当前位置:玛雅教育社区免费论文财务会计 → 文章内容

分析師預測與無形資產關聯性之研究

分析師預測與無形資產關聯性之研究

Relationship between Analysts’ Forecasts and Intangible Assets

 

林鳳麗*                   林婉倪

德明技術學院會計系     新安產物保險股份有限公司

摘要

分析師預測與無形資產關聯性之研究 1

本研究旨在測試分析師盈餘預測之資訊特性和無形資產密集度的關聯性,本文以民國80年至91年間國內上市櫃資訊電子業為研究對象。實證結果發現:

(1) 無形資產愈多的企業,其分析師間盈餘預測的不確定性愈高。

(2) 分析師間盈餘預測的一致性與無形產資產密度無顯著關係。

(3) 聚集分析師的平均預測比個別分析師的預測更精確,且此種聚集預測利益與無形資產密度呈顯著正相關。

 

關鍵詞:分析師盈餘預測、無形資產、資訊電子業

投稿受理時間: 92 10 15                       審查通過時間: 92 12 26

Abstract

This paper examines the association between properties of the information contained in analysts’ earnings forecasts and the level of intangibles assets. Based on the samples of the electronic industry for the period from 1991 to 2002, we find that  (1) the uncertainty in analysts’ earnings forecasts is positively associated with a firms’ level of intangible assets.  (2) the consensus in analyst’s forecasts is unrelated to a firms’ level of intangible assets.  (3) the benefit of aggregating individual forecasts, the mean forecast , is more accurate than individual forecast.  This aggregation benefit will increase with the level of intangible assets.

 

Key words: Analysts’ earnings forecasts, Intangible assets, Electronic industry.

 


壹、緒論

現行會計原則處理基礎下,公司大部份的無形資產必須列為當期費用,典型地,大部份之無形資產於財務報表中並未認列且未揭露合理的市價,因為無形資產本身具不確定及較難認列其價值之特性,使得管理者與投資者之間存有很多資訊不對稱的現象,在缺乏取得及處理無形資產相關資訊之情況下,具有高密度無形資產之企業,其股價能正確地反應其基本價值的可能性將大大地降低。先前諸多有關美國股票市場研究顯示:股價與研究發展費用及廣告費用呈正向關係(Bublitz and Ettredge1989Sougiannis1994Lev and Sougiannis1996)。亦有台灣股票市場之研究發現:高研究發展密度公司確實可賺取較高的異常報酬(蔡碧雲,民91)。BarthBeaver and Landsman1998)證實:製藥工業之公司,因存有未認列研究發展活動之無形資產,使其由資產負債表所衡量之股權帳面價值,無法與其股權之市價相關聯。

2 臺北科技大學學報第三十七之一期

 


Lang and Lundholm1996)研究指出:公司之財務報告無法完全取代財務分析師所提供之資訊,即財務分析師的預測能實現並增加會計盈餘報告之資訊。擁有高密度無形資產之公司相對於其他公司,其股價將較可能無法反應正確價值,有鑑於此,為降低此資訊不對稱的情況,財務分析師將對此類公司產生分析的興趣,財務分析師能運用其個人分析及處理資訊的知識及能力,對無法由會計數字表達的無形資產提供預測數據,並將此有用資訊提供予投資大眾,不但能造福投資大眾且為自己創造商機。近來已有研究證據顯示:於美國股票市場中,財務分析師對於較高密度無形資產公司的報導範圍顯著高於其他公司,且分析師花費較大的努力去評估那些相對具有較高密集度之無形資產的公司,此外,財務分析師之報導量會隨著公司之規模、成長率、股票交易量及公開市場發行股權次數的增加而增加(Barth, Kasznik and McNichols2001)。

至於台灣股票市場有關此方面之研究文獻並不多見,且多著重於庫藏股票與無形資產關聯性之研究(郭法雲,民91;廖維義,民91)。本研究將測試台灣股票市場上,財務分析師的盈餘預測資訊特性是否與企業無形資產之密度有關,其中財務分析師的資訊特性分為不確定性、一致性及聚集個別分析師預測利益三項,然後再分析這三項資訊特性與無形資產之相關變數(例如:研究發展費用、廣告費用、公司規模、成長率等)是否相關聯。如能藉由測試財務分析師的盈餘預測資訊特性與無形資產的相關性,以了解並評估那些較難由會計數字所獲得其真正價值之無形資產資訊,以期由財務分析師所獲得的資訊將能彌補現行財務會計原則下所提供資訊不足的現象,俾便提供有效之資訊予投資者作為投資財務規劃之參考。

 

分析師預測與無形資產關聯性之研究 3

貳、文獻探討

一、無形資產相關文獻

依據現行一般公認會計原則,大部份的無形資產均無法認列於資產負債表中,使其真正價值無法反應於財務報表 Kothari, Laguerre, and Leone1998)指出,企業研究發展之投資比有形資產的投資產生更多對未來利益的不確定性,助長企業內部人與潛在投資者之間資訊不對稱的現象。Aboody and Lev 2002)使用研究發展支出(R&D)來作為其探討資訊不對稱的原因如下:(1)R&D有著專屬於該公司的「獨特性」,很難與其他公司比較。因此,投資者不能夠藉由其他公司的R&D表現,來推論投資公司R&D的績效。(2)不像實體或財務性資產,R&D沒有一個有組織的公開市場可供交易,所以投資者無法直接得知關於R&D價值的資訊;雖然可以從股價中瞧出一些端倪,但卻存在著太多雜訊。(3)R&D之會計衡量及報導之規定,與其他投資不同,例如有形資產的會計處理方法可使投資者了解該資產目前的相關資訊,但R&D依據現行GAAP只能費用化,無法提供有用的訊息,導致R&D資訊的隱密性。因此,推論在R&D資訊較不公開的情況下,會造成公司內部人與外部投資者的資訊不對稱,而且內部人會利用這種機會由內部交易中獲利。其研究結果發現,從事R&D公司之內部人獲利比沒有從事R&D公司顯著為大,而且內部人同時也會利用已知既定R&D預算之變化情形來獲利。

