學位論文
Permanent URI for this collection
Browse
Recent Submissions
1 - 5 of 247
-
Item探討發問問題對品牌愛之影響:以認知需求為調節變數( 2022)本研究旨在闡釋消費者針對品牌發問後,該行為相映於品牌愛之影響;並進一步探討消費者個人之認知需求於其中扮演之調節作用。近年學者愈加重視品牌愛所代表之正向效益與永續性,然先前文獻多著墨於品牌愛本身之定義與所創造之重要後果,卻較少探索引發消費者品牌愛之前因。故而本文以消費者學習及喜愛-動機迴圈系統為理論基礎,重新解構消費者發問之重要性,並設計兩項實驗以操弄消費者發問之質(深度)與量(廣度),透過實驗分析證實問的問題得越多、越深,便會產生越高的品牌愛;同時驗證了個人認知需求越高,亦將放大發問對品牌愛的影響效力。此外,發問的深度在實驗結果顯示比發問的數量更能增添品牌愛。因此本文顛覆傳統視顧客提問為負擔之觀念,於學術上開創發問行為之新構面,更奠定品牌經營實務中妥善因應消費者發問之重要性,承先啟後增進消費者問答之研究洞悉與實踐應用。關鍵字: 發問問題、品牌愛、認知需求、消費者學習
-
Item股吧投資專家對分析師盈餘預測時間點影響之探究( 2021)證券分析師在證券市場中扮演資訊搜集和傳遞的角色,並能夠運用自身專業知識與能力提供研究報告。近年來上海證券交易所及深圳證券交易所快速發展,分析師的研究報告逐漸受到機構投資人和個別投資人重視,成為其執行投資策略的重要參考依據。隨著中國的網際網路普及率提高,許多投資專家開始於網路投資平台「股吧」發表自己的投資觀點和對公司的看法,投資人可以從股吧上獲得相關資訊,使得分析師產生來自於股吧投資專家的競爭壓力與威脅。本研究目的係檢視具有影響力的投資專家於股吧發表意見,是否會使追蹤相同公司的分析師傾向即時地修正盈餘預測。實證結果顯示,在2017年和2018年,相較於缺乏有影響力股吧投資專家發表看法的公司,有影響力股吧專家發表意見的公司,分析師盈餘預測修正次數顯著較高。此外,實證結果顯示,具影響力的股吧專家對公司發表看法並未使分析師即時修正盈餘預測。
-
Item股票報酬率與外資買賣超之動態關係-以蘋果供應鏈為例( 2021)隨著近年來國際上許多智慧型商品的出現,台灣許多產業受到外資關注的程度逐漸提升,台灣身為淺碟的海島經濟體,有許多資源與技術需要尋求與外國的合作,隨著早年對外資的限制到現在的開放,外資在台灣也擁有越來越大的影響能力,且加上近年來蘋果公司市值屢創新高,身為產業鏈重鎮的經濟體更是受到許多國外資金的關注。本文以蘋果公司所公佈之2014年至2018年之五年200大供應商名單為依據,並從其中選取來自台灣上市市場中的供應商,以簡單平均與市值加權平均方式建立供應商報酬率,並使用時間序列VAR模型分析其與外資買賣和蘋果公司報酬率之間的動態關係,在外資方面設為兩種模型,其一為將外資買賣分為兩個變數(外資買進金額與外資賣出金額),其二為將變數設為一外資買賣超,此外並比較依據使用本文名單建立之供應商基金與台灣加權股價指數之間的表現。實證上發現,不管是在任何模型中,當期蘋果公司之報酬率對於供應商報酬率和外資買賣超,皆有正向且顯著之相關,而其他模型得出結果如下:外資分為外資買入金額(FB)與外資賣出金額(FS) 1. 簡單平均報酬率-前一期之FB對於當期之FB有顯著且正向之影響,而前一期之FS對當期之FS有顯著之正向影響。 2. 市值加權平均報酬率-前第五期之FB對於當期之FB與FS皆有顯著且正向之影響但對於報酬率為顯著負向影響,而前第四期FS對於當期之FB與FS也具有顯著且正向之影響,此外前第四期之報酬率對於FS具有顯著之正向影響。 外資為外資買賣超一變數(F) 1. 簡單平均報酬率-當期蘋果公司之報酬率對於簡單平均報酬率和外資買賣超皆有顯著正向影響,而上一期之外資買賣超對於簡單平均報酬率為顯著正向影響。 2. 市值加權平均報酬率-前第二期與前第三期買資買賣超對當期本身具有正向且顯著之影響,前第四期報酬率對於當期之外資買賣超,具有顯著之負向影響。
-
Item
-
Item多層次嵌套資料加權估計策略之比較研究:以TALIS資料庫為例( 2021)調查研究需仰賴嚴謹的抽樣設計使樣本反應母體的狀況,若研究者使用分層抽樣使得資料帶有嵌套特性,採用多層次模型(multi-level modeling, MLM)能夠就個體與總體不同層次的數據進行整合分析。當多層次模型考慮到加權議題時,樣本除了其個體層加權,會因其歸屬的組別(顯性或隱性分層變數)而再次調整權重,進一步地影響估計結果。為探討加權在階層模型係數估計議題,本研究使用經濟合作暨發展組織(OECD)主導的教學與學習國際調查(Teaching and Learning International Survey, TALIS)探討估計法、加權以及樣本規模對係數估計之影響。TALIS資料庫的抽樣設計為二階段抽樣法,台灣於2018年所參與的調查工作共抽取553所學校(含高中、國中及國小,總體層次),共10,129名教師(個體層)。本研究採用國小部分資料(200所學校與3,494名教師)進行多層次分析。為了瞭解樣本規模的影響,本研究依據TALIS分層抽樣的顯性分層(公私立別、城鄉別),設計五種樣本規模(200、150、100、50與20)。基於工作壓力模式,在個體層次至入教職定向、壓力指數兩變數;總體層次至入學校公私立別、城鄉別(都市、市鎮與鄉村),解釋國小教師產生教職退縮(後悔從事教職)的多層次模型。另外,由於依變數為Likert五點量表,估計法以適合數值為量尺型態的MLR與WLSMV,並設置使用加權估計與不使用加權估計兩種設定。在五種樣本規模下,透過MLR與WLSMV反覆10次估計個體層與總體層係數,藉由反覆估計平均數與變異數,對照使用加權與未使用加權的係數估計結果。 研究結果顯示在樣本量充足的情況下(150所學校與100所),MLR與WLSMV兩種估計法在加權與未加權情況下的參數估計表現皆穩定,但WLSMV的參數估計數值普遍大於MLR估計數值約1.5至2倍,以及WLSMV估計法的標準誤明顯比MLR小,所以有著較好的檢定力,因此WLSMV會比MLR更適合被使用在依變數為分類變數的研究。不過當樣本不足時,兩種估計法在總體層次係數估計皆出現過度校正的情況,但在使用加權估計的情況下,過度校正的次數較少發生。在比較加權估計與未加權估計方面,本研究結果發現加權會降低估計的穩定度,但同時也會減少總體層級變數的估計偏誤度,因此在小樣本下層級係數雖有負數的估計結果,但仍能透過加權減少估計法過度修正的情況。綜合本研究分析結果,認為加權估計雖會降低總體係數估計精準度,但會提升係數估計的標準誤,使得估計較不穩定。因此建議研究者建立加權估計對照組以及使用不同估計法多方比較加權對係數估計之影響。