之虛擬變數，若公司當年度有虧損則設為 1，否則為 0，以上變數根據過去

研究(Hunter et al., 2004; Dewan and Ren, 2011; Chang and Wu, 2021; Luo, Wang and

Zhang, 2022)，被認為是能夠決定公司價值之變數。除了公司價值外，本研究也加入

產業及年度固定效果，以控制產業性質以及不同年度對樣本的影響，在產業固定效果

上，由於半導體業可依業務性質進一步區分為上游 IC 設計、中游 IC 製造以及下游 IC

封裝測試，但由於中下游之公司業務重疊的情況很常見，故本研究將樣本公司產業區

分為 IC 設計及 IC 製造/封裝測試兩大類來控制產業效果，以上所有變數之詳細定義

皆於附錄一彙總說明。

14
 肆、實證結果分析

一、敘述性統計

表 1 列出了 本研 究 所有關 鍵變 數的 敘述 性統計 ， 應 變數 股東 報酬波 動率

（ROEV_Q4）之平均值為 0.053、標準差 0.045、最大值 0.321、最小值 0.005；資產

報酬波動率（ROAV_Q4）之平均值為 0.035、標準差 0.023、最大值 0.118、最小值

0.004，自變數 IT 投資佔總資產比例（ITINV_TA）之平均值為 0.006、標準差 0.012、

最大值為 0.075，最小值為 0.00001；IT 投資佔固定資產與無形資產比例（ITINV_FIA）

之平均值為 0.053，標準差為 0.086，最大值為 0.488，最小值為 0.00001，兩主要自變

數之平均數代表平均 IT 投資佔總資產比例以及佔固定資產與無形資產比例，分別為

0.6%、5.3%，可見 IT 投資在半導體業相關公司之資產皆佔比不高。營收成長率（REVG）

之平均數為 0.087；研發密度（RDT）之平均數為 0.140；股東權益成長率（OEG）之

平均數為 0.090：公司規模（SIZE）之平均數為 15.392；資本支出率（CAPEX）之平

均數為-0.062；負債比率（LEV）之平均數為 0.302；資產報酬率（ROA）之平均數為

0.066；虛擬變數股東權益報酬率虧損（ROE_LOSS）
、資產報酬率虧損（ROA_LOSS）

平均值分別為 0.183、0.176。

（插入表 1）

表 2 為實際 IT 投資金額年度增減變化表，由表 2 可得知，2013 年實際投入 IT

投資額平均約為七千五百萬元，而到了 2020 已提升至一億三千萬元，顯示對半導體

產業來說實際平均 IT 投資金額有逐漸上升的趨勢。表 3 為 IT 投資比例年度增減變化

表，以 IT 投資比例觀察可得知， IT 投資比例並沒有明顯地逐年增加，Panel A 顯示

IT 投資佔總資產比例，在 2015~2020 年間佔比大約在 0.5%~0.6%之間；Panel B 也顯

示相似結果，以 IT 投資佔固定資產與無形資產比例觀察，2015~2020 年間佔比約在

5%~6%之間。由圖 1 及圖 2 之 IT 投資實際金額以及 IT 投資比例折線圖可更明顯發

15
現，對半導體產業公司來說雖然總體 IT 投資金額有逐年上升的趨勢，但整體而言對

於 IT 投資佔資產的比重較為平穩，並無逐年減少或提升趨勢。

（插入表 2、表 3）

圖 1 IT 投資金額年度增減變化折線圖

單位: 元
140,000,000

120,000,000

100,000,000

80,000,000

60,000,000

40,000,000

20,000,000

0
2013 2014 2015 2016 2017 2018 2019 2020

實際投資金額

圖 2 IT 投資比例年度增減變化折線圖

單位: %
9
8
7
6
5
4
3
2
1
0
2013 2014 2015 2016 2017 2018 2019 2020

佔總資產 佔固定資產與無形資產

16
二、相關係數分析

表 4 列出了本研究所有關鍵變數的 Pearson 相關係數分析，由表可得知 IT 投資

佔總資產比例（ITINV_TA）以及 IT 投資佔固定資產與無形資產比例（ITINV_FIA）

對應變數股東權益報酬波動率（ROEV_Q4）皆呈不顯著正相關，係數分別為 0.05 及

0.051；對另一應變數資產報酬波動率（ROAV_Q4）來說，IT 投資佔總資產比例

（ITINV_TA）呈不顯著正相關，IT 投資佔固定資產與無形資產比例（ITINV_FIA）

則呈顯著正相關，係數分別為 0.036 及 0.073（p＜0.05）

，以上結果可初步判斷，在未

加入控制變數及固定效果前，企業 IT 投資的比例對企業經營風險可能帶來負面影響。

另外，本研究假說（二）想進一步探討財務彈性越佳的公司，IT 投資與企業經營風險

的關聯性是否與財務彈性較差的公司有所不同，表 4 結果顯示，單一指標財務彈性虛

擬變數（FF）對股東權益報酬波動率（ROEV_Q4）呈顯著負相關，係數為-0.11（p＜

0.01）
，對資產報酬波動率（ROAV_Q4）卻呈顯著正相關，係數為 0.122（p＜0.01）
，

由此可初步判斷單一變數財務彈性（FF）對財務彈性對企業經營風險的關係不明確，