Amir and Lev1996)研究顯示,具有較高密度之無形資產公司,其相對於市價之盈餘及帳面價值,較容易被低估。Deeds2001)亦指出,研究發展強度與市場附加價值呈顯著正相關。Sougiannis1994)研究發現,研究發展投資對股價與盈餘均呈顯著正向之遞延效益,平均而言,一元之研究發展投資可於未來七年內創造二元之盈餘,及五年之股票價值。而在股票模式中,高研發密度公司之研發支出採取資本化後,對模式之解釋能力較高,依據目前一般公認會計原則之規定,於評價模式之解釋,則以低研發密度公司的解釋能力較高(劉正田,1997)。Lev and Sougiannis1996)研究顯示,研究發展支出對盈餘有遞延效益,研發支出資本化後之盈餘及帳面值的差額,對股價與報酬有增額之資訊內涵。趙令凱(2002)亦發現,將研發支出視為長期資產而進行調整之會計增額資訊,帳面上的研發性資產對股價報酬而言,具有正解釋能力,且研發密度高的企業,其長期報酬率顯著高於研發密度低的企業。因此,無形資產密度愈高的企業,愈可能提供補充揭露資訊,以彌補其會計報表不適合之證據(Tasker1998)。Gelb2001)研究顯示,研發費用及廣告費愈多的企業,愈有可能做自願性的揭露,以宣告其被低估的市場價值。而未入帳的無形資產愈多公司,即會計性資訊不對稱愈大的公司,愈會買回自己的股票,而購回股票對資本市場而言是一種利多的消息(Barth and Kasznik1999)。

Chan, Martin and Kensinger1990)研究宣告增加R&D支出對股價之反應,其實證結果顯示:(1)宣告日後兩日具正的累積報酬1.38

4 臺北科技大學學報第三十七之一期

%。(2)即使盈餘降低,公司宣告計劃增加R&D,其對股價仍具正面影響。(3)對高科技公司而言,宣告R&D支出會產生異常報酬,其中高研發密度公司會有較高的股價,反之,對低科技公司而言,其宣告R&D支出反而會產生負的異常報酬。Aboody and Lev2000)研究R&D是否為內線交易之資訊,其實證結果顯示:(1)R&D強度較強的公司其內線利得明顯比較無從事R&D的公司高,R&D的內線利得同時具統計及經濟上的意義。(2)投資者對R&D公司內線交易揭露的反應顯著較No-R&D公司強,其顯示關於R&D的私有資訊並未在內線交易前完全揭露。(3)內線交易和R&D支出改變方向一致,因投資者於揭露後立刻反應。Boone and Raman2001)研究資產負債表外研發支出與市場流動性之關聯,其實證結果顯示:(1)研發強度較高之公司其股票流動性與資產負債表外研發資產大小呈負相關,表示研發支出費用化會造成市場流動性降低。(2)對於研發強度較高之公司增額揭露研發支出與未來效益之關聯,會減緩資訊不對稱及增進股票市場流動性。

洪郁珊(民89)研究發現,未認列無形產愈多,也就是會計性資訊不對稱情況愈嚴重時,新股上市時的折價幅度並未比較大,但營業風險愈大的公司,新股上市時的折價幅度比較大;而如果以上市後年度為折算期間,發現會計性資訊不對稱愈大時,長期性折價幅度也愈大,但僅達到邊際顯著。黃志雄(民90)選取民國891231日前國內上市上櫃之資訊軟體業為研究對象,並以民國88年至89年度為研究期間,分別探究研究發展活動與經濟附加價值及無形資產間之關係。而研究發展活動以研發密度、研發人員素質及專利權核准數等方面加以探討,其研究結果顯示:(1)資訊軟體業當期研發密度與其經濟附加價值及無形資產價值間達顯著正相關;而前一期研發密度及前二期研發密度與經濟附加價值及無形資產價值間均未達顯著正相關,顯示該產業研發支出並未具有遞延效果。(2)資訊軟體業之研發人員素質與經濟附加價值間未達顯著正相關;而其與無形資產價值間達顯著正相關。(3)資訊軟體業之專利權核准數與企業經濟附加價值及無形資產價值間未達顯著正相關。林洋鑫(民92)以民國8690年間上市上櫃之電子產業為研究對象,其研究結果顯示:(1)人力資本方面,碩士學歷以上員工比率與無形資產呈正向顯著關係;而員工平均產值則呈負向不顯著關係。(2)結構資本方面,研發費用比率與無形資產呈負向不顯著關係;總資產週轉率及資產報酬率均與無形資產呈正向顯著關係。(3)顧客資本方面,營業額成長率與無形資產呈正向顯著關係。

二、分析師預測相關文獻

在資本市場上,財務分析師之盈餘預測在決定股票市場價值扮演很重要的角色(Darrough and Rusell2002),當公司宣告最近幾季盈餘績效低於分析師預測之10%至11%時,其股價下跌了1/3Chevis, Das and Sivaramakrishnan2001)。過去研究大多探討分析師之盈餘預測是否具資訊價值,投資者是否能藉助其預測資訊而賺取超額報酬。Womack1996)運用事件研究法,針對分析師推薦的所有類型進行研究,其結果顯示:事件日之前一天及事件日當天均有異常報酬,表示分析師之推薦確實具有資訊內涵。而分析師推薦購買之股票確實能產生較高的報酬率(Brad, Lehavy, McNichola and Trueman1998)。

分析師預測與無形資產關聯性之研究 5

Bartov, Givoly and Hayn2000)認為近幾年達到或擊敗分析師的盈餘預期的公司較能獲得溢酬(Meeting or Beating Earnings expectationMBE)已成為普遍的主張,且MBE模型會隨著盈餘管理及預期管理之一致性而獲得,其研究發現,在控制所有季盈餘之後,管理盈餘以達到或擊敗分析師預期盈餘的公司,其平均每季報酬率會比沒有如此做的公司高出將近3%。諸多研究(Skinner1995Kasznik and Lev1995Soffer , Thiagarajan and Walther2000)顯示,越來越多的公司傾向去預先警告投資者關於即將到來的不利盈餘,即透過預期管理來達成MBE的策略。Lopez and Rees2001)亦發現對MBE有溢酬,其對未預期盈餘的數值控制之後,在盈餘宣告期間的股票報酬將會受是否達到分析師之盈餘預測所影響。Chevis, Das, and Sivaramakrishnan2001)定義長時間多季達到或擊敗分析師盈餘預測之公司為MEET公司,其研究發現,MEET公司比較可能是具高成長、盈餘遞增型、較多分析師做預測、分析師之間預測變異程度較小及盈餘穩定性較大之公司,而且在其他市價盈餘關係的橫斷面決定因素,諸如成長機會、財務槓桿、盈餘遞增型式的條件限制下,MEET公司之市價盈餘比(本益比)平均而言較高。

三、分析師預測與無形資產相關文獻

 王慧如(民92)以19912001年間美國NYSENASDAQ的公司為研究樣本,探討證券分析師在推薦與預測盈餘時,是否考量到公司截至目前為止所投入的無形資產。同時也檢測此一推薦或預測是否與企業所處的生命週期有關。實證結果發現:(1)無形資產愈多之企業,愈容易被分析師推薦購買。(2)愈是處在生命週期的上層,無形資產對於分析師的推薦影響愈大。(3)愈是處在生命週期的上層,無形資產對於分析師的長期盈餘預測影響愈大,但對短期預測則無影響。

