研究資料的來源

本研究相關構面之代理變項資料來源彙整如表 3-3，主要包括台 灣經濟新報社資料庫(Taiwain Economic Journal; TEJ)、各國專利資料 庫、專利檢索及分析軟體及公開年報等，由於本研究採縱貫面分析，

有歷史資料取得的考量，所有的變項衡量所需資料來源皆以企業公開 於外的資料為主，採用此公開資料庫型態資料作為分析基礎雖然受到 部分限制，但仍有主要有以下幾項優點(Singleton et al., 1993)：

1.便於進行跨年度之中長期企業研究，可避免一般企業研究採取問卷 發放模式，受訪者尚須回溯以往之企業營運活動所造成之填題失真 的情形發生。

2.利用公開資料可以避免問卷發放過程回應風險所產生之信度問題。

3.利用公開資料可避免問卷回收率過低的問題，並且較有可能以大樣 本進行研究。

知識內部創造能力的代理變項為研究發展，本指標係利用認列在 各公司製造費用或營業費用的細項下每年的研究發展支出之和去衡 量公司的「研發費用」。研究發展費用可由台灣經濟新報社出版的上 市公司資料庫查詢而得，若有遺漏或過於極端的資料，則經由查詢各 公司的財務年報及公開說明書，或直接向該公司查詢而加以補齊或訂 正。

知識外部取得能力的代理變項為授權及技術引進，包括技術直接 購買、技術合作或授權等，本研究以權利金與技術服務費用來衡量，

可由台灣經濟新報社的上市公司資料庫查詢而得，包括在製造費用與 營業費用下「權利金與技術服務費」科目之和，若有遺漏或過於極端 的資料，則經由查詢各公司的財務年報及公開說明書，或直接向該公

司查詢而加以補齊。

知識深化/整合能力及知識應用能力的代理變項指標，以專利引 用數據分析為主，知識保護能力的代理變項指標為「專利數」與「專 利地區」，資料來源分別從美國專利商標局(US Patent and Trademark Office; USPTO)的資料庫、中華民國專利公報資料庫、大陸的中國知 識產權局、日本專利資料庫及歐洲專利資料庫等來源取得，而台灣地 區、大陸地區的專利權檢索，分別為中文繁體字與中文簡體字，則直 接利用該地區專利權資料庫做檢索，其他資料庫分別以英文進行檢 索。由於專利需經認證機構公告使其具法律效力，在市場上才賦予獨 佔力，因此本研究搜尋專利的方式以「專利權人」為該公司予以檢索，

以專利的核准公告年度作為廠商獲取專利的時間，由此獲取該公司當 年度所獲得專利權的核准數目及專利地區。

而涉及專利引用的知識深化/整合能力及知識應用能力的各項代 理變項指標部分，本研究選擇美國專利商標局的資料庫當作研究資料 來源，主要原因有以下幾點：

1.目前全世界具有專利引用資料以美國專利商標局的專利資料庫為 主，其他各國專利資料庫大多無專利引證資料的紀錄，故涉及專利 引用數據的相關研究，均採用美國專利商標局的專利資料庫。

2.根據李淑貞(1996)針對我國半導體廠商專利訊息使用情形作調查，

發現國內半導體業者最常使用的專利資訊是美國專利資訊，佔八成 以上，其中最主要來源為美國專利資料庫佔49.1%，同時受惠於專 利軟體的開發，國內在研究台灣產業創新活動、專利品質等議題上 也逐漸以美國專利資料庫作為專利分析的資料來源。

3.Patel及Pavitt(1991)的研究指出，由於美國在國際市場的重要性，以 及在專利上提供較佳的保護，在科技發展上也領先全球，這使得就

算是非美國本土企業也會在美國註冊專利，以保護本身之智慧資 產。

由於每家公司專利資料非常眾多，尤其是專利引用數較為複雜，

不可能一個一個搜尋，所以有關專利引用需藉用專利搜尋軟體予以協 助。目前國內發展較好的專利搜尋軟體有Patent Guider 以及Patent Pilot，本研究利用上述兩個軟體作為檢索及分析工具。

以專利檢索暨分析軟體Patent Guider為例，這個軟體目前擁有全 世界七大專利資料庫之連線資料，包括本研究所需的美國專利局、中 華民國專利資訊網，以及歐盟專利資料庫等，而Patent Guider 在美國 專利局的資料檢索上，可取得專利號碼、日期、專利摘要、申請人、

發明人及專利分類號碼等資訊，而其中分析功能類別和其應用的意義 解釋如下：

1.專利件數分析：包括專利件數及技術循環時間，提供技術發展趨 勢，預測未來技術的興衰。

2.IPC分析：IPC技術分類分析，揭露重要的研發技術情報。

3.引用率分析：提供引用率相關數據分析。

4.雷達分析：利用專利引用族譜的概念，分解重要和基本的專利被引 用的資訊，可以得知在此技術領域內何者為重要的關鍵專利。

5.公司別分析：包括公司相互引用次數，歷年專利活動，可得到競爭 公司研發能力和投資技術的比較，快速掌握競爭公司的發展動態。

6.國家別分析：所屬國的專利分析，可得知某技術領域內之主要戰 場，以及目前各國專利技術的實力比較分析。

7.發明人分析：可得知某技術領域內之重要發明人，並掌握其動向和 做為尋找相關人才時的參考依據。

8.UPC分析：透過美國專利分類號進行技術分類，揭露重要的研發技

術情報。

在經營績效指標資料來源方面，本研究經營績效除了企業長期成 長指標Tobin’s Q 值為衡量變數外，亦加入短期經營績效之衡量指標 包括總資產報酬率(ROA)、股東權益報酬率 (ROE)、純益率(ROS)、