還須進一步於迴歸中觀察財務彈性與 IT 投資比例之交乘項對經營風險的關係以驗證

假說 (二)。本研究在迴歸中進行變異數膨脹檢驗（VIF），所有變數之值皆介於 1.13

到 3.51 之間，表示共線性問題在本研究中應不會造成太大影響。

(插入表 4）

三、迴歸分析結果

本研究為探討半導體產業公司之 IT 投資比例與企業經營風險之間的關聯性，以

及財務彈性在其中的調節作用，透過 OLS 迴歸分析來驗證各假說。

表 5-1 為 IT 投資比例對企業經營風險之影響迴歸分析結果，模型（1）、（2）的

結果表明，IT 投資佔總資產比例（ITINV_TA）與股東權益報酬波動率（ROEV_Q4）

17
之間的關係呈正向不顯著（β1= 0.0086；P > 0.10）；IT 投資佔固定資產與無形資產比

例（ITINV_FIA）與股東權益報酬波動率（ROEV_Q4）之間的關係呈正向不顯著（β1=

0.0193；P >0.10）。模型（3）、（4）的結果表明，IT 投資佔總資產比例（ITINV_TA）

與資產報酬波動率（ROAV_Q4）之間的關係呈正向不顯著（β1= 0.0210；P > 0.10）；

IT 投資佔固定資產與無形資產比例（ITINV_FIA）與資產報酬波動率（ROAV_Q4）

之間的關係呈正向不顯著（β1= 0.0152；P >0.10）。綜上所述，模型（1）、（2）、（3）

與（4）結果表明，對半導體業來說，雖然 IT 投資與企業經營風險皆呈正向關係，但

IT 投資並不是影響企業經營風險的主要因素，推測可能的原因是雖然半導體業在 IT

投資上挹注的金額逐年提高，但整體而言其佔整體資產的比重卻是平穩無上升的趨勢，

因此對企業經營風險上沒有明顯的影響，不支持假說（一）。

（插入表 5-1）

表 5-2 為前一年 IT 投資比例對經營風險之影響迴歸分析結果，調整過後的模型

（1）
、（2）之結果表明，前一年 IT 投資佔總資產比例（ITINV_TA）與股東權益報酬

波動率（ROEV_Q4）之間的關係呈正向不顯著（β= 0.1354；P > 0.10）；前一年 IT 投

資佔固定資產與無形資產比例（ITINV_FIA）與股東權益報酬波動率（ROEV_Q4）之

間的關係呈正向不顯著（β= 0.0055；P >0.10）。調整過後的模型（3）、（4）之結果表

明，前一年 IT 投資佔總資產比例（ITINV_TA）與資產報酬波動率（ROAV_Q4）之間

的關係呈正向不顯著（β= 0.0144；P > 0.10）；前一年 IT 投資佔固定資產與無形資產

比例（ITINV_FIA）與股東權益報酬波動率（ROAV_Q4）之間的關係呈正向不顯著（β=

0.0184；P >0.10）
。綜上所述，調整過後模型（1）
、（2）
、（3）與（4）之結果跟主要迴

歸結果相符，表示隨著時間拉長，IT 投資對企業經營風險並無顯著影響，再一次驗證

不支持假說（一）
。

（插入表 5-2）

表 6-1 之迴歸分析結果進一步探討 IT 投資比例是否透過財務彈性對企業經營風

險造成影響，模型（5）
、（6）的結果顯示，IT 投資佔總資產比例(ITINV_TA)與股東權

18
益報酬波動率（ROEV_Q4）呈不顯著正向關係(β1=0.6518；P>0.10)，而 IT 投資佔總

資產比例與財務彈性之交乘項（ITINV_TA*FF）之係數則呈負向顯著（β3= -0.9986；

P < 0.05）；IT 投資佔固定資產與無形資產比例(ITINV_FIA) 與股東權益報酬波動率

（ROEV_Q4）間呈正向顯著關聯(β1=0.0312；P<0.10)，IT 投資佔固定資產與無形資

產比例與財務彈性之交乘項（ITINV_FIA*FF）之係數則呈負向顯著（β3= -0.1115；P

< 0.05）。模型（7）、（8）的結果顯示，IT 投資佔總資產比例(ITINV_TA)與資產報酬

波動率（ROAV_Q4）呈顯著正向關係(β1=0.3286；P<0.10)，IT 投資佔總資產比例與財

務彈性之交乘項（ITINV_TA*FF）之係數呈負向顯著（β3= -0.4744；P < 0.05）

；IT 投

資佔固定資產與無形資產比例(ITINV_FIA) 與資產報酬波動率（ROAV_Q4）間呈正

向顯著關聯(β1=0.0625；P<0.01)，IT 投資佔固定資產與無形資產比例與財務彈性之交

乘項（ITINV_FIA*FF）與資產報酬波動率（ROAV_Q4）之間的關係呈負向顯著（β=

-0.0703；P < 0.05）

。綜上所述，模型（5）
、（6）
、（7）與（8）結果顯示，財務彈性較

差的企業，其 IT 投資顯著增加其企業風險，而財務彈性較佳的企業，其 IT 投資與經

營風險間的關聯與財務彈性較差的企業有顯著差異，即相較於財務彈性較差的企業，

財務靈活度較高的企業，IT 投資有助於降低風險，支持假說（二）。

（插入表 6-1）

表 6-2 之迴歸分析探討前一年 IT 投資比例是否透過財務彈性對企業經營風險造

成影響，調整後模型（5）
、（6）的結果顯示，前一年 IT 投資佔總資產比例(ITINV_TA)