Tasker1998)研究發現,高研發費用的公司會比低或無研發費用公司,與分析師召開更多的會議,表示投資者對於公司有關研發活動資訊有著強烈的需求。Barth ,Kasznik and McNichols2001)研究分析師預測的誘因與無形資產的關係,其實證結果顯示,分析師的報導量(對公司進行研究的分析師人數)在高研發費用及高廣告費的公司比低(或無)研發費用及廣告費用的公司顯著為大,而且分析師的報導量會隨著公司規模大小、成長率、交易量、股票發行量而增加,表示分析師的報導量是決定於公司所含的成本與效益,此外,對於大部份無形資產未認列於財務報表的公司,其分析師所投入的努力及對公司進行分析成本會隨其無形資產的密度而增加。

6 臺北科技大學學報第三十七之一期

Barron, Byard, Kile, Riedl and Demers2002)更進一步假設當擁有較多無形資產的公司,其分析師在預測盈餘時,將提供更多重點在內線資訊或特殊資訊,其研究結果顯示,在控制公司未來盈餘分析的不確定性後,隨著公司無形資產的多寡,其分析盈餘預測的不確定性會增加,分析師盈餘預測的一致性會減少,而隨著無形資產的增加,聚集私有資訊的平均預測比個別分析師資訊較正確,另外,分析師盈餘預測一致性較低和高科技公司有關,主要是因為這些公司有高密度的研發費用。Barth et al.2001)研究顯示,無形資產固有的不確定性僅能部分解釋對分析師預測盈餘的需求,而Barron et al.2002)能進一步從分析師間盈餘預測的資訊特性與無形資產密度的關係中,試圖找出一些端倪以彌補傳統財務資訊的不足,且其採用了一般公認之實證模型,故本研究將援引Barron et al. 2002)研究中所使用之分析模型。

、研究設計

研究假說

根據一般公認會計原則,無形資產大多是一種權利或一種優越的獲利能力,其與有形資產一樣,具有價值均能產生未來收益,但其所產生之收益,波動性大且不確性高,企業自行發展之無形資產比向外購買無形資產的不確定效益高,從目前GAAP對大部分自行研發無形資產(例如:廣告費及研發費用)完全費用化,而購買無形資產(例如:商譽)資本化可看出,無形資產完全費用化,表示其未來實現收益的可能性很低且具重大不確定性,而無形資產資本化,意謂著無形資產成本具未來實現的可能性,但實現的時間點極不確定,僅能強制這些資產以直線法加以攤銷。無形資產可能僅對特定公司有價值,例如:研究發展計劃,其價值無法轉讓,亦無法與其他公司相提並論,加上一般對於無形資產的會計衡量與報導不同於實體或財務性資產,因此,投資者很難直接由財務報表中了解無形資產的真正價值,使管理者與投資者之間存有資訊不對稱的現象,此情況在具有高密度無形資產企業可能更加嚴重,因為其無形資產之不確定性及難以衡量的特質可能比其他產業明顯,此時將需要藉由財務分析師處理資訊的知識與能力,將無法由會計數字表達的無形資產提供預測數據,而且此項需求將隨無形資產的密度而增加。Lang and Lundholm1996)研究指出,公司之財務報表無法完全取代分析師所提供的資訊,即分析師的預測能實現並增加會計盈餘之資訊。Barth et al.2001)研究指出,高無形資產企業,其會計資訊不對稱情況嚴重,分析師作追蹤報導的誘因與努力較強,且分析師之報導會隨著公司的規模、成長率、股票交易量及公開市場發行股權次數的增加而增加。由於無形資產的特性及現行會計處理方法的限制,使得高無形資產公司更容易發生無形資產認列攤銷不確定性之問題,即可能違背會計上收入與費用配合原則,分析師為了降低無形資產之不確定性或錯誤配合原則的問題,可能會經由財務報表公布之盈餘,將無形資產相關的收入與費用加以調整,或開發出屬於自己計算無形資產真正價值的公式或模型,以利提供更準確的盈餘預測和投資建議。我們假設高無形資產公司(相較於低無形資產公司),其無形資產價值具較大之不確定性。

分析師預測與無形資產關聯性之研究 7

H1:高無形資產公司之分析師間盈餘預測的不確定性高於低無形資產公司。

同樣地,當分析師察覺高無形資產公司,其無形資產有較大的不確定性,即可能產生較大錯誤配合數字(如:無形資產認列或攤銷時,違背收益配合原則)。此時,各個分析師將各憑其特殊預測盈餘之模型,調整公布盈餘上錯誤的收益配合數據,並計算出最精確的盈餘預測,但盈餘預測的不確定性會隨著無形資產的程度而增加,個別分析師的盈餘預測在此不確定的情況下,要求得一致盈餘預測結果可能很困難,且其一致性的程度會隨著不確定性的程度而增加。

H2:高無形資產公司之分析師間盈餘預測的一致性低於低無形資產公司。

相對於低無形資產公司而言,高無形資產公司可能擁有較多樣化隱密性的資訊,使得個別分析師更難以精確的預測盈餘,如能彙總個別分析師預測盈餘的有用性,假設分析師預測的平均可能比個別的預測精確,且其準確度會隨著無形資產的密度而增加,即聚集個別分析師預測的利益,而聚集個別預測利益將會隨著不確定性的增加而增加。

H3:高無形資產公司之聚集個別分析師預測利益會高於低無形資產公司。

實證變數

因變數:分析師預測之資訊特性

本研究援引Barron et al. 2002)研究中所使用之分析模型,此模型係源自於Barron, Lin and Stevens1998),其認為分析師有一般和特殊資訊,合併此兩種型態之精確性,才能等於分析師全部資訊的精確性,其研究中將分析師資訊特性主要包含兩種:不確定性(Uncertainty, U)及一致性(Consensus, p),不確定性是指個別分析師的全部資訊缺乏精確性,並以平均橫向分析所計算出之個別預測平方誤差來衡量。一致性(p)表示個別分析師的預測所含相同資訊的程度,即計算預測誤差中的橫向分析相關性。Barron et al.1998)用三種預測性質(盈餘預測離散度D,平均盈餘預測的預測平方差SE,及分析師的預測數量(N)來解釋不確定性(U)、一致性(p)及聚集個別分析師預測利益(U-SE),其模型如下:

 

 

 

…………….….(1)

………...……(2)

      ………...…(3)

 

8 臺北科技大學學報第三十七之一期

…………………(4)

