第五章 模型設定
第二節 Multinomial Logit Model
𝑗=1
)
在取自然對數得
ln prob(𝑦𝑖 = 1)
1 − prob(𝑦𝑖 = 0)= 𝜆 + ∑ 𝛼𝑗𝜒𝑖𝑗
𝑛
𝑗=1
最後在以最大概似法求解，即可求出估計變數的係數。實證模型以下方表示 ln prob(ent2i=1)
1-prob(ent2i=0)= β0+β1ethnic+β2agesqri+β3femalexi+β4ownchildxi +β5famincxi+β6educxi+β7zatii+𝜀𝑖
i: 個人
第二節、Multinomial logit model
Multinomial logit model 的模型基礎與 Logit model 相同，差別僅在於該 模型的被解釋變數（可能發生的事件）有至少兩個以上可能發生的事件，
所以模型在估計上會以事件均沒發生的情況作為参照组（Base outcome），
再估計解釋變數對各別事件發生的機率相對於事件都沒發生的機率之比值 的影響，因此事件發生有N 種可能性，則模型就會有 N 組對應的估計結 果。
第四章、結果
第一節、個人背景變數選擇原因
本節將解釋個人背景變數加入的原因並對預想的結果進行說明。模型的解 釋變數分別為年齡平方項（agesqr）、性別（female）、小孩個數（ownchild）、家 庭所得（faminc）、教育程度（educ）、個人工作任務抽象程度（zati），種族
（ethnic），再加上性別與教育程度和種族的交乘項。年齡的使用主要是想要代 表一個成年人其工作的經驗價值，但本文認為由於工作所獲得的經驗價值並非 隨著工作時間呈現線性的成長，而是曲線性的上升，因此便以年齡的平方項作 為隨著工作時間增加所獲取的經驗價值。在變數的預測上會認為工作經驗價值 的提升能讓工作者對自身的工作領域有更深的了解，故也更加可能會希望透過 創業一展長才。性別的使用則無法給出一個單一的解釋，主要是因為性別的影 響可能來自於不同種族文化的觀念所產生的刻板映像或性別歧視，Norma ＆ Valerie（1988）就曾指出男性在就業的選擇上比較考慮社經地位;女性則考慮更 多家庭和個人的因素，而Storey（2004）透過微型和小型的企業貸款資料指出 若管理者為非裔和女性，則該企業獲得貸款的機率就會比其他企業更低。所以 雖然本文無法給出一個明確的解釋，但這不會改變性別可能是影響創業行為的 重要因素之一。至於本文對小孩個數的猜想則認為由於創業是具有相當風險的 經濟行為，所以小孩數量越多，父母風險趨避程度會越高，因此選擇創業的機 率也就越低。 而家庭所得則是為了觀察是否會出現家庭所得越低創業發生機率 越高的情形，以判斷特定人力資本需求下的產業之個人平均而言傾向於為了生 存才創業，還是發現商機才選擇創業。教育程度的部分則是為了觀察受教育的 時間是否對創業的啟發有所影響，而職務的工作任務抽象程度也是想觀察個人 在自身工作產業當中，若個人的工作內容比起他人更需要動腦做決策而不是做 常規性的工作，則是否會更容易對創業產生啟發。
第二節、實證結果
本節透過個人背景資料以Multinomial logit model 進行實證分析並將美國州 地區和年份作為控制變數，實證結果顯示於表4。下述以不同人力資本需求的 角度觀察實證結果，並分別作估計上的解釋。
實證研究發現在人力資本需求低的產業中創業，非裔（Black）和拉丁裔
（Hispanic）相對於亞裔民族而言，在其他條件不變下平均的創業機率較低，而 白人（White）則無顯著差異，這說明了種族之間在創業行為上是存在差異性 的，這個部分可能來自於非個人背景的種族特徵，像是種族地位、種族數量和 種族的資金獲取能力等因素。而工作經驗價值（agesqr）的部分估計上為正向 且對創業行為有顯著影響，這表示個人工作經驗價值累積的越多（工作年長越 長），越可能在人力資本需求低的產業中創業。性別（female）方面女性的創業 機率較低，且黑人女性在其他條件不變下，平均而言比其他種族（亞裔、非 裔、拉丁裔和白人）創業機率更低，這與Storey（2004）的結論相互連結，該 學者認為非裔和女性的管理者在取得企業貸款方面相較其他人更為困難，因此 本文認為這一因素可能反映在非裔女性的創業意願上，進而降低了非裔女性的 創業比例。小孩個數（ownchild）的估計則呈現正向顯著，這與本文事先的猜 想有所不同，可能的原因是創業並不見得全是為了錢，有一部份的原因可能是 希望工作時間能更加彈性，能有時間照顧好自己的家庭。從家庭所得（fam-inc）的估計結果中發現，其他條件不變下，在人力資本需求低的產業中創業，
