模型建構與研究方法 - 研究設計 - 跨界投資與在地再投資區位選擇研究

第三章研究設計

第二節模型建構與研究方法

國

立政治大學

‧

N a tio na

l C h engchi U ni ve rs it y

第二節 模型建構與研究方法

基於前述的文獻與理論基礎的回顧及研究假說的建立，本研究為探討台灣製造業企業集團的區位選擇結果及影響因素，擬以量化研究方法進行驗證，故從企業總部、跨界投資及在地再投資三個部分選擇適當的研究方法並建構實證模型，以下分別論述之。

一、企業總部部分 (一)模型建構

由前述的理論和文獻的回顧整理可以發現，企業總部的區位選擇受到本身的功能（ Hayter,1997 ；黃名義， 2001 ；何思穎， 2002 ）、跨界治理能力 (Daneils,1998； Kanter,1995；楊友仁、夏鑄九，2005）和企業的屬性(Rugman and Verbeke,2005；洪翊晟，1999；黃名義，2001）等企業總部特性的影響，因而傾向集中在首都或都會區（ Healey and Llbery,1990 ； Jakobsen and Onsager,2005；Ley and Hutton,1987；Shilton and Webb,1995）並且與生產性服務業（ Sassen,2002 ；金家禾， 1999 ；林德福、劉昭吟， 2002 ）和創新氛圍

（Fritsch,2002；Hayter,1997；Vedovello,1998）等區位因素的存在與否密切相關，為了驗證前述提出的假說，本文建構了三個模型，模型一為探討企業總部特性如何影響企業在首都與非首都地區設立總部的區位選擇行為；模型二則延續第一部份之分析，探討企業在都會區與非都會區設立總部的區位選擇；模型三則進一步利用集群分析的結果，探討生產性服務業和創新氛圍等區位因素如何影響企業總部的區位選擇。

(二)研究方法

線性迴歸模型在定量分析的相關研究上已獲得廣泛應用，本文探討台灣製造業企業集團總部的區位選擇行為及影響區位選擇的因素，由於企業投資區位選擇行為涉及企業本身屬性與區位屬性兩者間的互動關係，前者指企業本身的條件與能力，後者則是地區所擁有的優勢。故本文分別將區位選擇結果分為「首都」及「非首都」、「都會區」及「非都會區」二個選項，在應變數為二元類別變數情況下，以二元羅卲特（Binary Logit Model）為模型進行分析。而本研究的另一個主要目的，乃是利用客觀的計量方法找出吸引企業總部設置的區位條件，根據生產性服務業及創新氛圍等指標進行相同屬性歸集在各個群體之中，

使得在同一個集群內的事物都具有相同的特性，而在不同的集群之間卻有顯著的差異性，以探討影響企業總部選擇的區位因素。因此在研究方法上，採用集群分析（Cluster Analysis）方法分類後，進一步透過 Logit 迴歸實證分析，觀察

‧

則較容易有偏誤產生（Aldrich and Nelson,1984）。

另外，在模式校估方面，整體模型配適度的檢定方法有 Pearsonχ²、 Hosmoer＆Lemeshow 檢定法和 Omnibus 的卡方值檢定(吳明隆，2008)， Pearson χ² 檢定表示當χ² 值達顯著水準，則投入的預測變項中至少有一個預測變項能有效預測樣本在結果變項的機率值，而 Hosmoer＆Lemeshow 檢定則是當檢定值

‧ 國

立政治大學

‧

N a tio na

l C h engchi U ni ve rs it y

未達顯著水準時，表示整體模型的配適度佳；Omnibus 的卡方值檢定則是當卡方值越大時越會達到顯著水準，當其檢定值達到顯著水準，表示模型的整體配適度良好。

而個別參數的檢定則常用 Wald 卡方統計量檢定和概似比指標（Likelihood ratio index）來進行，當 Wald 檢定值達到顯著水準，則表示該預測變項與結果變項有顯著的關連性，可以有效預測觀察值在結果變項的機率值。而概似比檢定係以概似比指標^²來衡量，其公式如下：