其中 Fa是分析師a的盈餘預測

是所有分析師盈餘預測平均值

A是實際宣告的盈餘

D是盈餘預測離散度

SE是平均盈餘預測的預測平方差

N是分析師的預測數量

 

財務分析師盈餘預測的私有資訊很多是來自於盈餘宣告的資訊(Kim and Verrecchia1997),而且盈餘宣告後立即會有分析師預測修正的異常亂象(Stickel1989)。由於我國證期會規定上市櫃公司宣告盈餘的最晚期限為會計年度之後的四月三十日,因此四月份起之實際盈餘宣告應會影響分析師旳盈餘預測,本研究選取四月十五日以後(包含四月十五日)分析師所發布之盈餘預測數為主。  於計算不確定性(U)、一致性(p)及聚集個別分析師預測利益(U-SE)時,本研究採用Barron et al. 2002)的方法,以 代入上述式(3)及式(4)後結果如下:

 

 

…………(5)

……………(6)

 

 

 

i公司第t年盈餘預測的離散度

i公司第t年平均盈餘預測的平方差

i公司第t年分析師盈餘預測數量

a分析師於i公司第t年之盈餘預測值

i公司第t年所有分析師盈餘預測平     均值

i公司第t年實際宣告的盈餘

 

 

本研究實證分析主要有三個因變數:不確定性(U):以個別預測平方誤差來衡量;一致性(p):以預測離散度的觀察值和平均預測平方誤差計算;聚集個別分析師預測利益(U-SE),Barron et al. 2002)認為結合更多分析師提供的預測數量以及高無形資產公司之個別分析師的預期誤差(不確定性)將會更大,因此,平均預測會優於個別的預測(U-SE),假如離散度(Dispersion)是由全部預測樣本計算出來的,那麼U-SE會等於預測離散度(D),因為本研究的樣本預測變數並未來自聚集大量預測的利益,所以我們衡量的預測離散度(D)不同於聚集個別預測利益(U-SE)。如將等(1)兩邊同時減去SEU-SE會隨著N的增加而增加(Barron et al., 2002)。

無形資產替代變數

本研究採用Barth et al.2001)所運用之三個用以衡量無形資產密集程度的會計科目,分別為(1)廣告費與總營業費用比率,(2)研發費用(R&D)與總營業費用比率,(3)資產負債表上的無形資產(包含商譽)與總資產的比例。高比率的廣告費、R&D及資產負債表上的無形資產皆可表示有高密度的無形資產,因此,本研究預期這些無形資產替代變數會和分析師預測的不確定性(U)呈正相關,和分析師預測的一致性(p)呈負相關,且和聚集個別分析師預測利益(U-SE)呈正相關。 

分析師預測與無形資產關聯性之研究 9

其他控制變數

本研究將影響分析師取得預測未來盈餘相關資訊的誘因加入控制變數,以期測試無形資產與分析師預測資訊關聯性的模型更具強韌性,公司規模、盈餘變動率及市價淨值比在分析師做盈餘預測時,扮演著重要角色,因而作為本研究控制變數,分別如下:

(1)公司規模(SIZE

過去文獻(O’Brien and Bhushan1990Barth et al.2001Barron et al.2002)顯示:公司規模大小會影響分析師盈餘預測的動機,Atias1985)研究指出:分析師在盈餘宣告前從大公司取得的私有資訊會比小公司多,故本研究將公司規模列為控制變數,國外常使用普通股市價為衡量公司規模的變數,但國內股票市場開放性不夠,所以本研究以期初資產總額取自然對數為公司規模的衡量變數。

(2)盈餘變動率(EM

驚人的高盈餘會誘導市場參與者(包括分析師)增加他們私有資訊的取得,因為驚人的高盈餘會導致當期盈餘對未來盈餘預測的潛在有用性降低(Barron et al.2002),這造成分析師為了維持其預測的精確性,而必要以其他資訊來補充當前盈餘資訊的不足(Stickel1989)。本研究以稅前盈餘變動率作為盈餘變動率之變數,稅前盈餘變動率為:

(3)市價淨值比(PBR):

過去研究(O’Brien and Bhushan1990Barth et al.2001)發現,成長的公司傾向吸引更多分析師的興趣,顯示更多投資者需要有關這些高成長公司的私有資訊。故本研究以市價淨值比作為公司成長的控制變數,即市價淨值比(PBR)為期初之

實證模型

本研究係在探討企業所投入無形資產的密集度與分析師盈餘預測資訊特性之相關性,即測試企業之無形資產密集度與分析師盈餘預測的不確定性(U)、一致性(p)程度及聚集個別預測利益(U-SE)的關係。迴歸式中我們採用第t年分析師的盈餘預測與第t-1年財務報表上無形資產替代變數及控制變數的配合,因為使用前一年度財務報表資料可避免任何實際盈餘和會計上無形資產變數之間技術性(mechanication)之關聯(Barron et al., 2002)。本文用以檢驗研究假說所採用的迴歸式係參考Barron et al.2002)所使用的方法,本研究之迴歸模式如下:

 

迴歸式H1

 

迴歸式H2

10 臺北科技大學學報第三十七之一期

 


迴歸式H3

 

 

         i公司第t年所有分析師間盈餘預測的不確定性,即個別預測的平均平方誤差,以每年預測稅前盈餘(以1013為一單位)計算而得。

          i公司第t年所有分析師間盈餘預測的一致性,以每年預測稅前盈餘(以1013為一單位)計算而得。

    i公司第t年個別預測的平均平方誤差和平均預測之平方誤差的差異,即聚集個別分析師盈餘預測利益。

        i公司第t-1年廣告費用佔總營業費用比率。

      i公司第t-1年研發費用佔總營業費用比率。

        i公司第t-1年資產總額取自然對數(Ln)。

   i公司第t-1年稅前盈餘變動率。

i公司第t-1年市價淨值比。

 

我們以每個各別公司所有年觀察值的獨立及非獨立變數的平均值代入估計迴歸式H1H2H3,轉變迴歸模型如下:

 

 

 

迴歸式1

 

 

迴歸式2

 

 

迴歸式3

 

例如 表示我們取樣期間i公司所有年度的變數ADV的平均數,我們橫向平均的應用是一種滿足資料不平衡設定的典型修正,這種方法可以幫助我們控制依變數衡量的固有干擾及潛在橫向依賴公司的年觀察值,然而,此法假設檢驗相關性能保持時間的持續性及潛在降低測試度(Barron et al.2002)。

資料來源與樣本選取標準

本研究樣本公司取自台灣經濟新報社之「財務預測分析師資料庫」中,上市櫃資訊電子業(註)的每年(t年)盈餘預測,及t-1年財務資料庫,樣本t年是由民國80年至91年(t-1是由民國79年至90年)。經過下列選樣標準,篩選後總樣本為215家公司。我們選擇的資訊電子業樣本須符合下列兩條件:

