模型選定

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

電子產業的調整後工作經驗等變數為非定態資料，須對其進行一階差分後再次 進行追蹤資料單根檢定，以確定各變數成為定態序列，不會使迴歸結果失真。

下表 5.4 為進行一階差分後的單根檢定結果。由表中 ADF-FISHER 檢定及 IPS 檢定之結果顯示顯示，各變數在 95%的信心水準下，都拒絕單根檢定的虛無 假設，表示各變數在取一階差分之後已成為一定態之序列。這些變數都將使用 一階差分後的資料進行接下來的檢定與迴歸分析。

表 5.4 有單根之變數取一階差分後，單根檢定之結果

ADF-Fisher 檢定 IPS 檢定 變數名稱 檢定量 P 值 檢定量 P 值 資訊電子工業𝑒𝑥p 16.161 0.003*** -3.125 0.001***

全體製造業 123.972 0.000*** -17.343 0.000***

民生工業 14.305 0.026** -5.891 0.000***

化學工業 14.305 0.026** -5.891 0.000***

資訊電子工業 9.536 0.049** -4.810 0.000***

註：**、***分別表示在 5%、1%的信心水準下，達到顯著。

第三節 模型選定

依照第三章所介紹的模型選定程序，本節將進行迴歸模式的選定。我們將 式(4.3)與式(4.4)分別搭配不同產業之資料後，先進行 F 檢定確認樣本資料是 否存在個別效果，再以 LM 檢定確認截距項是否具隨機變數的性質。最後，如果 檢定結果顯示樣本資料同時適用固定效果模型與隨機效果模型，則採用

Hausman 檢定選定最適合該筆資料的實證模式。這些檢定量呈現於表 5.5 與表 5.6 之中。

表 5.5 為式(4.3)的 F 檢定、LM 檢定與 Hausman 檢定之結果。表 5.5 的第 一個部份為全體製造業樣本資料的各項檢定結果。在 F 檢定方面，其 F 統計量

‧

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

為 22.27，表示在 99%的信心水準下，拒絕適用混合迴歸模型的虛無假設，顯示 全體製造業資料存在個別效果。在 LM 檢定方面，其卡方檢定量為 288.61，表 示在 99%的信心水準下，拒絕適用混合迴歸模型的虛無假設，顯示全體製造業 資料之截距項具隨機變數之特性。最後，Hausman 檢定的卡方統計量為 3.10，

表示無法拒絕適用隨機效果模型較佳的虛無假設，亦即式(4.3)最適合全體製造 業資料的迴歸模型為隨機效果模型。

表 5.5 的第二個部份為民生工業樣本資料的各項檢定結果。在 F 檢定方 面，其 F 統計量為 11.62，表示在 99%的信心水準下，拒絕適用混合迴歸模型的 虛無假設，顯示民生工業資料存在個別效果。在 LM 檢定方面，其卡方檢定量為 124.87，表示在 99%的信心水準下，拒絕適用混合迴歸模型的虛無假設，顯示 民生工業資料之截距項具隨機變數之特性。最後，Hausman 檢定的卡方統計量 為 1.40，表示無法拒絕適用隨機效果模型較佳的虛無假設，亦即式(4.3)最適 合民生工業資料的迴歸模型為隨機效果模型。

表 5.5 的第三個部份為化學工業樣本資料的各項檢定結果。在 F 檢定方 面，其 F 統計量為 6.18，表示在 99%的信心水準下，拒絕適用混合迴歸模型的 虛無假設，顯示化學工業資料存在個別效果。在 LM 檢定方面，其卡方檢定量為 105.78，表示在 99%的信心水準下，拒絕適用混合迴歸模型的虛無假設，顯示 化學工業資料之截距項具隨機變數之特性。最後，Hausman 檢定的卡方統計量 為 1.57，表示無法拒絕適用隨機效果模型較佳的虛無假設，亦即式