其中，

⁽ ⁾





L* 為估計值



 所代表的概似函數對數值；^L^*

⁽⁰⁾

為當



=0 時的概似函數對數值，



²值介於 0 與 1 中間，當值越高，表示模式的配適度越高。

2.集群分析

集群分析（Cluster Analysis）係根據一組準則變數（Criteria Variables），將 N 個個案集成 I 個群別的統計方法，其中 I≦N。個案之間可能彼此相似，也可能完全不像；集群分析係將相似的個案集成一群，而將不相似的個案分成不同群。個案的相似與否，乃取決在個案在 J 個準則變數之表現，即觀察值。若以幾何角度來看，則 J 個準則變數可視為 J 個維度（Dimensions），構成一個 J 度空間。個案根據其觀察值，坐落於 J 度空間，其中位置相近者視為相似個案，

應集成一群；位置分得很開者視為不相似的個案，應分成不同群。

集群分析之相依關係是指 N 個個案縮減為 I 個群別之關係，如下所示：

其中 On=[yn1、yn2‧‧‧ynp]，即第 n 個個案之觀察值向量，n=1, 2,…….., N；yNJ=第 n 個個案在第 j 個準則變數上之觀察值；Ci=集群分析後第 i 個群別，

i=1, 2, ……, I，I≦N。

I 個群別（C1, C2, ….., CI）是集群之結果，無法由直接觀察得之。

集群分析方法分成層次集群法（Hierarchical Cluster Method）及非層次式集

(0)

) - (

1 L L



 



‧ 國

立政治大學

‧

N a tio na

l C h engchi U ni ve rs it y

群法（None-Hierarchical Cluster Method）。

所謂層次式集群法（Hierarchical Cluster Method），乃先視 N 個個案為 N 個群別，再重複地將距離相近者集成一群，直到所有個案併入同一個集群為止。

此一集群的過程是一連串重複的集群步驟，包括距離矩陣、將距離最近個案或群集成一群、重新計算新的距離矩陣…等，步驟一直重複下去。在集群的過程中，個案一旦被併入某集群後，即不再脫離該集群；隨著一層層重複的集群過程，群數會越來越少，群內個案數會越來越多。

非層次式集群法（None-Hierarchical Cluster Method）係將 N 個個案集成數個群別，並非集成一大群。非層次集群法必頇事前決定群數，以 K 均值法為最常見。所謂 K 均值法（K-Means Methods），係令個案集成 K 個群別，根據各群之種子點反覆求解個案之所屬群別。群數（K）之大小係由研究者自行主觀決定；各群之種子點相當於各群之中心點。K 均值法之集群原則是將個案分派至距離最短的群別；個案至各群之距離則相當於至各種子點之距離（周文賢，

2002）。

周文賢（2002）即針對層次式集群法與非層次集群法兩者之適用情況進行說明，其指出階層式集群法在集群的過程中，N 個個案逐次合併成一個大群，其過程可繪製成一樹狀圖，群數可事後再決定。該方法較適用於小樣本之集群，

樹狀圖可清楚顯示集群之過程。然而，若樣本個案過多，則產生之樹狀圖則將複雜而難以辨識。因此，層次式集群法較偏重於理論的瞭解，實務上並不常用。

不論是層次式或非層次式集群法，都面臨決定集群數（I）之問題。在決定群數的時候，立方集群準則（CCC, Cubic Clustering Criterion）認為最大 CCC 值對應之群數是相對最適群。CCC 值是集群數（I）之函數，隨著集群數之不同，

CCC 值亦會隨之不同。

非層次集群法則是事先決定群數，完成一次集群僅能得到一個 CCC 值，故研究者必頇嘗詴不同的集群數，才能取得各自對應之 CCC 值，進一步決定相對最適集群數。實務上，最適集群數大多介於三群至十群之間。

二、跨界投資部分 (一)模型建構

由前述的文獻和理論回顧可以得到，投資經驗、產業類別、企業規模、投資時間等廠商本身的特性 (Davidson,1980 ； Johanson and Vahlne,1977 ；

‧ 國

立政治大學

‧

N a tio na

l C h engchi U ni ve rs it y

Harrigan,1995；Daniels,1998；Jiang,2005)和市場規模、勞力成本、產業聚集等區位條件（ Chidlow et al.,2009 ； Barry and Walsh,2008 ； Billington,1999 ； Blomstrom and Lipsey,1991；Disdier and Mayer,2004；Ferdows,1997；Head and Mayer,2004；Kravis and Lipsey,1982；Lansbury et al,1996；Levinson,1996)均會影響 MNE 的區位選擇，而且政府所推行的各項政策亦會影響 FDI 的投資意願 (Basile et al.,2008；Chidlow et al.,2009；Lin,2010)，因此，MNE 的區位選擇結果顯然受到廠商本身特性與區位條件因素的影響，為了驗證前述提出的假說，本研究除了將母國與被投資國同時納入考量外，並結合 MNE 組織特性和區域條件二個面向，建構了三個形式的模型，模式一是以組織特性為自變數，區位選擇為因變數，模式二是以區位條件變數為自變數，區位選擇為因變數的結果，模式三則結合企業特性變數及區位條件變數一併探討區位選擇的結果。