分析師預測與無形資產關聯性之研究 11

(1)   每年(t年),至少有三個盈餘預測值發布在盈餘宣告日之後,在會計年度之後至盈餘宣告日之前的盈餘預測值皆予以刪除,因為該預測值屬於概估而非盈餘預測,而大部份之盈餘宣告日為430,故本研究僅取415(包含415)以後發布之盈餘預測值。

(2)   所有實證模型包含的變數及控制變數,t年的實際盈餘與t-1年的財務資料,皆可從經濟新報社之「財務資料庫」取得而無遺漏者。

 

 

 

註:上市公司代碼為23XX24XX30XX之公司;上櫃公司代碼為52XX53XX54XX61XX之公司。

 

肆、實證分析與結果

一、敘述統計量

1顯示215家樣本公司各變數敍述統計量。廣告費佔總營業費用 之平均值為2.71%,研發費用佔總營業費用 之平均為27.13%,而資產負債表的無形資產(包含商譽)佔總資產比率( )之平均值為0.23 %,表示研發費用佔樣本公司之無形資產很重要的部份。


 

 

 

 

1 變數的敘述統計量
 (
樣本數215家公司, 期間80-91)

 

 

平均值

標準差

中位數

最大值

最小值

2411.3772

9096.5524

34.4420

67430.9262

0.0238

0.61067

0.2185

0.6265

1.0000

-0.8046

541.9640

2538.3952

7.4700

22172.2240

0.0000

0.0271

0.0337

0.0155

0.2733

0.0000

0.2713

0.1930

0.2537

1.8696

0.0000

0.0023

0.1251

0.0000

0.1248

0.0000

15.4415

3.4141

15.0537

62.0215

13.4540

33.1031

111.8101

30.1960

864.8866

-576.8375

3.0922

2.4206

2.5540

25.1600

0.7400

               

 


 

 

     i公司所有t年度 的平均值,而 i公司第t年所有分析師之間稅前盈餘預測 (以1013為一單位)的不確定性。

 

      i公司所有t年度 的平均值,而 i公司第t年分析師之間稅前盈餘預測(以1013為一單位)的一致性

 

 

12 臺北科技大學學報第三十七之一期

   i公司所有t年度 的平均值,而 i公司第t年個別預測的平均平方誤差和平均預測平方誤差的差異。

 

      i公司所有t年度 的平均值,而 i公司第t-1年廣告費佔總營業費用比率。

 

    i公司所有t年度 的平均值,而 i公司第t-1年研發費用佔總營業費用比率。

 

    公司所有t年度 的平均值,而 i公司第t-1年資產負債表上無形資產(包含商譽)的帳面價值佔總資產比率。

 

      i公司所有t年度 的平均值,而 i公司第t-1年資產總額取自然對數(Ln)。

 

       i公司所有t年度 的平均值,而 i公司第t-1年稅前盈餘變動率,即

 

 


               i公司所有t年度 的平均值,而 i公司第t-1年市價淨值比。


 


 

二、Spearman積差相關分析

2係本研究迴歸模型中各變數之Spearman積差相關係數,分析師盈餘預測之不確定性 和廣告費 不具顯著相關性,不確定性 和研發費用 呈顯著正相關(spearman相關係數為0.131p<0.05),而不確定性 和資產負債表上無形資產 呈顯著正相關(spearman相關係數為0.230p<0.000),顯示企業所投入之研發費用或資產負債表上無形資產較高者,其分析師的盈餘預測較具不確定性,此結果與預期相同。分析師盈餘預測之一致性 與研發費用 呈顯著正相關(spearman相關係數為0.118p<0.05),但一致性 與廣告費 及資產負債表上無形資產 沒有顯著關係,此與預期不符。另外,正如我們預期,聚集個別分析師預測利益 和研發費用 與資產負債表上之無形資產 呈顯著正相關(spearman相關係數分別為0.1460.207p<0.05p<0.01),然而廣告費 與聚集個別分析師預測利益沒有顯著相關性。最後,公司規模( )和不確定性及聚集個別預測利益呈顯著正相關(P<0.000),而公司規模與一致性呈顯著負相關(p<0.05),代表公司成長變數的盈餘變動率( )及市價淨值比 皆與不確性及聚集個別預測利益呈顯著正相關,表示越高成長之公司,其分析師盈餘預測的不確定性及聚集個別分析師預測利益會越高。


 

 


2  各變數之Spearman積差相關係數
(樣本數215家公司, 期間80-91年)

分析師預測與無形資產關聯性之研究 13

 

 


-0.044

0.926

***

0.072

0.131*

0.230

***

0.780

***

0.136*

0.203

***

 

-0.222

**

0.012

0.118*

-0.038

-0.099*

-0.033

0.033

 

 

0.070

0.146*

0.207

***

0.815

***

0.207

***

0.255

***

 

 

 

0.049

0.009

0.017

0.060

0.033

 

 

 

 

0.093*

0.122

**

0.07

0.300

**

 

 

 

 

 

0.086

0.122

**

0.200

***

 

 

 

 

 

 

0.183

***

0.188

***

 

 

 

 

 

 

 

0.325

***

括號為p(單尾),*、**、***分別表示顯著水準達到0.10.050.01。各變數說明如表1


三、分析師間預測的不確定性和無形資產之關係

假設H1的目的在檢測分析師之間盈餘預測的不確定性(U)是否與公司之無形資產密集度有關,我們以迴歸式1進行測試並預期公司之無形資產密度與分析師之間盈餘預測的不確定性具有正相關。表3.1結果顯示,分析師間盈餘預測的不確定性 和研發費用 及資產負債表上之無形資產 呈顯著正相關, 係數分別為0.2470.172p值分別為0.0070.011,表示有高密度研發費用及資產負債表上無形資產的公司,其分析師之間盈餘預測的不確定性會更高,此結果與假設H1符合,然而,分析師之預測不確定性和廣告費 之間不具顯著相關性,我們也發現迴歸式1中,公司規模( )及盈餘變動率( )與分析師間預測的不確定性呈顯著正相關(p分別<0.01<0.05),但市價淨值比 與分析師間預測不確定性呈顯著負相關(p<0.01)。而迴歸式1各自變數之變異數膨脹因素(VIF)皆小於3,並無共線性問題。