每股盈餘(EPS)等四種財務資訊。相關資料可由台灣經濟新報社的上 市公司資料庫查詢而得，若有遺漏或過於極端的資料，則經由查詢各 公司的財務年報及公開說明書，或直接向該公司查詢而加以補齊。

除了以上年度數據資料外，為便於分析廠商在研究時期不同階 段，所屬的知識管理能力群組的變動情形及所獲致的經營績效，本研 究以 IC 產業技術循環週期特性，三年的時間幅度為一研究期間，分 為二個階段，其中以 2002 年-2004 年為第一期，2005 年-2007 年為第 二期。為了避免數值上的偏誤，使得某一年份的變異資料過度影響研 究結果，本研究在每一期指標的數值均採取當期各年指標之算數平均 數的方式處理。

經由以上的探討得知，本研究各變項或指標之操作性定義所需相 關資料來源，均可透過各資料庫的檢索分析比對得到適當及正確的結 果，以利於進行後續分析。

表3-3 本研究相關變項之資料來源一覽表

表3-3 本研究相關變項之資料來源一覽表(續)

構面名稱 代理變項 操作性定義 資料來源

經營績效 (長期)

Tobin’s Q (年底普通股市價*普通 股在外發行股數+特別 股市場價值+流動負債

－流動資產＋長期負債) / 總資產的帳面價值

台灣經濟新報社 資料庫

資產報酬 率(ROA)

稅後淨利/ 平均資產總 額

台灣經濟新報社 資料庫

股東權益 報酬率 (ROE)

稅後淨利/ 平均股東權 益淨額

台灣經濟新報社 資料庫

純益率 (ROS)

稅後淨利/ 銷貨淨額 台灣經濟新報社 資料庫

經營績效 (短期)

每股盈餘 (EPS)

稅後淨利/ 普通股股數 台灣經濟新報社 資料庫

資料來源：本研究整理。

第六節 資料處理與分析

依據本研究之不同目的，所採取資料處理與分析的工具及方法，

說明如下：

壹、 資料處理與分析的工具

本研究資料處理與分析的工具主要分為專利分析、計量經濟分析 及統計分析等三部分。

一、本研究專利分析採用 Patent Guider 以及 Patent Pilot 軟體，

除了具有檢索功能外，也具有對於所檢索蒐集而來大量複雜 的原始專利數據進行專利分析的功能，本研究知識管理能力 主要代理變項如技術範疇、專利引用數、技術循環時間等，

均可依研究設計及需求進行專利分析。

二、本研究採用計量經濟模型之追蹤資料(Panel Data)分析進行知 識管理能力與經營績效關係的探討，經由所蒐集到各廠商各 年度的各變項數據資料，以STATA9.0 版計量經濟軟體，撰 寫程式進行分析。

三、為探討知識管理群組分類與經營績效關係，本研究採用 SPSS12.0 版套裝軟體進行集群分析、區別分析、變異數分 析及敘述統計分析。

貳、資料處理與分析的方法

依所探討之研究目的，本研究所採取的資料處理與分析方法說 明如下：

一、探討台灣 IC 設計產業之知識管理能力與經營績效之關係 為探討知識管理能力與經營績效之關係，本研究採用計量經 濟(Econometrics)模型，對追蹤資料(Panel Data)進行變數間關係 的探討，根據本研究之台灣股票上市上櫃 IC 設計公司從 2002 年 至 2007 年間，每年有關知識管理能力各構面之代理變項與經營 績效的資料，進行追蹤資料(Panel Data)分析，此方法係針對某一 特定調查對象，鎖定這些對象持續觀察一段時間所得到的資料，

也就是同時混合(Pooling)使用時間數列(Time series)與橫斷面 (Cross Section)資料 (Baltagi, 1995)。由於本研究所使用的資料為 兼 具 時 間 數 列 與 橫 斷 面 之 追 蹤 資 料 型 態 ， 此 資 料 若 以 傳 統 OLS(Ordinary Least Square )方法估計迴歸係數，容易造成模式的 估計錯誤，因為模式的殘差項容易包含有時間數列資料的自我相 關(autocorrelaion)的問題，以及橫斷面資料具有變異數不齊一 (heteroscedasticity)的問題，為解決此類問題，可以採取兼具時間 數列與橫斷面之混合迴歸分析(Time-Series/Cross-Section Pooling Regression)，以此進行數據與資料上的分析，為所謂追蹤資料分 析(古永嘉、李鑑剛，1998)。換言之，採用追蹤資料的好處，除 了可以控制個體的異質性外，也可以提供更多樣本數，增加樣本

也就是同時混合(Pooling)使用時間數列(Time series)與橫斷面 (Cross Section)資料 (Baltagi, 1995)。由於本研究所使用的資料為 兼 具 時 間 數 列 與 橫 斷 面 之 追 蹤 資 料 型 態 ， 此 資 料 若 以 傳 統 OLS(Ordinary Least Square )方法估計迴歸係數，容易造成模式的 估計錯誤，因為模式的殘差項容易包含有時間數列資料的自我相 關(autocorrelaion)的問題，以及橫斷面資料具有變異數不齊一 (heteroscedasticity)的問題，為解決此類問題，可以採取兼具時間 數列與橫斷面之混合迴歸分析(Time-Series/Cross-Section Pooling Regression)，以此進行數據與資料上的分析，為所謂追蹤資料分 析(古永嘉、李鑑剛，1998)。換言之，採用追蹤資料的好處，除 了可以控制個體的異質性外，也可以提供更多樣本數，增加樣本