(二)研究方法

本研究之實證模型主要探討影響企業集團在中國與台灣地區投資布局因素，影響變數分為兩大類：廠商變數與地區變數。前者指廠商本身的條件與能力，後者則為地區擁有之優勢，從這兩大類變數中，找尋何種變數對於廠商投資設廠時為重要考量，其影響為何？以台灣及中國之四大區域為替選方案，假設這些替選方案間相互獨立，即四大區域為相互獨立之選擇方案，而廠商在考量投資區位時，會比較各替選方案間區位屬性，經濟屬性、社會屬性等因素，

同時也會考慮本身能力因素，選取對本身有最大效用之區位進行投資，因此，

本研究採用個體選擇模式中的多項羅卲特模型（Multinomial logit），透過上述變數來觀察影響廠商選擇區位的因素與程度。

1.多項羅卲特模式

羅卲特模式中的多項羅卲特模式（Multinomial logit, MNL），其理論基礎源於經濟學之消費者行為與心理學之選擇行為。消費者行為的個體選擇模式以效用函數為出發點，假設消費者面對各種可選擇之替選方案時，在考量個人偏好、各種方案特性與社會經濟特性下，將以追求效用最大化為目標，在各替選方案中選擇效用最大者。羅卲特選擇模式即以此行為假設為基礎，當消費者 t 在面對 Jt 種替選方案時，若且惟若：

U

^it

^

^{j t}

^j ^ A

^j ^ ⁱ

其中

U

^it：替選方案 i 所能帶給 t 這個人的效用；

‧ 國

立政治大學

‧

N a tio na

l C h engchi U ni ve rs it y

A

^t：（1,2,3,....Jt）為 t 這個人所能選的替選方案之集合效用函數

U

^it又可用兩種變數表示：

U

^it

^

^（

Z

^it^,

S

^t^）

其中

Z

^it：替選方案 i 對 t 此人之屬性向量；

S

^t：t 此人之社會經濟特性向量

一般而言皆假定效用函數

U

^it為隨機變數，因為效用函數中經常存在一些不可衡量的部份，這些不可衡量部分有時包括衡量誤差（measurement error）與函數指定誤差（specification error）。所以隨機效用函數

U

^it可用效用之可衡量部份 V

（

Z

^it^,

S

^t）與效用之不可衡量部份



（

Z

^it^,

S

^t）表示之。

Ｕ（

Z

^it^,

S

^t_）＝Ｖ（

Z

^it^,

S

^t_）＋

^

_（

Z

^it^,

S

^t_）

為了方便貣見，一般皆假定效用函數為線性，因此前式可改寫為

it it t

X

U ^ ^ ^ ^ ^

其中

X

^it：k×1 的解釋變數（應包括

Z

^it_與

S

^t）之向量，此乃對個人 t 及替選方案 i 而言；



^t：個人 t 的 k×1 之係數向量；



^it：誤差項

若將



^t表示為帄均值



與離差



^t之和並代入則可得到

若將



^t表示為帄均值



與離差



^t之和並代入則可得到

在文檔中跨界投資與在地再投資區位選擇研究 - 政大學術集成 (頁 57-68)

模型建構與研究方法

第三章 研究設計

第二節 模型建構與研究方法

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

‧

‧

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

( )





(0)





(0)

) - (

1

L L

 



‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

U

U



j  A

j  i

U

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

A

U

U

U



Z

S

Z

S

U

U

Z

S



Z

S

Z

S

Z

S



Z

S

X

U     

X

Z

S









第三章研究設計

第二節模型建構與研究方法

立政治大學

立政治大學

⁽ ⁾

⁽⁰⁾

立政治大學

立政治大學

^

^j ^ A

^j ^ ⁱ

立政治大學

^

^

U ^ ^ ^ ^ ^