四、分析師間預測的一致性和無形資產之關係

迴歸式2係用以測試分析師間盈餘預測一致性 和無形資產密集度的關聯性(假設H2),表3.2結果顯示,分析師間盈餘預測一致性和廣告費 、研發費用 或資

14 臺北科技大學學報第三十七之一期

產負債表上之無形資產 之關係均不顯著,表示分析師間預測一致性與無形資產密集度無關,此結果與預期不符。

五、聚集個別預測利益和無形資產之關係

進一步以迴歸式3以測試假設H3:高無形資產公司之聚集個別分析師預測利益會高於低無形資產公司,表3.3結果顯示,聚集個別預測利益 和廣告費 呈不顯著關係,但聚集個別預測利益和研發費用 及資產負債表上之無形資產 呈顯著正相關(p值分別為0.0900.015),表示結合個別分析師盈餘預測的平均值,將會改善其預測的準確度,而且此預測利益會隨著研發費用及資產債表上之無形資產密度而增加。此結果與假設H3一致。另外,迴歸式3中,聚集個別分析師預測利益與公司規模呈顯著正相關(p<0.01),然而聚集個別分析師預測利益與市價淨值比呈顯著負相關(p<0.05),各自變數之變異數膨脹因素(VIF)均小於3,所以迴歸式3之自變數均符合無共線性之假設。


 


 

 


3.1  分析師間預測的不確定性和無形資產之關係

迴歸式1

 

 

Predicted Coefficient

t-stat.

p-value

VIF

Constant

 

-3.287

   0.001***

 

-0.057

-0.871

0.385

1.184

0.247

2.730

   0.007***

2.254

0.172

2.559

  0.011**

1.238

0.331

3.379

   0.001***

2.646

0.162

2.400

  0.017**

1.257

-0.304

-3.162

   0.002***

2.536

Adj-R2 = 0.222 F=11.171  P= 0.000

樣本數215家公司

***代表達0.01顯著水準;**代表達0.05顯著水準;*代表達0.1顯著水準

 


     i公司所有t年度 的平均值,而 i公司第t年所有分析師之間稅前盈餘預測 (以1013為一單位)的不確定性。

 

 

 

 

  i公司所有t年度 的平均值,而 i公司第-1年廣告費佔總營業費用比率。

    i公司所有t年度 的平均值,而 i公司第t-1年研發費用佔總營業費用比率。

分析師預測與無形資產關聯性之研究 15

 


    i公司所有t年度 的平均值,而 i公司第t-1年資產負債表上無形資產(包含商譽)的帳面價值佔總資產比率。

 

      i公司所有t年度 的平均值,而 i公司第t-1年資產總額取自然對數(Ln

 

   i公司所有t年度 的平均值,而 i公司第t-1年稅前盈餘變動率,即

 

 

      i公司所有t年度 的平均值,而 i公司第t-1年市價淨值比。

 


 

 

 

3.2分析師間預測的一致性和無形資產之關係

迴歸式2 

 

 

Predicted
Coefficient 

t-stat.

p-value

VIF

Constant

 

9.132

   0.000***

 

0.105

1.420

0.157

1.184

0.155

1.526

0.128

2.254

-0.032

-0.419

0.676

1.238

-0.118

-1.072

0.285

2.646

0.063

0.826

0.410

1.257

0.072

0.669

0.505

2.536

Adj-R2 = 0.015 F= 1.540 P= 0.167

樣本數215家公司

***代表達0.01顯著水準;**代表達0.05顯著水準;*代表達0.1顯著水準

i公司所有t年度 的公司所有t年度 的平均值,而 i公司第t年分析師之間稅前盈餘預測(以1013為一單位)的一致性;其餘各變數說明如表3.1

 

 

 

 


16 臺北科技大學學報第三十七之一期

3.3 聚集個別預測利益和無形資產之關係

迴歸式3

 

 

Predicted
 Coefficient 

t-stat.

p-value

VIF

Constant

 

-4.285

0.000**

 

-0.006

-0.09

0.928

1.186

0.152

1.702

0.090*

2.208

0.167

2.454

0.015**

1.238

0.396

3.990

 0.000***

2.646

0.036

0.522

0.602

1.257

-0.197

-2.069

0.044**

2.536

Adj-R2 = 20.30F= 10.069P = 0.000

樣本數215家公司

***代表達0.01顯著水準;**代表達0.05顯著水準;*代表達0.1顯著水準

i公司所有t年度 的平均值,而 i公司第t年個別預測的平均平方誤差和平均預測平方誤差的差異;其餘各變數說明如表3.1

 


六、敏感性分析

上述迴歸式1、迴歸式2及迴歸式3係將無形資產替代變數分成廣告費、研發費用及資產負債表上(包含商譽)之無形資產加以測試,為了進一步檢驗合計所有無形資產對於分析師間盈餘預測的不確定性 、一致性 及聚集個別分析師預測利益 的影響力,本研究將無形資產合併成一個變數,將上述迴歸式之3個無形資產替代變數合併成一個變數,以mALLINT來表示,迴歸式轉換部份為: ,然後重新進行迴歸分析,測試其結果是否與表3.1,表3.2及表3.3一致。表4.1結果顯示,總計無形資產 和分析師間預測的不確定性 呈顯著正相關(係數為0.22p<0.05)。表4.2結果顯示,總計無形資產 與分析師間預測一致性 呈低顯著正相關(係數為0.175p<0.1),表示高無形資產公司,其分析師間預測的一致性比低無形資產公司高,此結果與預測不符。另外,表4.3結果顯示,總計無形資產 和聚集個別的預測利益 呈正相關,但未達顯著水準,此結果與表3.3不同,可推論為具有較高研發支出及資產負債表上之無形資產較高之公司,其較能擁有聚集個別分析師的預測利益。


分析師預測與無形資產關聯性之研究 17

4.1  

 

 

Predicted Coefficient 

t-stat.

p-value

VIF

 

Adj-R2 = 0.196

F    14.067

P    0.000

樣本數215家公司

 

Constant

 

-3.933

0.000***

 

0.223

2.486

0.014**

2.151

0.363

3.741

0.000***

2.539

0.172

2.528

0.012**

1.235

-0.272

-2.811

0.005***

2.488

***代表達0.01顯著水準;**代表達0.05顯著水準;*代表達0.1顯著水準;
各變數說明如表3.1

 

 

 

4.2  

 

 

 

Predicted
Coefficient 

t-stat.

p-value

VIF

Adj-R2 = 0.018

F    2.000

P    0.096

樣本數215家公司

Constant

 

9.348

0.000***

 

 

 

 

0.175

1.762

0.079*

2.151

 

-0.105

-0.975

0.331

2.539

 

 

 

0.072

0.954

0.341

1.235

 

0.061

0.572

0.568

2.488

 

 

                         

 

***代表達0.01顯著水準;**代表達0.05顯著水準;*代表達0.1顯著水準;
各變數說明如表3.2

 

 

 

4.3 

 

 

 

Predicted Coefficient 

t-stat.