平均而言家庭所得越高創業發生的機率就越低，這與本文事先的猜想相同，因 為在人力資本需求低的產業中創業，大部分的人可能是因為生存才選擇創業，
並非發現有利可圖的商業機會，所以平均而言才會造成負向的估計結果。至於 教育程度（educ）方面卻顯示負向顯著，這代表教育程度越低的個人，在人力 資本需求低的產業創業的可能性會為越高，此一結果也說明了創業並非屬於高 知識份子的專利，但由此也可以知道會選擇在此類產業創業的個人其教育程度
普遍較低，然而這種結果對產業內的創新並非好事，或許政府能藉由引進高創 新能力的技術團隊或管理者來幫助此類產業，並提升產業內創新上的發展能 力。另外，相對於亞裔而言，非裔、拉丁裔和白人在創業行為上受教育的影響 較小，但平均而言教育程度越低，創業發生的機率還是會越高。最後在工作任 務抽象程度方面，實證結果跟預期相同，若原本工作任務抽象程度在自身所屬 產業相對較高，則越能深入了解該產業的特性，因此較容易對創業產生啟發，
這一結果也與Shane(2000)與 Nanda ＆ Sorensen（2010）的研究結果相呼應，
學者們發現過去的工作經驗能夠幫助創業，像是曾經待過生產線的員工可能在 工作過程中對製程效率的改善有更多創新的想法，而當過業務的人比起經營者 可能對消費者的喜好有更深的了解。
在人力資本需求中的產業族群，其工作經驗價值、小孩個數和工作任務抽 象程度對創業行為的估計結果的正負均和人力資本需求低的產業相同，但小孩 個數和工作任務抽象程度對創業的影響程度隨著人力資本需求的提升而下降。
另外，種族的影響效果也發生改變，在其他條件不變下，平均而言拉丁裔創業 機率比亞裔、非裔和白人還高，其它三者則無明顯差異。性別方面一樣是男性 創業機率高，但由性別和種族的交乘項可發現，在人力資本需求中的產業創 業，從原本黑人女性變為拉丁裔女性創業機率較另外三個種族低。而前述的兩 個變化可能來自於創業產業的改變，影響了整體產業的特徵，像是產業的種族 結構和產業特性等因素。而家庭所得方面，從人力資本需求低到人力資本需求 中的產業，其估計結果從負向轉為正向，這也跟前述小孩個數的結果加以呼 應，這顯示了隨著人力資本需求的提高，創業已不再是為求生存的避風港，而 是競爭激烈的決鬥場，所以過去的家庭所得便成為承擔創業風險的重要支柱，
且創業者比起人力資本需求低的產業更需要將大量時間花在創業事業上，因此 相對於人力資本需求低的產業，其影響幅度就大幅降低。至於教育程度的影 響，亞裔、黑人和白人在係數估計上均無顯著差異，但拉丁裔透過交乘項的修
正使教育程度對創業的影響呈現負向結果。最後值得一提的是，因為在處理工 作任務抽象程度資料時，本文使用自身產業的平均數和標準差對其進行標準化 的程序，所以該值的結果是一種相對的概念，比較不會受到人力資本需求不同 的影響，故從實證結果可知在此類的產業創業，工作任務抽象程度同樣會對創 業帶來啟發價值。
在人力資本需求高的部分，平均而言，在其他條件不變下，黑人、拉丁裔 和白人創業機率均低於亞裔種族，而工作經驗價值、小孩個數和工作任務抽象 程度的影響方向還是與前兩類的產業群相同，然而從估計結果中可以發現工作 經驗價值和工作任務抽象程度的影響隨著人力資本需求的提高而增加，這說明 了想在較高人力資本需求的產業中創業，累積工作經驗和選擇自身所屬產業較 核心的職務能夠有效幫助創業的啟發。至於性別方面，亞裔和拉丁裔在估計上 並無顯著差異，而非裔與白人依舊是男性創業機率比較高。另一方面比較特別 的是性別在亞裔種族上出現了反轉，從原來男性創業機率高轉變為女性更可能 創業，雖然性別在影響程度上有隨著人力資本提高而降低的趨勢，然而這不能 改變亞裔女性在高人力資本需求產業創業的重要性有所提升的事實。在家庭所 得方面則順應著中人力資本需求產業的反轉 ，變數影響力也隨之上升。最後教 育程度的部分結果比較特別，教育程度在估計上影響是不顯著的，但若種族為 黑人、拉丁裔和白人則估計結果依舊為顯著正向。
表 4 : 實證結果
Multinomial logit model
