研究方法

本文依前述建立的實證模型進行多變量迴歸分析，第一部份研究企業 創新能力對企業經營績效的影響，第二部分研究企業經營績效是否受創 新能力與其他策略變數交互效果的影響。

本研究以棋盤式資料方法（Panel Data Method）作迴歸分析。本研究 以 t 檢定檢視迴歸係數是否具統計上的顯著不為零，以及判別係數

（adjusted R²）瞭解迴歸模式的解釋能力。此外，本研究以變異數膨脹因 素（variance inflation factor, VIF）檢驗迴歸模式中之自變數共線性的問 題，若 VIF 值小於 10 時，則共線性問題並不嚴重。之後，再以 White χ² 檢定檢查模式誤差項是否有顯著之異質變異數情形，若異質變異數情形 達顯著水準，將採 GLS 估計參數。

茲說明本研究所採用之研究方法如下：

1. 棋盤式資料方法（Panel Data Method）

本研究以棋盤式資料方法（panel data method）進行迴歸分析。棋 盤式資料方法假設每一家公司有其特殊之企業特質，各公司間的企業

fix ols fix

R R R

否為「一致不偏估計式」。

雖然固定與隨機效果模型均能求出估計值，但理論上仍有其差異 性，固定效果模型與隨機效果模型的選擇標準，雖然學者各有看法，

但大部分的學者採用下列兩項原則作為模型選擇的依據。

選擇之樣本有無透過「抽樣」過程原則：若廠商家數少，且選擇 樣本無透過抽樣過程，則應採用固定效果模型；若廠商家數 多，且選擇樣本透過抽樣過程，則應採用隨機效果模型。

依據 Hausman Test 來檢定誤差項與解釋變數有無相關性。

因本研究係針對台灣半導體封裝測試產業，樣本資料並未經過抽 樣選取，因此本研究採用固定效果模型，來進行實證分析。

2. 敘述性統計分析

針對本研究之研究變數做敘述性之統計分析，包括平均數、中位 數、標準差、最大值及最小值，俾能對台灣半導體封裝測試業者之基 本特性有大概之瞭解。

3. 相關性分析與共線性 (Multicollinearity) 檢定

在迴歸分析中，自變數彼此間若具高度相關，即表示自變數間存 在共線性的問題。此種現象將導致迴歸係數之變異數增加，進而可能 造成個別解釋變數在統計上都不顯著。因此，在建立迴歸模式時，必 須檢測自變數間是否存在共線性的問題。由於皮爾森 (Pearson) 積差 相關係數用於判斷變數間之相關情形，即使變數間呈顯著相關，亦不 表示一定存在共線性問題，仍有待進一步檢測。故本研究將採變異數 膨脹因子 (Variance Inflation Factor，簡稱 VIF) 來檢測模型中自變數 間之共線性程度，茲將 VIF 定義如下：

2

1

j 1

j

VIF = R

−

其中 R²_j 表第 j 個自變數對其餘自變數進行迴歸所得的判定係 數；當 VIF_j 大於 10，則表示自變數間存在高度共線性。

4. 異質變異數(Heteroscedasticity)檢定

β β

迴歸模型中，若殘差項變異數具有異質性，以普通最小平方法 (ordinary least squares, OLS) 估計，雖然估計值仍具不偏的特性，但未 必有效率性(efficiency)，不再是最佳線性不偏估計式(best linear unbiased estimator, B.L.U.E)，為了求母體參數的最佳估計式，則以一 般化最小平方法(generalized least squares, GLS)來估計。

事實上，大部分的資料是存在異質性的，因此在本研究中，以 White (1980) 檢定方法，檢查資料是否具異質性的現象。當 White χ² 值呈顯著性時，即表示有異質變異的問題產生，此時將採 GLS 估計 參數。