(4.3)最適合化學工業資料的迴歸模型為隨機效果模型。

表 5.5 的最後一個部份為資訊電子工業樣本資料的各項檢定結果。在 F 檢 定方面，其 F 統計量為 5.37，表示在 99%的信心水準下，拒絕適用混合迴歸模 型的虛無假設，顯示資訊電子工業資料存在個別效果。在 LM 檢定方面，其卡方 檢定量為 0.00，表示無法拒絕適用混合迴歸模型的虛無假設，顯示資訊電子工 業資料之截距項不具隨機變數之特性。最後，Hausman 檢定的卡方統計量為 10.68，表示在 99%的信心水準下，拒絕適用隨機效果模型較佳的虛無假設，亦

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

即式(4.3)最適合資訊電子工業資料的迴歸模型為固定效果模型。

表 5.6 為式(4.4)的 F 檢定、LM 檢定與 Hausman 檢定之結果。表 5.6 的第 一個部份為全體製造業樣本資料的各項檢定結果。在 F 檢定方面，其 F 統計量 為 13.54，表示在 99%的信心水準下，拒絕適用混合迴歸模型的虛無假設，顯示 全體製造業資料存在個別效果。在 LM 檢定方面，其卡方檢定量為 247.53，表 示在 99%的信心水準下，拒絕適用混合迴歸模型的虛無假設，顯示全體製造業 資料之截距項具隨機變數之特性。最後，Hausman 檢定的卡方統計量為 1.57，

表示無法拒絕適用隨機效果模型較佳的虛無假設，亦即式(4.4)最適合全體製造 業資料的迴歸模型為隨機效果模型。

表 5.6 的第二個部份為民生工業樣本資料的各項檢定結果。在 F 檢定方 面，其 F 統計量為 2.57，表示在 90%的信心水準下拒絕適用混合迴歸模型的虛 無假設，顯示民生工業資料存在個別效果。在 LM 檢定方面，其卡方檢定量為 85.69，表示在 99%的信心水準下，拒絕適用混合迴歸模型的虛無假設，顯示民 生工業資料之截距項具隨機變數之特性。最後，Hausman 檢定的卡方統計量為 0.40，表示無法拒絕適用隨機效果模型較佳的虛無假設，亦即式(4.4)最適合民 生工業資料的迴歸模型為隨機效果模型。

表 5.6 的第三個部份為化學工業樣本資料的各項檢定結果。在 F 檢定方 面，其 F 統計量為 6.18，表示在 99%的信心水準下拒絕適用混合迴歸模型的虛 無假設，顯示化學工業資料存在個別效果。在 LM 檢定方面，其卡方檢定量為 105.09，表示在 99%的信心水準下，拒絕適用混合迴歸模型的虛無假設，顯示 化學工業資料之截距項具隨機變數之特性。最後，Hausman 檢定的卡方統計量 為 1.44，表示無法拒絕適用隨機效果模型較佳的虛無假設，亦即式(4.4)最適 合化學工業資料的迴歸模型為隨機效果模型。

表 5.6 的最後一個部份為資訊電子工業樣本資料的各項檢定結果。在 F 檢 定方面，其 F 統計量為 3.26，表示在 95%的信心水準下，拒絕適用混合迴歸模 型的虛無假設，顯示資訊電子工業資料存在個別效果。在 LM 檢定方面，其卡方

‧

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

檢定量為 0.00，表示無法拒絕適用混合迴歸模型的虛無假設，顯示資訊電子工 業資料之截距項不具隨機變數之特性。最後，Hausman 檢定的卡方統計量為 8.47，表示在 99%的信心水準下，拒絕適用隨機效果模型較佳的虛無假設，亦 即式(4.4)最適合資訊電子工業資料的迴歸模型為固定效果模型。

至此，模型選用的檢定告一段落，為求方便閱讀，將適合各產業資料用於 迴歸分析之計量模型整理至表 5.7 中。

表 5.7 各資料適用之模型整理

式(4.3) 式(4.4)

整體製造業 隨機效果模型 隨機效果模型

民生工業 隨機效果模型 隨機效果模型

化學工業 隨機效果模型 隨機效果模型

資訊電子工業 固定效果模型 固定效果模型

資料來源：作者自行整理