模型分析

一、 相關性檢定

相關檢定是用來檢驗兩兩變數間的線性關係，當採用迴歸模型來做研究 時，如果變數間有很高的相關性，則會導致線性重合使得迴歸模型的解釋失 去精準度，並增加接受錯誤的虛無假設之機會，因此相關係過高的變數必須 予以剔除。Pearson 相關係數為進行基差分析最常用的相關分析，因此研究首 先針對個個變數做Pearson 相關係數分析。

本研究使用母公司成立時間與來台灣投資時間差距、文化差距、每人GDP 5 年平均成長率、母國FDI 5年平均成長率、1984年外資開放、進入前一年競爭者 家數變動率，總共6個變數來來分析，從表5-4的Pearson相關係數分析，並沒有發 現嚴重的相關性，也就是說變數間的相關性並不顯著，將變數帶入迴歸模型來檢 視，每個變數個別抽取也對模型的結果沒有顯著的影響，因此除去相關性的影 響，本模型的建立是符合統計假設。

59

表4-4 Pearson 相關係數

* Correlation is significant at the 0.05 level (2-tailed).

** Correlation is significant at the 0.01 level (2-tailed).

<表格內數字第一行為 Pearson correlation，第二行為顯著值>

母 公 司 成 立 時

60

二、 研究模型分析

表4-5 Omnibus 模式係數檢定

Omnibus Tests of Model Coefficients

Chi-square df Sig.

Step 1 Step 9.884 6 0.130

Block 9.884 6 0.130

Model 9.884 6 0.130

從上表的卡方檢定（Chi-square）檢視每一個步驟，本假設只有一個步驟，

故模式（Model）與區塊(Block)的卡方值相同。而卡方的sig.值為0.130接近顯著 水準，這表示加入模式的6變數對因變數（進入模式）有接近顯著水準的影響。

表4-6 模型解釋力分析

Model Summary

Step -2 Log likelihood Cox & Snell R

Square Nagelkerke R Square

1 31.497 0.273 0.371

在線性迴歸中，確定係數R²表示所有自變數與因變數解釋比例，而Logistic 模型的R²值以Cox & Snell R Square和 Nagelkerke R Square來表示，此兩種不同的 計算方式會產生不同的模型解釋力。目前logistic的模型解釋力在學術界上有許多 爭議，本研究以Nagelkerke R Square作為模型的R²值，因此由表5-6來看，本研究 模型的各變數對台灣廣告業的進入模式選擇的解釋能力為37.1%。

表4-7 分類表

Classification Table Predicted 進入模式 Observed

無經營權 具有經營 權

Percentage correct

無經營權 16 3 84.2

Step 1 進入模式

具有經營 權

4 8 66.7

Overall percentage 77.4

a. The cut value is 0.5

分類表的功用，是在解釋透過Logistic迴歸模型對觀察值的因變數進行估

61

計，檢查有多少觀察值能夠以此模型正確估計。 在SPSS的Logistic迴歸輸出觀察 值中，事件發生和不發生的觀察結果（observed）與估計結果(predicted)的交互表，

以及在這兩類中估計正確的百分比和整體的估計正確的百分比，SPSS根據某一 特定觀察值所計算出的Logistic迴歸模式的機率來分類。

由分類表顯示，本研究中的31個樣本，將其分類為無經營權與具有經營權，

而原本應屬無經營權的19個樣本有3個樣本被分類到具有經營權，分類正確率為 84.2%，而原屬於具有經營權的12樣本，有4個樣本被分類到無經營權，分類正確 率為66.7%，整體模型的分類正確率為77.4%。

表4-8 疊代過程

Iteration History Coefficients

Lteration -2 Log likeliho

od Constant X1 X2 X3 X4 X5 X6 1 31.997 0.376 -1.488 -0.004 14.606 0.044 1.466 0.374 2 31.510 0.194 -1.803 -0.006 19.664 0.035 1.821 0.370 3 31.497 0.156 -1.854 -0.007 20.658 0.021 1.870 0.322 4 31.497 0.155 -1.855 -0.007 20.684 0.020 1.872 0.319 Setp1

5 31.497 0.155 -1.855 -0.007 20.694 0.020 1.872 0.319 a. Method：entry

b. Constant is included in model c. Initial -2 Log likelihood：41.381

d. Estimation terminated at iteration number 5 because parameter estimates changed by less than 0.01 係數為-1.855、母公司成立時間與來台灣投資時間差距係數為-0.007、每人GDP 5 年平均成長率係數為20.694、母國FDI 5年平均成長率的係數為0.20、1984年外資 開放係數為1.872、進入前一年競爭變動率係數為0.319。

62

表4-9 Logistic 迴歸模型

Variable in the equation

B S.E. Wald df Sig. Exp(B)

文化差距 -1.855 0.876 4.486 1 0.034^** 0.156

母公司成立時間 與來台灣投資時 間差距

-0.007 0.016 0.186 1 0.667 0.993

每人GDP 5 年平 均成長率

20.694 11.741 3.107 1 0.078^* 971209110

母國FDI 5 年平 均成長率

0.020 0.510 0.001 1 0.969 1.020

1984 年外資開放 1.872 1.225 2.336 1 0.126 6.499

進入前一年競爭 者數量變動率

0.319 3.806 0.007 1 0.993 1.376

Step 1

Constant 0.155 2.047 0.006 1 0.940 1.168

a. Variable(s) entered on step 1 :文化差距、母公司成立時間與來台灣投資時間差距、每人GDP 5年平均成長率、母國FDI 5年平均成長率、

1984年外資開放、進入前一年競爭變動率 b. * Correlation is significant at the 0.10 level

** Correlation is significant at the 0.05 level

63

表 5-9 為整個迴歸模型係數與係數顯著值的分析，本表為在進行 SPSS 進行 logistic 迴歸時將所有變數均輸入模型中的結果，表中 B 為迴歸係數，S.E.為標準 誤，Wald 統計量是用來檢定迴歸係數顯著程度，Wald 檢定值越大，表示該自變 數的作用越明顯，df 為自由度，sig.為 p 值，Exp(B)為幕值亦可解釋回歸方程式 的意義。

由表中得知<文化差距>的係數為-1.855，顯著值為 0.034，表示變數為文差 距對模型有解釋能力，<母公司成立時間與來台灣投資時間差距>顯著值為 0.667，<母國 FDI 5 年平均成長率>顯著值為 0.969，非常不顯著，<1984 年外資 開放>顯著值為 0.126，很接近顯著水準，對模型有些許的解釋貢獻，<進入前一 年競爭變動率>顯著值為 0.993，非常不顯著，<每人 GDP 5 年平均成長率>顯著 值為0.78，在顯著水準的設定內，因此對模型亦有解釋能力。

由變數在迴歸方程式的迴歸係數表可以得到以下的公式：

（0.155（constant）

-1.855*文化差距

-0.007*母公司成立時間與來台灣投資時間差距 +20.694*每人 GDP 5 年平均成長率

+0.020*母國 FDI 5 年平均成長率 +1.872*1984 年外資開放

+0.319*進入前一年競爭變動率）

將樣本的各個變數數值帶入，所得的機率值大於0.5，表示有50%以上的機率 此樣本會採用具有經營權的進入模式，低於0.5，表示有50%以下的機率為具有經 營權的進入模式，也就是比較有可能採用非具有經營權的方式進入。

64