與股東權益報酬波動率（ROEV_Q4）呈正向顯著關係(β1 =1.1949；P<0.05)，前一年 IT

投資佔總資產比例與財務彈性之交乘項（ITINV_TA*FF）之係數則呈負向顯著（β3=

-1.5095；P<0.01）
，且比主要結果更加顯著；前一年 IT 投資佔固定資產與無形資產比

例(ITINV_FIA) 與股東權益報酬波動率（ROEV_Q4）間呈正向顯著關聯(β1 =0.1683；

P<0.10) ， 前 一 年 IT 投 資 佔 固 定 資 產 與 無 形 資 產 比 例 與 財 務 彈 性 之 交 乘 項

（ITINV_FIA*FF）之係數則呈負向顯著（β3= -0.1996；P<0.05）。模型（7）、（8）的

結果顯示，前一年 IT 投資佔總資產比例(ITINV_TA)與資產報酬波動率（ROAV_Q4）

19
呈顯著正向關係(β1=0.4800；P<0.05)，前一年 IT 投資佔總資產比例與財務彈性之交乘

項（ITINV_TA*FF）之係數則呈負向顯著（β3= -0.6632；P<0.01）
，且比主要結果更加

顯著；前一年 IT 投資佔固定資產與無形資產比例(ITINV_FIA) 與資產報酬波動率

（ROAV_Q4）間呈正向顯著關聯(β1 =0.3354；P<0.1)，前一年 IT 投資佔固定資產與無

形資產比例與財務彈性之交乘項（ITINV_FIA*FF）之係數則呈負向顯著（β3= -0.4891；

P < 0.05）
。綜上所述，模型（5）
、（6）
、（7）與（8）結果再次驗證假說（二）
，且前一

年 IT 投資佔總資產比例（ITINV_TA）與財務彈性之交乘作用比起當年度主要結果更

加顯著。

（插入表 6-2）

20
 伍、額外與穩健性測試

一、額外測試

（一）系統性風險

由先前論述得知，受全球 COVID-19 疫情影響，半導體業因其「單點故障，全部

失效」以及「全球化分布」的產業特殊性(Mönch et al., 2018)，整體產業環境暴露於高

度風險下，因此本研究另外以系統性風險（BETA）代替原先企業經營風險的股東權

，以捕捉 IT 投資對系統
益報酬波動率（ROEV_Q4）及資產報酬波動率（ROAV_Q4）

性風險的影響，以及觀察財務彈性是否能降低兩者的關聯性。

表 7 之敘述性統計中，系統風險（BETA）之平均值為 1.091，代表半導體產業公

司平均的波動度相對於整體市場的波動度、標準差 0.428、最大值 2.205、最小值 0.095。

表 8 之迴歸分析結果表明，IT 投資佔總資產比例（ITINV_TA）與系統風險（BETA）

之間的關係呈正向顯著（β= 2.3075；P < 0.05），表示當 IT 投資佔總資產比重越高，

系統風險越高；而 IT 投資佔固定資產與無形資產比例（ITINV_FIA）與系統風險（BETA）

間之關係呈正向不顯著。表 9 顯示，進一步於模型中加入財務彈性（FF）後，IT 投資

比例（ITINV_TA、ITINV_FIA）與財務彈性（FF）交乘項對系統風險（BETA）皆呈

正向不顯著關係。

（插入表 7、表 8 及表 9）

（二）破產風險

從供應鏈的角度出發，由於 COVID-19 疫情的持續傳播，包含半導體業在內的許

多產業因上游供應有限造成材料成本增加，加上市場需求不確定性提高、物流成本新

增等營運成本的增加，導致許多企業的破產風險比以往都高(Cai and Luo, 2020)，因此

本研究參考過去文獻(Zainuddin, Tapa and Rahim, 2018)利用 Altman Z-Score 模型衡量

破產風險（Z_SCORE）替換原先企業經營風險的股東權益報酬波動率（ROEV_Q4）

21
及資產報酬波動率（ROAV_Q4），來捕捉 IT 投資對破產風險的影響，以及觀察財務

彈性是否能增加兩者的關聯性。

表 7 之敘述性統計中，破產風險（Z-SCORE）之平均值為 8.944，代表半導體產

業公司平均的 Z-SCORE 皆介於安全範圍內（Z > 2.99）

，破產風險較小，標準差 10.887、

最大值 62.047、最小值 0.029。表 8 之迴歸分析結果表明，IT 投資佔總資產比例

（ITINV_TA）與破產風險（Z-SCORE）之間的關係為負向不顯著：IT 投資佔固定資

產與無形資產比例（ITINV_FIA）與破產風險（Z-SCORE）之間的關係為正向不顯著。

表 9 顯示，進一步於模型中加入財務彈性（FF）
後，IT 投資比例（ITINV_TA、ITINV_FIA）

與財務彈性（FF）交乘項對破產風險（Z_SCORE）皆呈負向不顯著關係。

（三）新型冠狀病毒肺炎（COVID-19）

本研究欲進一步探討 COVID-19 疫情年度下，IT 投資與企業風險之間的相關性，

因此於模型中額外加入虛擬變數 COVID，2020 年度設為 1，.否則為 0，並用 IT 投資

變數與之交乘。結果如表 10 顯示，IT 投資變數（ITINV_TA、ITINV_FIA）與疫情年

度（COVID）交乘項對股東權益報酬波動率（ROEV_Q4）分別呈正向與負向不顯著

關係。進一步觀察 IT 投資變數（ITINV_TA、ITINV_FIA）與疫情年度（COVID）交

乘項對資產報酬波動率（ROAV_Q4）之影響時，部份證據顯著 IT 投資於 COVID-19

疫情期間，會增加企業經營風險(ITINV_FIA*COVID 的係數=0.0311, P<0.10）。

（插入表 10）

22
二、穩健性測試

（一）不同方式衡量企業經營風險

企業經營風險變數（ROEV_Q4、ROAV_Q4）原本使用當年度四季之標準差來衡

量波動率，本小節參考過去文獻（Dewan and Ren, 2011; Boubakria et al., 2013）亦使用

四年度之標準差來衡量波動率（ROEV_Y4、ROAV_Y4）。

表 11 迴歸分析結果表明 IT 投資佔總資產比例（ITINV_TA）與股東權益報酬波

、資產報酬波動率（ROAV_Y4）之間的關係皆呈負向不顯著（β1=
動率（ROEV_Y4）

-0.3197；P>0.10、β1= -0.1288；P>0.10）
，與假說（一）之主要結果方向不同；IT 投資

佔總資產比例（ITINV_FIA）與股東權益報酬波動率（ROEV_Y4）
、資產報酬波動率

（ROAV_Y4）之間的關係皆呈正向不顯著（β1= 0.0237；P>0.10、β1= 0.0208；P>0.10）

，

與假說（一）之主要結果方向相同。

（插入表 11）

表 12 之迴歸分析探討 IT 投資比例是否透過財務彈性對企業經營風險造成影響，

調整後模型（5）
、（6）結果顯示，IT 投資佔總資產比例(ITINV_TA)與股東權益報酬波

動率（ROEV_Y4）呈不顯著正向關係(β1=0.1975；P>0.10)，IT 投資佔總資產比例與財

務彈性交乘項（ITINV_TA*FF）之係數呈負向不顯著（β3 = -0.7952；P > 0.10）

；IT 投

資佔固定資產與無形資產比例(ITINV_FIA) 與股東權益報酬波動率（ROEV_Y4）間

呈不顯著負向關係(β1 =-0.0154；P>0.10)，IT 投資佔總資產比例與財務彈性交乘項

（ITINV_TA*FIA）之係數呈正向不顯著（β3 = 0.562；P > 0.10）

，模型（5）與假說（二）

之主要結果方向相同。模型（7）
、（8）的結果顯示，IT 投資佔總資產比例(ITINV_TA)

與資產報酬波動率（ROAV_Y4）呈不顯著正向關係(β1=0.1517；P<0.10)，IT 投資佔總

資產比例與財務彈性交乘項（ITINV_TA*FF）之係數呈負向不顯著（β3 = -0.4337；P

> 0.10 ）； IT 投 資 佔 固 定 資 產 與 無 形 資 產 比 例 (ITINV_FIA) 與 資 產 報 酬 波 動 率

（ROAV_Y4）間呈不顯著正向關係(β1 =0.0254；P>0.10)，IT 投資佔總資產比例與財

務彈性交乘項（ITINV_TA*FIA）之係數呈負向不顯著（β3 = -0.0085；P>0.10）。
由以上結果得知，當自變數為 IT 投資佔總資產比例（ITINV_TA），結果與假說
23
（二）一致，可進一步提供檢驗，惟上述所有變數結果皆不顯著。
（插入表 12）