p-value

VIF

 

Adj-R2 = 0.182

F 12.897

P 0.000

樣本數215家公司

 

 

Constant

 

-4.902

0.000***

 

 

1.131

1.446

0.150

2.151

 

 

 

0.440

4.469

0.000***

2.539

 

 

0.051

0.748

0.455

1.235

 

 

 

-0.172

-1.763

0.079*

2.488

 

 

                           

 

***代表達0.01顯著水準;**代表達0.05顯著水準;*代表達0.1顯著水準;
各變數說明如表3.3


18 臺北科技大學學報第三十七之一期

伍、結論與建議

一、研究結論

本研究以民國80年至民國91年間國內上市櫃之資訊電子公司為研究對象,探討公司所投入廣告費、研發費用及資產負債表上無形資產的多寡是否與分析師盈餘預測資訊特性有關,其中將分析師預測資訊特性分為分析師間預測的不確定性分析師間預測的一致性,及聚集個別分析師的預測利益三個部份加以測試。

本研究實證結果如下:

資訊電子業中,擁有研發費用或資產負債表所含無形資產密度較高之企業,其分析師間預測的不確定性會高於研發費用或資產負債表所含無形資產密度較低者,顯示高無形資產公司比低無形資產公司的盈餘傾向較難預測,也就是說,分析師如要更精確地預測高無形資產公司的盈餘,除了財務報表之外,可能還需藉助更多的補充資訊,投入更高深的知識與技能,才能提昇其預測高無形資產公司之未來盈餘的能力。

分析師之間盈餘預測的一致性和廣告費研發費用及資產負債表上之無形資產的關係均不顯著,表示分析師間盈餘預測的一致性與無形資產密度無關。

聚集個別分析師之預測利益和研發費用及資產負債表上無形資產呈顯著正相關,表示高無形資產公司中,聚集分析師之平均預測比個別分析師的預測更精確、更佔優勢,而且此種聚集預測利益會隨企業研發費用或資產負債表上無形資產之密度的增加而增加。

綜合言之,面對快速成長的高科技產業,分析師很難就以財務報表上之當期盈餘資訊來預測未來盈餘,何況目前會計處理原則傾向保守,例如大部份將無形資產予以費用化,為了降低預測的不確定性,唯有結合個別分析師之預測能力及私有資訊,才能貢獻更精確的盈餘預測。此外,未來會計準則該如何規範無形資產之處理問題,可能還有很大的改善空間,例如:要求高科技產業補充揭露其相關無形資產發展計劃及預算,試圖合理評估其價值,可能比僅於財務報表上提供無形資產的會計數據更有資訊價值。

二、研究限制與建議

本研究將分析師預測資訊特性分為不確定性、一致性及聚集個別分析師預測利益三種加以測試,未來研究或許可將分析師預測資訊的特性發展出不同的檢定模型,期能更進一步完整地補捉分析師預測資訊的全貌。

本研究僅以上市櫃之資訊電子業為選樣標準,因此所得實證結果未能推論至其他產業,未來研究可擴大樣本至其他產業,或試圖比較資訊電子業與其他產業之分析師預測資訊的差異。

可能有遺漏的控制變數未列入本研究模型,例如益本比營業活動之現金流量及負債比率等,未來研究可納入其他可能影響分析師預測誘因的因素,以加強模型之解釋能力。

分析師預測與無形資產關聯性之研究 19

參考文獻

[1]   王慧如(民92),"分析師推薦與無形資產關係之研究:從企業生命週期論析" ,國立中正大學會計學研究所碩士論文(未出版)

[2]   林洋鑫(民92),"電子產業無形資產之關聯性研究" ,國立交通大學管理科學學程研究所碩士論文(未出版)

[3]   洪郁珊(民89),"無形資產、股票上市後價格變動趨勢與內部人持股轉讓關係之實證研究" ,國立彰化師範大學商業教育學研究所碩士論文(未出版)

[4]   郭法雲,(91)"我國上市公司買回股票與無形資產關聯性之實證研究",彰化師範大學商業教育學研究所碩士論文(未出版)

[5]   黃志雄(90)"企業價值之衍生性探討-以資訊軟體業研究發展活動為例" ,私立東吳大學會計學研究所碩士論文(未出版)

[6]   趙令凱(91)"企業研發支出資本化和股價報酬之關聯性" ,國立中正大學財務金融研究所碩士論文(未出版)

[7]   蔡碧雲,(91)"研究發展與股票市場績效之關聯性分析-以台灣上市公司為例",實踐大學會計系會計與審計學術研討會。

[8]   廖維義,(91)"購回庫藏股與無形資產的關係",國立台灣大學會計學研究所碩士論文(未出版)

[9]   劉正田(86)"研究發展支出之效益及其資本化會計資訊對股票評價攸關性之研究" ,國立政治大學會計學研究所博士論文(未出版)

[10] Aboody, D. and Lev, B. (2000). "Infor- mation Asymmetry R&D and Insider Gains." The Journal of Finance, 55(6), 2747-2766.

[11] Amir, E. and Lev, B. (1996). "Value- Relevance of Non-financial Infor- mation: The Wireless Communication Industry." Journal of Accounting and Economics 22, 3-30.

[12] Atiase, R. (1985). "Pre-disclosure Infor- mation, Firm Capitalization, and Security Price Behavior Around financial Report Releases." Journal of Accounting Research 23, 21-36.

[13] Barron, O. E.; Byard, D.; Kile, C.; Riedl, E. J. and Demers, E.(2002). "High-technology Intangibles and Analysts' Forecasts/ Discussion." Journal of Accounting Research 40(2), 289-319.

[14] Barron,O.; Kim, O.; Lim, S.; and Stevens, D. (1998) "Using Analysts' Forecasts to Measure Properties of Analysts' Infor- mation Environment." The Accounting Review 73, 421-433.

[15] Barth, M., Kasznik, R., and  McNichols, M. (2001). "Analyst Coverage and Intan- gible Assets." Journal of Accounting

20 臺北科技大學學報第三十七之一期

Research, 39(1) 1-34.

[16] Barth, M. E., and Kasznik, R.(1999). "Share repurchase and intangible assets." Journal of Accounting andeconomics 28, 211-241.

[17] Barth, M. E.; Beaver, W. H.; and Landsman, W. R.(1998). "Relative Valuation Roles of Equity Book Value and Net Income as a Function of Financial Health." Journal of Accounting and Economics25, 199-233.

[18] Bartov, E.; Givoly, D. and Hayn, C. (2000). "The Rewards to Meeting or Beating Earnings Expectations." Working paper, at New York University, University of California at Irvine, and University of California at Los Angeles.

