Page 27 - 柯博智

成衝擊，故以年為單位做為代理變數 (dummy variable) 來測量每個

年份對應變數的影響。我們將原本的 OLS 迴歸模型修改如下，

mVaR t 1      BESG    SIZE    MB t +  TURNOVER t
3
0
2
t
t
4
1
   DTURNOVER    SIGMA    RET t ，
5
6
t
7
t
t
t 
  LEVERAGE    DUMMY  ,
8 j j,t t
j 2015
mCVaR t 1      BESG    SIZE    MB t +  TURNOVER t
t
4
1
0
3
t
2
   DTURNOVER    SIGMA    R ET t ，
7
t
5
6
t
t
t 
  LEVERAGE    DUMMY  ,
8 j j,t t
j 2015
mVaR t 1      ENV    SOC    GOV    MB    SIZE t
2
1
0
t
t
t
4
t
5
3
   TURNOVER    DTURNOVER    SIGMA t ，
7
t
8
t
6
t
t 
   RET    LEVERAGE   DUMMY  
9 t 10 j , j t t
j 2015
mCVaR t 1      ENV    SOC    GOV    MB    SIZE t
t
4
t
3
t
1
2
t
0
5
   TURNOVER    DTURNOVER    SIGMA t ，
6
t
7
8
t
t
t 
   RET    LEVERAGE   DUMMY  
9 t 10 j , j t t
j 20 5
1
並將此模型稱為時間效果模型。 DUMMY 為研究期間每一年份的
, j t
時間效果代理變數，當 j=t 時 DUMMY 的值為 1，反之為 0。此模
, j t
型能夠捕捉每年的時間效果，一定程度上的反應出系統性風險的影
響，獨立出其餘自變數對應變數的作用，並將結果整理於表 7。
先從結果 (7A) 與 (7B) 來看應變數為 mVaR 時，時間效果模型
t+1
結果，可以看出在 ESG 變數上結果與 OLS 迴歸模型並無不同，僅
在控制變數上有變化。 SIZE 與 TURNOVER 在 OLS 迴歸模型中皆
t t
為顯著 (p-值小於 0.01) ，但在時間效果模型上，可以發現結果 (7A)
中只剩下 SIZE 顯著正相關，而在模型 (2) 中反而只剩 TURNOVER
t t
顯著正相關。此結果反映公司規模與周轉率可能在樣本期間內可能
與時間是有相關的，表 8 整理了樣本期間台灣股市大盤的成交概
24