陸、結論與限制
近年來，隨著 COVID-19 對全球環境市場造成的影響越來越高，企業對 IT 投資

的重視及依賴也隨之提升，雖然半導體產業對 IT 投資的金額逐年提升，但企業 IT 投

資與風險的關聯性仍是一個有爭議的話題。本文透過觀察 2013 年到 2020 年台灣半導

體產業相關公司，研究台灣半導體業 IT 投資的比例與企業經營風險之間的關聯性，

並探討了財務彈性在其中的調節作用。研究結果顯示，對半導體業來說，雖然 IT 投

資與企業經營風險有正相關性，但 IT 投資並不是影響企業經營風險的主要因素，推

測可能的原因是對半導體業來說，IT 投資相對其整體資產金額佔比不高，並不是影響

其企業經營風險的主要因素。然而，本研究進一步發現，當企業擁有較佳的財務彈性，

可以有效降低 IT 投資比例對企業經營風險的影響，換句話說，企業資產可以透過擁

有較良好的企業內部能力（如財務彈性）放大既有資產的效益來抑制外部不確定性的

影響。

本研究的主要局限性是在企業 IT 投資衡量上，本研究參考過去文獻，以企業年

報中不動產、廠房及設備下之電腦設備以及無形資產下之電腦軟體作為衡量企業 IT

投資之代理變數，然而，許多企業的年報中對於這兩項指標皆有缺漏的情況，造成樣

本數量上有一定的限制，也容易因手動蒐集而造成錯誤率提高的情況。另外，企業 IT

投資和公司風險之間的關係沒有一直被廣泛討論，而本研究只考慮了一個重要的組織

能力，即財務彈性的調節作用，未來的研究可以以本研究為基礎探討其他可能因素，

例如組織文化、組織溝通能力等等，這些調節因素都有可能對企業風險帶來不同的影

響效果。

24
 附錄
附錄一 變數定義說明
變數 符號 定義
股東報酬波動率 （季） ROEV_Q4 ROE 當年四季度標準差
資產報酬波動率（季） ROA_Q4 ROA 當年四季度標準差
財務彈性 FF 虛擬變數，若財務彈性大於當年度中位數為
1；否則為 0；財務彈性=現金彈性+負債彈性，
現金彈性 = 現金及約當現金/資產總額;
負債彈性 = 1-負債比率
IT 投資占總資產比例 ITINV_TA IT 投資金額/資產總額
IT 投資占固定資產與無 ITINV_FIA IT 投資金額/(固定資產+無形資產)
形資產比例
營收成長率 REVG (本期營收淨額-前期營收淨額)/前期營收淨額
研發密度 RDT 研發費用/營業收入淨額
股東權益成長率 OEG (本期股東權益總額-前期股東權益總額)/ 前期
股東權益總額
公司規模 SIZE 資產總額之自然對數
負債比率 LEV 總負債/資產總額
資本支出率 CAPEX 投資活動現金流/資產總額
資產報酬率 ROA 稅後淨利/資產總額
股東權益報酬率虧損 ROE_LOSS 當年度 ROE 損失為 1; 非損失為 0
資產報酬率虧損 ROA_LOSS 當年度 ROA 損失為 1; 非損失為 0
破產風險 Z_SCORE X1=營運資金／資產總額
X2=保留盈餘／資產總額
X3=稅前息前淨利／資產總額
X4=普通股市值／負債總額
X5=營業淨額／資產總額
Z= 1.2 X1＋1.4 X2＋3.3 X3＋0.6 X4＋0.99X5
系統風險 BETA 依 TEJ 計算之，計算日前 52 週(一年)之交易週
資料為估計樣本
股東報酬波動率（年） ROEV_Y4 ROE 四年度之標準差
資產報酬波動率（年） ROA_Y4 ROA 四年度之標準差

25
 參考文獻
Agca, S., Birge, J. R., Wang, Z. A., & Wu, J. (2020). The impact of COVID-19 on supply
chain credit risk, Working Papers.
Ahmad, T. (2020). Corona virus (covid-19) pandemic and work from home: Challenges of
cybercrimes and cybersecurity, Working Papers.
Al-Slehat, Z. A. F. (2019). The impact of the financial flexibility on the performance: an
empirical study on a sample of Jordanian services sector firms in period (2010-2017).
International Journal of Business and Management, 14(16), 1-11.
Arslan-Ayaydin, Ö., Florackis, C., & Ozkan, A. (2014). Financial flexibility, corporate
investment and performance: evidence from financial crises. Review of Quantitative
Finance and Accounting, 42(2), 211-250.
Bancel, F., & Mittoo, U. R. (2011). Financial flexibility and the impact of the global
financial crisis: Evidence from France. International Journal of Managerial Finance,
7(2), 179-216.
Banker, R. D., Hu, N., Pavlou, P. A., & Luftman, J. (2011). CIO Reporting Structure,
Strategic Positioning, and Firm Performance. MIS Quarterly, 35(2), 487–504.
Barney, J. (1991). Firm Resources and Sustained Competitive Advantage. Journal of
Management, 17(1), 99–120.
Bharadwaj, A. S. (2000). A Resource-Based Perspective on Information Technology
Capability and Firm Performance: An Empirical Investigation. MIS Quarterly, 24(1),
169–196.
Bloch, M., Blumberg, S., & Laartz, J. (2012). Delivering large-scale IT projects on time,
on budget, and on value. Harvard Business Review, 5(1), 2-7.
Boubakri, N., Cosset, J. C., & Saffar, W. (2013). The role of state and foreign owners in
corporate risk-taking: Evidence from privatization. Journal of Financial Economics,
108(3), 641-658.
Byoun, S. (2011). Financial flexibility and capital structure decision, Working Papers.
Cai, M., & Luo, J. (2020). Influence of COVID-19 on manufacturing industry and
corresponding countermeasures from supply chain perspective. Journal of Shanghai
Jiaotong University (Science), 25(4), 409-416.
Cerullo, V., & Cerullo, M. J. (2004). Business continuity planning: A comprehensive
approach. Information systems management, 21(3), 70-78.
Chang, B. G., & Wu, K. S. (2021). The nonlinear relationship between financial flexibility
and enterprise risk-taking during the COVID-19 pandemic in Taiwan’s semiconductor
industry. Oeconomia Copernicana, 12(2), 307-333.
Chen, Y. Q., Zhou, B., Zhang, M., & Chen, C. M. (2020). Using IoT technology for

26
 computer-integrated manufacturing systems in the semiconductor industry. Applied
Soft Computing, 89, 106065.
Dehning, B., Richardson, V. J., & Stratopoulos, T. (2005). Information technology
investments and firm value. Information & Management, 42(7), 989-1008.
Denis, D. J., & McKeon, S. B. (2012). Debt financing and financial flexibility evidence
from proactive leverage increases. The Review of Financial Studies, 25(6), 1897-
1929.
Dewan, S., & Ren, F. (2011). Information technology and firm boundaries: Impact on firm
risk and return performance. Information Systems Research, 22(2), 369-388.
Feyissa, T. T., & Sharma, R. R. K. Relating E-integrated, Triple-A Supply Chain to
Environmental Uncertainty, Market Competition and Firm Performance.
Flynn, B. B., Huo, B., & Zhao, X. (2010). The impact of supply chain integration on
performance: A contingency and configuration approach. Journal of operations
management, 28(1), 58-71.
Gu, M., Yang, L., Huo, B. (2021). The impact of information technology usage on supply
chain resilience and performance: An ambidexterous view. International Journal of
Production Economics, 232, 107956.
Guo, Z., Hou, S., & Li, Q. (2020). Corporate social responsibility and firm value: the
moderating effects of financial flexibility and R&D investment. Sustainability,
12(20), 8452.
Han, S., Rezaee, Z., Xue, L., & Zhang, J. H. (2016). The association between information
technology investments and audit risk. Journal of Information Systems, 30(1), 93-116.
Hunter, S., Kobelsky, K., & Richardson, V. J. (2004). Information technology and the
volatility of firm performance, SSRN Electronic Journal.
Karhade, P., & Dong, J. Q. (2021). Innovation outcomes of digitally enabled collaborative
problemistic search capability. MIS Quarterly, 45(2), 693-718.
Kim, K., Mithas, S., & Kimbrough, M. (2017). Information Technology Investments and
Firm Risk Across Industries: Evidence from the Bond Market. MIS Quarterly, 41(4),
1347-1367.
Lesi, H. (2020). The Influence of Information Technology Covid-19 Plague Against
Financial Statements and Business Practices. Ilomata International Journal of Tax
and Accounting, 1(3), 122-131.
Lu, Y., & Ramamurthy, K., (2011). Understanding the link between information
technology capability and organizational agility: An empirical examination. MIS
quarterly, 35(1), 931-954.
Luo, W., Wang, Y., & Zhang, X. (2022). Monetary policy uncertainty and firm risk-taking.
Pacific-Basin Finance Journal, 71(C), 101695.

