實證研究方法

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

- 49 -

第三節 實證研究方法

本研究主要使用的實證方法為計量經濟分析法。以計量經濟分析法檢 定有關於自變數（解釋變數）與因變數（被解釋變數）之間假設關係的跨 年期統計方法。

因本研究之因變數創新績效之測量指標為專利數，而廠商專利數的特 性具備間斷、非負整數以及差異極大的離散特性，故不適用傳統的線性模 型估計參數，而必須使用非線性或對數迴歸模型進行分析。參考相關實證 研究，卜瓦松模型與負二項模型為分析此種因變數時較常使用的模型。卜 瓦松模型必須符合因變數之平均數等於變異數的條件假設，即樣本無過度 離散特質；而負二項模型則允許樣本的變異數大於平均數，即樣本特質過 度離散，除此差異之外，此二模型的基本假設幾乎相同，分述如下：

一、 卜瓦松迴歸模型（Poisson Regression Model）

卜瓦松迴歸模型分為指數型與相乘型兩種，此種模型進行方式先以最 大概似法（Maximum Likelihood Estimation）估計參數，接著以概似比指標 (Likelihood Ratio Index)進行模型配適度的檢定。

下為此模型之機率密度函數：

Pr(y_i|x_i) =exp⁡（ − λi）λ_i^yi y_i!

y_i：條件次數

x_i：其他變數特性條件 λ_i：條件平均數

卜瓦松迴歸模型假設的無過度離散特性，即為：

E(y_i) = Var(y_i) = λ_i 卜瓦松迴歸模型常用函數型式為：

λ_i = λ(x_i, β) = exp(x_i, β) = log_e（x_i, β）

‧

二、 負二項迴歸模型（Negative Binomial Regression Model）

負二項迴歸模型是由卜瓦松迴歸模型推演而成，其假設與卜瓦松迴歸

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

- 51 -

度與效率的優點。

追蹤資料模型可分為固定效果模型（fixed effect model）與隨機效果模 性（random effect model），兩者的差異在於固定效果以固定截距代表模型 的不同結構，而截距項與解釋變數之間存在相關性，亦稱為共變數模型

（covariance model）；隨機效果則以隨機之截距來代表不同模型，故截距項 與解釋變數之間並無相關性，亦稱為誤差成分模型（error component model）。

固定效果與隨機效果兩種模型各有優劣，固定效果因使用虛擬變數進行估 計，因而自由度較低；隨機效果雖無此缺點，但需符合截距項與解釋變數 之間不相關的假設，一般最簡單的方法是樣本有無透過抽樣過程來分辨，

若樣本無透過抽樣過程選取或樣本即是母體，則採用固定效果模型；若樣 本透過抽樣過程選取，則採用隨機效果模型。

在模型配適度檢定方面，本研究以概似比指標(Likelihood Ratio Index) 進行模型解釋能力的檢定，表示將模型中的常數項排除後，其他變數的解 釋能力。

概似比指標ρ²的計算方式如下：

ρ² = 1 −Log⁡Likelihood(β)

Log⁡Likelihood(0)，0 ≤ ρ² ≤ 1

Log Likelihood(β)為有解釋變數時的概似函數；Log Likelihood(O)為僅 有常數項時的概似函數。概似比指標的值通常介於 0 到 1 之間，其值越大 表示模型的配適度越高，一般而言，0.1 以上則為可接受的模型；0.2 到 0.4 之間已有相當好的配適度，而 0.1 以下則為解釋能力不佳的模型，應予修 正。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

- 52 -

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

- 53 -