解釋變數 低人力資本需求產業 中人力資本需求產業 高人力資本需求產業 cons -1.4995 (.2948) *** -5.9498 (.3758) *** -5.46048 (.3130) ***
Black -.8873 (.3771) ** .0017 (.5053) -2.0188 (.4356) ***
Hispanic -.5529 (.3075) * .8141 (.4128) ** -2.8495 (.3824) ***
White -.2489 (.2915) -.1560 (.3730) -1.7837 (.3090) ***
agesqr .0001 (.0000) *** .0001 (.0000) *** .0002 (.0000) ***
female -.4687 (.1084) *** -.3810 (.1085) *** 0.1942 (.0917) **
Black X female -.5458 (.1406) *** -.2067 (.1589) -0.4689 (.1352) ***
Hispanic X female -.0230 (.1215) -.4172 (.1444) *** -0.0048 (.1294)
White X female -.1391 (.1117) -.1526 (.1135) -0.2134 (.0955) **
ownchild .12475 (.0097) *** .0678 (.0133) *** 0.0744 (.0119) ***
faminc -4.16e-06 (2.86e-07) *** 9.11e-07 (3.22e-07) *** 2.90e-06 (2.69e-07) ***
educ -.1953 (.0203) *** .0663 (.0229) *** .0042 (.0189)
Black X educ .0665 (.0279) ** -.0273 (.0340) .1224 (.0287) ***
Hispanic X educ .0626 (.0229) *** -.0696 (.0281) ** .1638 (.0256) ***
White X educ .0351 (.0210) * .0089 (.0238) .1233 (.0198) ***
zati .1217 (.0106) *** .0459 (.0139) *** .1408 (.0106) ***
Note: 括弧內為標準差，***P<0.01,**P<0.05,*P<0.1
第五章、結論與建議
參考文獻
1. Alter A., 2009, “Estimating the Return to Organizational Form in the California Venture Capital Industry.” , Job Market Paper
2. Akerlof G. A., 1970, “The Market for Lemons：Quality Uncertainty and the Market Mechanism.”, Quarterly Journal of Economics 84(3)：488-500.
3. Farouk A. and Ikram A., 2014, “The Influence of Individual Factors on The En-trepreneurial Intention”, International Journal of Managing Value and Supply Chains, 5(4): 47-57
4. Barnea A. and Guedj I., 2007, “Director Networks and Firm Governance” Work-ing Paper
5. Bernhardt D. and Krasa S., 2008, “A Quantitative Theory of Venture Capital”
Working paper
6. Cohen L., Frazzini A., Malloy C., 2008, “The Small World of
6. Cohen L., Frazzini A., Malloy C., 2008, “The Small World of