27
Lutz, M., Boucher, X., & Roustant, O. (2012). Information Technologies capacity planning
in manufacturing systems: Proposition for a modelling process and application in the
semiconductor industry. Computers in industry, 63(7), 659-668.
Marchica, M. T., & Mura, R. (2010). Financial flexibility, investment ability, and firm
value: evidence from firms with spare debt capacity. Financial management, 39(4),
1339-1365.
McCloskey, B., & Heymann, D. L. (2020). SARS to novel coronavirus–old lessons and
new lessons. Epidemiology and infection, 148(22).
Meier, I., Bozec, Y., & Laurin, C. (2013). Financial flexibility and the performance during
the recent financial crisis. International Journal of Commerce and Management,
23(2), 79-96.
Mönch, L., Uzsoy, R., & Fowler, J. W. (2018). A survey of semiconductor supply chain
models part III: master planning, production planning, and demand fulfilment.
International Journal of Production Research, 56(13), 4565-4584.
Park, J.H., Kook, S.H., Im, H., Eum, S., Lee, C. (2018) Fabless Semiconductor Firms’
Financial Performance Determinant Factors: Product Platform Efficiency and
Technological Capability. Sustainability, 10(10), 3373.
Rashidul Islam, M., Wang, M., Zulfiqar, M., Ghafoor, S., & Joseph Bikanyi, K. (2020).
Does earnings quality instigate financial flexibility? New evidence from emerging
economy. Economic research-Ekonomska istraživanja, 33(1), 1647-1666.
Ratna, R., & Kaur, T. (2016). The impact of information technology on job related factors
like health and safety, job satisfaction, performance, productivity and work life
balance. Journal of Business & Financial Affairs, 5(1), 2-9.
Ryu, K., Park, J., & Park, J. (2020). The influence of IT investment and IT governance on
corporate performance of multibusiness firms. The Journal of Supercomputing,
76(10), 7820-7846.
Sarkis, J. (2020). Supply chain sustainability: learning from the COVID-19 pandemic.
International Journal of Operations & Production Management, 41(1), 63-73.
Sharma, R., Mithas, S., & Kankanhalli, A. (2014). Transforming decision-making
processes: a research agenda for understanding the impact of business analytics on
organisations. European Journal of Information Systems, 23(4), 433-441.
Shin, N., Kraemer, K. L., & Dedrick, J. (2017). R&D and firm performance in the
semiconductor industry. Industry and Innovation, 24(3), 280-297.
Siagian, H., & Tarigan, Z. (2021). The central role of it capability to improve firm
performance through lean production and supply chain practices in the COVID-19
era. Uncertain Supply Chain Management, 9(4), 1005-1016.

28
Tarigan, Z. J. H., Sebayang, F., & Basana, S. R. (2021). The effect of ERP on firm
performance through information quality and supply chain integration in Covid-19 era
(Doctoral dissertation, Petra Christian University).
Teng, X., Chang, B. G., & Wu, K. S. (2021). The role of financial flexibility on enterprise
sustainable development during the COVID-19 crisis—a consideration of tangible
assets. Sustainability, 13(3), 1245.
Tian, F., & Xu, S. X. (2015). How do enterprise resource planning systems affect firm risk?
Post-implementation impact. MIS Quarterly, 39(1), 39-60.
Wu, T. H., Huang, W. S., & Kang, C. C. (2019). The Relationship between IT Audit
Quality, IT Internal Control and IT Governance Effectiveness. Journal of
Management and Systems. 26(2), 179-207
Yung, K., Li, D. D., & Jian, Y. (2015). The value of corporate financial flexibility in
emerging countries. Journal of Multinational Financial Management, 32(33), 25-41.
Zainuddin, Zaemah & Tapa, Afiruddin & Rahim, Adilah. (2018). Examine the financial
health of the listed technology companies in Malaysia using Altman’s Z-score test. In
AIP Conference Proceedings 2016, 1, 1-8.
Wu, F., Yeniyurt, S., Kim, D., & Cavusgil, S. T. (2006). The impact of information
technology on supply chain capabilities and firm performance: A resource-based view.
Industrial Marketing Management, 35(4), 493-504.

29
 表 1 敘述性統計
變數 樣本數 平均值 標準差 最小值 Q1 中位數 Q3 最大值

ROEV_Q4 732 0.053 0.045 0.005 0.027 0.045 0.065 0.321

ROAV_Q4 732 0.035 0.023 0.004 0.018 0.029 0.047 0.118
ITINV_TA 732 0.006 0.012 0.000 0.001 0.002 0.006 0.075
ITINV_FIA 732 0.053 0.086 0.000 0.004 0.011 0.044 0.488
FF 732 0.508 0.500 0.000 0.000 1.000 1.000 1.000
REVG 732 0.087 0.282 -0.458 -0.055 0.045 0.171 1.764
RDT 732 0.140 0.126 0.001 0.035 0.115 0.203 0.628
OEG 732 0.090 0.258 -0.488 -0.025 0.041 0.131 1.421
SIZE 732 15.392 1.621 12.472 14.173 15.266 16.279 20.957
CAPEX 732 -0.062 0.089 -0.314 -0.107 -0.049 -0.013 0.200
LEV 732 0.302 0.166 0.025 0.176 0.264 0.416 0.802
ROA 732 0.066 0.094 -0.250 0.023 0.072 0.123 0.289
ROA_LOSS 732 0.176 0.381 0.000 0.000 0.000 0.000 1.000
ROE_LOSS 732 0.183 0.387 0.000 0.000 0.000 0.000 1.000

表 2 實際 IT 投資金額年度增減變化
年度 樣本數 平均值 標準差 最小值 最大值

2013 96 75,977,239 377,357,002 32,000 3,647,670,000

2014 100 84,989,050 394,857,411 68,000 3,835,952,000
2015 104 76,006,009 321,902,272 3,000 3,042,762,000
2016 107 89,076,673 413,787,033 73,000 4,099,167,000
2017 118 91,948,941 459,310,781 162,000 4,809,525,000
2018 121 110,000,950 613,212,453 23,000 6,570,985,000
2019 123 126,011,276 649,163,653 22,000 6,521,943,000
2020 124 131,070,065 633,980,734 10,000 6,127,208,000

