第四章 資料和方法
3 統計模型
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
3 統計模型
深圳市區域行政規劃自1978 年以來不斷演變，一方面是特區範圍的擴大，
另一方面就是近十年來陸續成立的4 個新的行政區劃1。以年為時間單位，每一 個行政區的出生率（founding rate）為依變項，本文整理了各區異質性的企業密 度、大型企業數量、從業人口和社會政治等變量。分析方法採用追蹤數據
（panel data），由於新區成立時間不一，所以用區域固定效應模型（fixed effect）來處理數量不等的樣本點。
Hausman 檢驗：
對於模型的選擇，本文會首先採用豪斯曼檢驗（Hausman Test），確定追 蹤數據當中的資料型態，是適合固定效應模型，或隨機效應模型。檢驗式如 下：
𝐻 = 𝛽$%&− 𝛽()*+,- . Σ$%&− Σ()*+,- 01 𝛽$%&− 𝛽()*+,- ~𝜒4 𝑘 虛無假設𝐻6：E 𝜇%, 𝜒%: = 0，即解釋變數與截距項之誤差項無關；
對立假設𝐻1：E 𝜇%, 𝜒%: ≠ 0，即解釋變數與截距項之誤差項有關。
虛無假設為採用隨機效果模型，當Hausman Test 的統計檢定值拒絕虛無假 設，則建議採取固定效果模型；反之，採用隨機效果模型。
區域固定效果模型：
1 2007 年光明新區成立，2009 年坪山新區成立，2011 年底龍華新區和大鵬新區成立
常住人口
（population） 各區常住人口 深 圳 市 統 計 年 鑒
2009-2016
‧
模型中截距項為可表現各國家區域特性之區域特定常數項 (region-specific constant term)，不隨時間變動; 𝐷@:即 為虛擬變數，若 i=j，則𝐷@:=1; 若 i≠j，則
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
「生活比較單調，工作換來換去但差別不大，主要是周圍都是圈內的朋 友，根本交不到女朋友。」——南山小型企業程式員 C
「中年危機已經來了，30 歲是一個門檻，家庭和工作開始不好平衡。和剛 畢業的相比，公司肯定也會有所打算。我也是。」——龍崗大型企業程式員 A
「我是半路出家，大學畢業學了三個月編程就來北京找到了工作。現在和 其他5 個朋友租一個房間，雖然條件差些不過都是男生愛好相同，挺開心的。
主要是收入比其他行業高，很快就可以補貼家用了。」——中關村 PRE-IPO 企 業程式員D
「產品部門相對來說比較核心，不過我們尊重程式員和設計師的建議。做 產品嘛，也不要求專業出身，跨領域的能力更為重要，才能把產品做好。」—
—南山大型企業產品專員
「可能我最擅長的工作就是創業，成功與否不重要，而是不要停下創業」
——南山自立門戶的創業者 A
「目前投資者的背景多樣，注入到APP 開發的資本，特別是搭建平臺類的 資本還是比較多，但是能堅持到A 輪融資很難，經常中間就被合併了，有時候 產品做的不錯，很快就被抄襲或被行業大佬吞掉了。不過有過天使輪的成功經 驗積累，接下來的創業項目也會比較順利，已經是在資源上成功了」——南山 互聯網遊戲平臺創業者B
「在網絡投遞簡歷的階段，不在世界前500 的大學畢業生，電腦直接就會 淘汰」——南山大型企業 HR
「招聘市場壓力不大，不過大企業基本把名校畢業生截流，我們這樣的新 秀公司只能更多的靠發展前景吸引人才，想要挖掘有一定工作經驗的人才難度 更大。」——龍崗智能穿戴設備企業 HR
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
「我們公司全是名牌大學的博士，老闆也是香港的教授，產品很強卻不注 重市場，完全是不知道市場在哪裡！」——中關村人工智慧企業市場專員
「一邊做公司的工作，另一方面打算再讀個計算機的博士，現在也在和朋 友們接些小活，成不成都努力過了。」——南山電子商務平臺項目經理
「我們沒有做程式的人忙，也不太瞭解他們的工作。我們公司還挺尊重設 計師的想法，產品設計也不會完全讓我們配合開發那邊的人。說到公司的重視 程度，工資待遇上還是比不上他們。」——南山互聯網 UI 設計師
量化統計的結果會呈現平均化的影響因素，探討深圳市各行政區的影響產 業發展的共同因素。這一部分的質性訪談，以深圳市南山區的高新區從業者為 主要訪談對象，並採用了龍崗和北京中關村的部分從業者訪談內容。從一個切 面去描述產業內部的情況，既回應了理論回顧中的假設，也為下文的統計結果 作參照。
從受訪者的自我描述中，基本可以提取出電子資訊從業者的幾個關鍵資 訊，包括：跳槽的情況比較普遍，創投市場和創業企業活躍，人才梯次比較立 體，企業的多樣性強，時常有通過個人的社會網絡重組而成新的非正式的工作 連結。