[19] Boone, J. P., and Raman, K. K. (2001). "Off-balance sheet R&D assets and market liquidity." Journal of Accounting and Public 20, 97-128..

[20] Brad M Barber, Reuven Lehavy, Maureen F McNichola and Brett Trueman. (1998). "Can investors profit from the prophets?  Consensus analyst recommendations and stock returns." Working Paper, university of California at Davis, University of Michigan Business School, Stanford University and University of California at Berkeley, November.

[21] Bublitz, B., and Ettredge, M. (1989). "The Information in Discretionary Outlays: Advertising, Research, and Development." The Accounting Review, 64, 24-108.

[22] Chan S. H., Martin, I. D. and Kensinger, J. W. (1990). "Corporate Research and Deve- lopment Expenditures and Share Value." Journal of Financial Economics 26, 255-279.

[23] Chevis, G.; Das, S. and Sivaramakrishnan, K. (2001)." An Empirical Analysis of Firms that Meet or Exceed Analysts' Earnings Forecasts." Working paper, Texas A&M University, University of Illinois at Chicago.

[24] Darrough, M.N., and Russell, T.(2002). "A Positive Model of Earnings Forecasts: Top Down versus Bottom Up." The Journal of Business Vol. 75(1), 127-152.

[25] Deeds, D. L. (2001). "The Role of R&D Intensity, Technical Development and Absorptive Capacity in Creating Entre- preneurial Wealth in High Technology Start-ups." Journal of Engineering and Technology Management, 18(1), 29-47.

[26] Gelb, D. S. (2001). "Intangible Assets and Frms' Disclosure: an Empirical Inves- tigation." Journal of Business, Financial & Accounting 29, 457-476.

[27] Kasznik, R., and Lev, B. (1995). "To Warn or Not Warn: Management disclosures in the face of an earnings surprise." The Accounting Review 70(1), 113-134.

分析師預測與無形資產關聯性之研究 21

[28] Kimg, O. and Verrecchia, R. (1994). "Market Liquidity and Volume Around Earnings Announcements." Journal of Accounting and Economics 17, 41-67.

[29] Kothari, S. P.;Laguerre, T. and Leone, A. (1998)."Capitalization versus Expensing. Evidence on the Uncertainty of Future Earnings from Current Investment in PP&E and R&D." Working paper, University of Rochester.

[30] Lang, M., and Lundholm, R. (1996), "Corporate Discolsure Policy and Analyst Behavior." The Accounting Review, 71, 92-467.

[31] Lev, B., and Sougiannis, T. (1996)."The Capitalization, Amortization and Value- relevance of R&D." Journal of Accounting and Economics, 21, 107-138.

[32] Lopez, T. and Rees, L. (2001). "The Effect of Meetning Analysts' Forecasts and Systematic Positive Forecast Errors on the Information Content of Unexpected Earnings." Journal of Accounting, Auditing and Finance, (forthcoming).

[33] O'Brien, P., and Bhushan, R. (1990) "Analyst Following and Institutional Ownership." Journal of Accounting Research 28, 55-76.

[34] Skinner, D. J. (1997). "Earnings Disclo- sures and Stockholder Lawsuits." Journal of Accounting and Economics 23 (3), 249-282.

[35] Soffer, L. C.; hiagarajan, S. R. and Walther, B. R. (2000). "Earnings Preannouncement Strategies." Review of Accounting Studies, (forthcoming).

[36] Sougiannis, T. (1994). "The Accounting Based Valuation of Corporate R&D." The Accounting Review, 44-68.

[37] Stickel, S. (1989). "The Timing of and Incentives for Annual Earnings Forecasts Near Interim Financial Report Releases." Journal of Accounting and Economics 11, 275-292.

[38] Tasker, S., (1998)." Technology Company Conference Calls: A Small Sample Study." Journal of Financial Statement Analysis, 4, 6-14.

[39] Womack, Kent L. (1996). "Do Brokerage Analysts' Recommendations Have Investment Value?" Journal of Finance 51, 137-167.

 

 

 


22 臺北科技大學學報第三十七之一期

 

 

 

投稿声明

  • ◇玛雅教育社区投稿中心并非该杂志社直接征稿!玛雅教育社区和国内数百家期刊杂志社有良好的合作关系,可以帮客户推荐论文发表!玛雅教育社区投稿特色:
  • ◆速度更快!价格更低!通过率更高!
  • ◆选择余地更大,有数百家期刊可供选择投稿
  • ◇玛雅教育社区仅此两个投稿邮箱:ecmaya@163.com (核心期刊投稿、硕博论文写作指导)ecmaya@126.com (非核心期刊投稿、职称小论文指导)投稿时邮件主题上注明您所投稿的刊物名称或刊物类别、要求发表时间等。
  • ◇玛雅教育社区QQ:1114595790 (全天服务)
  • ◇社区办公地址:湖南省长沙市麓山路146号

投稿流程

  • ◇玛雅教育社区杂志资源丰富,发表周期短,本着薄利多销的原则,希望长期合作。玛雅教育社区投稿流程如下:
  • 1.通过玛雅教育社区在线服务、电话、邮件等联系方式向玛雅教育社区说明您需要发表在什么级别、什么专业类别的期刊上,以及自己有无文章等信息。
  • 2.填写服务登记表。文章作者信息(姓名、电话、单位、邮编、详细联系地址、简介。 简介格式:姓名,(19**),性别,**省**市 (籍贯),(职称),博士(学历),研究方向:****** 等作者信息发到我站信箱。
  • 3.预付30%代发费用定金,成功后补齐金额,如不成功,将退还给您。
  • 4.玛雅教育社区期刊编辑部审核通过后,告知发表的时间。
  • 5.收到录稿通知或电话查询后向玛雅教育社区交纳协商好的代发费用余额。
  • 6.杂志出版后,邮寄当期刊物1-2本。

社区承诺

  • 1.发表周期短:非核心期刊1-2个月发表,核心期刊2-5个月发表,部分核心期刊当月刊发。
  • 2.服务质量佳:重质守信,全程跟踪服务。
  • 3.发表费用低:不同期刊版面费不同,和同类机构相比,价格最低。
  • 4.期刊保证:合作期刊均是经国家新闻出版署批准,具有CN刊号和ISSN刊号公开出版的期刊,香港刊号、非法刊物等一概不予推荐,绝对保证作者权益不受侵害。
  • 5.成功保证:本站论文一经推荐,确保稿件发表成功;若某一刊物出现变故,本站将推荐至其它同类期刊,直至媒体成功刊发。
  • 6.保密协议:我们完全保守用户资料及稿件秘密,不会泄露给任何第三方。让我们用诚信、专业、负责的服务,使作者省心、放心、舒心,集中精力于专业工作,共创双赢。