30
 表3 IT 投資比例年度增減變化表

Panel A：IT 投資佔總資產比例 Panel B：IT 投資佔固定資產與無形資產比例

年度 樣本數
平均值 標準差 最小值 最大值 平均值 標準差 最小值 最大值

2013 96 0.010 0.019 0.00003 0.127 0.079 0.143 0.00007 0.933

2014 98 0.008 0.016 0.00001 0.104 0.073 0.137 0.00008 0.944

2015 103 0.006 0.012 0.00001 0.079 0.059 0.115 0.00001 0.672

2016 106 0.005 0.011 0.00004 0.085 0.052 0.101 0.00047 0.504

2017 117 0.005 0.010 0.00004 0.062 0.050 0.090 0.00012 0.449

2018 121 0.006 0.016 0.00001 0.133 0.054 0.096 0.00001 0.545

2019 123 0.006 0.011 0.00001 0.078 0.057 0.103 0.00002 0.660

2020 124 0.005 0.010 0.00003 0.087 0.061 0.123 0.00017 0.814

31
 表 4 Pearson 相關係數分析表

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14)

(1)ROEV_Q4 1.000

(2)ROAV_Q4 0.819*** 1.000

(3)ITINV_TA 0.050 0.036 1.000

(4)ITINV_FIA 0.051 0.073** 0.736*** 1.000

(5)FF -0.110*** 0.122*** 0.059 0.123*** 1.000

(6)REVG 0.104*** 0.181*** -0.099* -0.076** -0.100*** 1.000

(7)RDT 0.046 0.078** 0.452*** 0.307*** 0.285*** -0.147*** 1.000

(8)OEG 0.039 0.149*** -0.145*** -0.004 0.060 0.363*** -0.157*** 1.000

(9)SIZE -0.035 -0.045 -0.211*** -0.243*** -0.148*** 0.084** -0.245*** 0.078** 1.000

(10)CAPEX 0.004 -0.068* 0.024 0.108*** 0.104*** -0.137*** 0.211*** -0.131*** -0.228*** 1.000

(11)LEV 0.276*** -0.103*** -0.090** -0.122*** -0.642*** 0.128*** -0.338*** -0.095*** 0.263*** -0.03571 1.000

(12)ROA 0.058 0.382*** -0.184*** -0.096*** 0.215*** 0.295*** -0.293*** 0.459*** 0.271*** -0.214*** -0.217*** 1.000

(13)ROA_LOSS 0.118*** -0.054 0.162*** 0.093** -0.118*** -0.215*** 0.355*** -0.302*** -0.288*** 0.204*** 0.086** -0.744*** 1.000

(14)ROE_LOSS 0.101*** -0.074** 0.153*** 0.084** -0.134*** -0.216*** 0.340*** -0.303*** -0.269*** 0.204*** 0.110*** -0.744*** 0.977*** 1.000

32
 表 5-1 IT 投資比例與企業經營風險之關聯
ROEV_Q4 ROAV_Q4
變數名稱 預期方向
(1) (2) (3) (4)
Intercept 0.0621*** 0.0589*** 0.0416*** 0.0437***
(3.30) (3.28) (5.29) (5.16)
ITINV_TA +/- 0.0086 0.0210
(0.05) (0.24)
ITINV_FIA +/- 0.0193 0.0152
(0.98) (1.49)
REVG 0.0031 0.0035 0.0069 0.0072**
(0.40) (0.44) (2.08) (2.12)
RDT 0.0914*** 0.0886*** 0.0429*** 0.0413***
(2.73) (2.75) (2.77) (2.79)
OEG -0.0033 -0.0038 -0.0080** -0.0085**
(-0.29) (-0.33) (-2.12) (-2.18)
SIZE -0.0048*** -0.0046*** -0.0023*** -0.0022***
(-3.80) (-3.81) (-4.03) (-3.91)
CAPEX 0.0040 0.0039 -0.0055 -0.0059
(0.21) (0.20) (-0.62) (-0.65)
LEV 0.1246*** 0.1241*** 0.0159** 0.0156**
(6.12) (6.12) (2.06) (2.04)
ROA 0.2628*** 0.2635*** 0.2161*** 0.2166***
(7.63) (7.68) (11.12) (11.16)
ROE_LOSS 0.0411*** 0.0415***
(5.89) (6.00)
ROA_LOSS 0.0277*** 0.0280***
(8.00) (8.15)
年度固定效果 Yes Yes Yes Yes
產業固定效果 Yes Yes Yes Yes
調整後 R 平方 0.2169 0.2181 0.3156 0.3184
樣本數 732 732 732 732

33
 表 5-2 前一年 IT 投資比例對經營風險之影響迴歸分析結果
ROEV_Q4 ROAV_Q4
變數名稱 預期方向
(1) (2) (3) (4)
Intercept 0.0988*** 0.1015*** 0.0664*** 0.0486***
(3.69) (3.69) (4.90) (5.51)
ITINV_TA +/- 0.1354 0.0144
(0.82) (0.18)
ITINV_FIA +/- 0.0055 0.0184
(0.33) (0.21)
REVG 0.0166** 0.0165** 0.0088** 0.0071**
(2.14) (2.13) (2.23) (2.13)
RDT 0.0660*** 0.0696*** 0.0374*** 0.0446***
(2.81) (2.80) (2.81) (2.89)
OEG -0.0146* -0.0154* -0.0064 -0.0079**
(-1.88) (-1.93) (-1.47) (-2.07)
SIZE -0.0047*** -0.0048*** -0.0024*** -0.0024***
(-3.79) (-3.78) (-3.97) (-4.21)
CAPEX -0.0416** -0.0433** -0.0192* -0.0062
(-2.25) (-2.23) (-1.96) (-0.70)
LEV 0.1083*** 0.1094*** 0.0165** 0.0146*
(5.87) (5.90) (2.12) (1.88)
ROA 0.1504*** 0.1508*** 0.1487*** 0.2077***
(4.31) (4.33) (8.11) (10.40)
ROE_LOSS 0.0219*** 0.0217***
(2.74) (2.66)
ROA_LOSS 0.0188*** 0.0246***
(4.66) (4.10)
年度固定效果 Yes Yes Yes Yes
產業固定效果 Yes Yes Yes Yes
調整後 R 平方 0.1661 0.1649 0.1964 0.1954
樣本數 752 752 752 752

34
 表 6-1 財務彈性、IT 投資比例與企業經營風險之關聯
ROEV_Q4 ROAV_Q4
變數名稱 預期方向
(5) (6) (7) (8)
Intercept 0.0546*** 0.0536*** 0.0413*** 0.0394***
(3.25) (3.23) (5.34) (5.08)
ITINV_TA 0.6518 0.3286*
(1.53) (1.69)
ITINV_FIA 0.0312* 0.0625***
(1.94) (2.77)
FF 0.0153*** 0.0135** 0.0056*** 0.0056***
(3.17) (3.06) (2.73) (2.86)
ITINV_TA*FF +/- -0.9986** -0.4744**
(-2.33) (-2.44)
ITINV_FIA*FF +/- -0.1115** -0.0703**
(-2.11) (-2.89)
REVG 0.0049 0.0043 0.0075** 0.0073**
(0.62) (0.51) (2.28) (2.05)
RDT 0.0805*** 0.0874*** 0.0364** 0.0390***
(2.63) (2.83) (2.52) (2.76)
OEG -0.0023 -0.0029 -0.0078*** -0.0083**
(-0.20) (-0.25) (-2.11) (-2.08)
SIZE -0.0049*** -0.0048*** -0.0022*** -0.0021***
(-3.91) (-3.93) (-4.01) (-3.87)
CAPEX 0.0036 -0.0015 -0.0048 -0.0078
(0.20) (-0.08) (-0.55) (-0.87)
LEV 0.1384*** 0.1377*** 0.0205** 0.0204**
(5.80) (5.79) (2.26) (2.26)
ROA 0.2355*** 0.2350*** 0.2132*** 0.2125***
(6.39) (6.39) (10.81) (10.83)
ROE_LOSS 0.0331*** 0.0334***
(4.72) (4.77)
ROA_LOSS 0.0272*** 0.0272***
(7.95) (8.03)
年度固定效果 Yes Yes Yes Yes
產業固定效果 Yes Yes Yes Yes
調整後 R 平方 0.2209 0.2153 0.3292 0.3330
樣本數 732 732 732 732

35
 表 6-2 財務彈性、前一年 IT 投資與企業經營風險之關聯迴歸分析結果
ROEV_Q4 ROAV_Q4
變數名稱 預期方向
(5) (6) (7) (8)
Intercept 0.0811*** 0.0838*** 0.0588*** 0.0438***
(3.28) (3.13) (4.62) (5.55)
ITINV_TA 1.1949** 0.4800**
(2.30) (2.06)
ITINV_FIA 0.1683* 0.3354*
(2.31) (1.74)
FF 0.0170*** 0.0150** 0.0073*** 0.0057***
(3.66) (3.52) (3.07) (2.72)
ITINV_TA*FF - -1.5095*** -0.6632***
(-2.86) (-2.81)
ITINV_FIA*FF - -0.1996** -0.4891**
(-2.72) (-2.53)
REVG 0.0175** 0.0170** 0.0092** 0.0077**
(2.22) (2.15) (2.31) (2.33)
RDT 0.0477** 0.0598*** 0.0295** 0.0379***
(2.40) (2.70) (2.39) (2.63)
OEG -0.0140* -0.0132* -0.0062 -0.0077**
(-1.88) (-1.71) (-1.44) (-2.07)
SIZE -0.0043*** -0.0044*** -0.0022*** -0.0023***
(-3.62) (-3.93) (-3.84) (-4.17)
CAPEX -0.0386** -0.0440** -0.0179* -0.0053
(-2.22) (-2.42) (-1.88) (-0.62)
LEV 0.1201*** 0.1207*** 0.0215*** 0.0192**
(6.02) (5.93) (2.62) (2.09)
ROA 0.1476*** 0.1440*** 0.1473*** 0.2051***
(4.53) (4.21) (8.39) (10.12)
ROE_LOSS 0.0211*** 0.0334***
(2.74) (2.71)
ROA_LOSS 0.0183*** 0.0241***
(4.67) (7.08)
年度固定效果 Yes Yes Yes Yes
產業固定效果 Yes Yes Yes Yes
調整後 R 平方 0.2072 0.1917 0.2224 0.2144
樣本數 752 72 752 752

36
 表 7 額外測試變數之敘述性統計
變數 樣本數 平均值 標準差 最小值 Q1 中位數 Q3 最大值

BETA 732 1.091 0.428 0.095 0.810 1.081 1.368 2.205

Z_SCORE 732 8.944 10.887 0.029 3.068 5.111 9.693 62.047
COVID 732 0.154 0.361 0.000 0.000 0.000 0.000 1.000

表8 IT 投資比例與 BETA 風險及破產風險之關聯

BETA Z_SCORE
變數名稱 預期方向
(1) (2) (3) (4)
Intercept -0.3486** -0.3064** 21.1610*** 19.5357***
(-2.28) (-1.99) (5.46) (5.45)
ITINV_TA +/- 2.3075** -18.2020
(2.12) (-0.36)
ITINV_FIA +/- 0.0522 7.2067
(0.29) (1.02)
REVG 0.0823 0.0791 1.4633 1.6484
(1.27) (1.21) (0.99) (1.15)
RDT 0.3512** 0.4567*** 31.9265*** 29.8610***
(2.13) (2.91) (5.74) (5.65)
OEG 0.0408 0.0342 3.3050 3.1803
(0.50) (0.42) (1.33) (1.31)
SIZE 0.0800*** 0.0776*** -1.1440*** -1.0512***
(8.16) (7.95) (-4.17) (-4.99)
CAPEX -0.4129** -0.4439** 2.5783 2.8199
(-2.12) (-2.31) (0.50) (0.54)
LEV -0.1285 -0.1083 -12.1758*** -12.5188***
(-1.22) (-1.03) (-4.38) (-4.35)
ROA 0.8829*** 0.8245*** 55.8198*** 56.1582***
(3.41) (3.12) (5.72) (5.74)
ROA_LOSS 0.0466 0.0228*** 4.9049*** 5.0963***
(0.80) (0.39) (3.46) (3.58)
年度固定效果 Yes Yes Yes Yes
產業固定效果 Yes Yes Yes Yes
調整後 R 平方 0.1794 0.1759 0.3309 0.3334
樣本數 732 732 732 732

37
 表 9 財務彈性、IT 投資比例對 BETA 及破產風險之影響
BETA Z_SCORE
變數名稱 預期方向
(5) (6) (7) (8)
Intercept -0.3402** -0.3139** 19.1890*** 17.5498***
(-2.19) (-2.02) (4.88) (4.77)
ITINV_TA 0.5907 34.5135
(0.34) (0.37)
ITINV_FIA -0.0682 17.4284
(-0.19) (1.47)
FF 0.0022 0.0102 2.4319 2.6055***
(0.05) (0.25) (2.92) (3.37)
ITINV_TA*FF +/- 2.6569 -78.6159
(1.38) (-0.81)
ITINV_FIA*FF +/- 0.1750 -15.4765
(0.44) (-1.14)
REVG 0.08126 0.0807 1.6917 1.7844
(1.24) (1.23) (1.15) (1.23)
RDT 0.3858** 0.4564*** 30.3817*** 29.0367***
(2.32) (2.89) (5.11) (5.45)
OEG 0.0422 0.0349 3.4130 3.2788
(0.52) (0.43) (1.38) (1.33)
SIZE 0.0792*** 0.0772*** -1.1408*** -1.0501***
(8.02) (7.88) (-5.04) (-4.87)
CAPEX -0.4275** -0.4486** 2.1506 1.8656
(-2.18) (-2.32) (0.41) (0.35)
LEV -0.0948 -0.0789 -8.8884*** -9.1552***
(-0.78) (-0.64) (-3.05) (-3.05)
ROA 0.8276*** 0.8215*** 54.5478*** 54.5073***
(3.12) (3.10) (5.59) (5.57)
ROA_LOSS 0.0338 0.0262 4.9075 4.9987***
(0.57) (0.44) (3.44) (3.46)
年度固定效果 Yes Yes Yes Yes
產業固定效果 Yes Yes Yes Yes
調整後 R 平方 0.1783 0.1741 0.3349 0.3389
樣本數 732 732 732 732

38
 表 10 IT 投資比例在 COVID-19 疫情年度對企業經營風險之影響迴歸分析結果
ROEV_Q4 ROAV_Q4
變數名稱 預期方向
(1) (2) (3) (4)
Intercept 0.0588*** 0.05742*** 0.0442*** 0.0434***
(3.38) (3.47) (5.17) (5.27)
ITINV_TA 0.0973 0.0471
(0.58) (0.48)
ITINV_FIA 0.0109 0.0049
(0.63) (0.48)
COVID 0.0066 0.0024 0.0022 -0.0005
(1.61) (0.60) (1.14) (-0.28)
ITINV_TA*COVID +/- -0.4092 -0.1608
(-1.38) (-0.94)
ITINV_FIA*COVID +/- 0.0311 0.0311*
(1.02) (1.70)
REVG 0.0049 0.0047 0.0065* 0.0064*
(0.69) (0.65) (1.83) (1.79)
RDT 0.0833** 0.0837*** 0.0438*** 0.0441**
(2.94) (2.98) (2.75) (2.83)
OEG 0.0023 0.0017 -0.0020 -0.0025
(0.21) (0.15) (-0.36) (-0.43)
SIZE -0.0049*** -0.0047*** -0.0024*** -0.0024***
(-4.09) (-4.13) (-4.28) (-4.26)
CAPEX -0.0229 -0.0239 -0.0234** -0.0242**
(-1.14) (-1.17) (-2.05) (-2.12)
LEV 0.1196*** 0.1196*** 0.0176** 0.0175**
(6.34) (6.35) (2.24) (2.25)
ROA 0.2452*** 0.2447*** 0.2014*** 0.2008***
(6.42) (6.39) (8.57) (8.52)
ROA_LOSS 0.0396*** 0.0396*** 0.0275 0.0275***
(5.63) (5.65) (7.16) (7.19)
年度固定效果 No No No No
產業固定效果 Yes Yes Yes Yes
調整後 R 平方 0.2299 0.2302 0.3103 0.3133
樣本數 781 781 779 779

39
 表 11 IT 投資比例對經營風險之影響迴歸分析結果
ROEV_Y4 ROAV_Y4
變數名稱 預期方向
(1) (2) (3) (4)
Intercept 0.2875*** 0.2769*** 0.1678*** 0.1612***
(7.81) (8.35) (9.17) (9.56)
ITINV_TA +/- -0.3197 -0.1288
(-1.08) (-0.86)
ITINV_FIA +/- 0.0237 0.0208
(0.48) (0.89)
REVG 0.0204 0.0219 0.0250** 0.0259**
(1.05) (1.13) (2.46) (2.56)
RDT 0.0971** 0.0815* 0.0604** 0.0529**
(2.04) (1.66) (2.55) (2.22)
OEG 0.0678*** 0.0681*** 0.0273** 0.0271**
(2.71) (2.76) (2.33) (2.34)
SIZE -0.0185*** -0.0178*** -0.0092*** -0.0088***
(-8.02) (-8.14) (-8.41) (-8.40)
CAPEX 0.0554 0.0589 0.00907 0.0102
(1.17) (1.23) (0.41) (0.47)
LEV 0.2183*** 0.2138*** 0.0561*** 0.0538***
(7.31) (6.98) (4.60) (4.29)
ROA 0.0273 0.0290 0.02490 0.0260
(0.44) (0.48) (0.80) (0.85)
ROE_LOSS 0.0413*** 0.0430***
(2.90) (3.00)
ROA_LOSS 0.0241*** 0.0251***
(3.58) (3.71)
年度固定效果 Yes Yes Yes Yes
產業固定效果 Yes Yes Yes Yes
調整後 R 平方 0.2574 0.2566 0.2183 0.2191
樣本數 836 836 836 836

40
 表 12 IT 投資比例透過財務彈性對企業經營風險之影響迴歸分析結果
ROEV_Y4 ROAV_Y4
變數名稱 預期方向
(5) (6) (7) (8)
Intercept 0.2696*** 0.2687*** 0.1605*** 0.1570***
(7.68) (8.03) (9.01) (9.22)
ITINV_TA 0.1975 0.1517
(0.27) (0.43)
ITINV_FIA -0.0154 0.0254
(-0.21) (0.71)
FF 0.0206** 0.0109 0.0083* 0.0053
(2.37) (1.41) (1.95) (1.42)
ITINV_TA*FF - -0.7952 -0.4337
(-1.04) (-1.18)
ITINV_FIA*FF - 0.0562 -0.0085
(0.62) (-0.20)
REVG 0.0223 0.0228 0.0258** 0.0264***
(1.16) (1.19) (2.55) (2.60)
RDT 0.0850* 0.0788 0.0546** 0.0517**
(1.89) (1.62) (2.40) (2.19)
OEG 0.0685*** 0.0682*** 0.0276** 0.0273**
(2.77) (2.81) (2.37) (2.37)
SIZE -0.0184*** -0.0181*** -0.0091*** -0.0088***
(-8.01) (-8.16) (-8.37) (-8.38)
CAPEX 0.0519 0.0547 0.0083 0.0080
(1.10) (1.13) (0.38) (0.36)
LEV 0.2456*** 0.2379*** 0.0659*** 0.0624***
(7.28) (6.84) (4.81) (4.40)
ROA 0.0183 0.0232 0.0213 0.0231
(0.29) (0.38) (0.68) (0.74)
ROE_LOSS 0.0412*** 0.0439***
(2.87) (3.04)
ROA_LOSS 0.0239*** 0.0252***
(3.53) (3.71)
年度固定效果 Yes Yes Yes Yes
產業固定效果 Yes Yes Yes Yes
調整後 R 平方 0.2614 0.2589 0.2209 0.2188
樣本數 836 836 836 836

41