國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第五章 統計結果和發現
（一） 統計結果
表 3 Stata 豪斯曼檢驗結果
統計量 chi2 Prob>chi2 檢驗結果
數值 16.96 0.0046 拒絕虛無假設，採用固定效果模型
上圖為Stata 中對變量進行豪斯曼檢驗的結果。通過分別對樣本數據進行固 定效應模型和隨機效應模型的分析，儲存對比兩種模型下的結果，經過
Hausman Test，可知 P 值為 0.0046 小於 0.0.1，則拒絕虛無假設，即拒絕解釋變 數與截距項之誤差項無關的假設。檢驗結果建議選擇固定效果模型對樣本進行 估計。
根據前文所述，由於深圳市區域成立的時間不同，因此將進一步採取區域 固定效果模型。其和普通一元固定效果模型的不同之處，是加入了區域的虛擬 變量。在以往計量經濟學的研究當中，也會對「行業」或「資本類型」等變量 進行固定，因此該方法相對經典，具體的統計理論本文就不再詳述。
表 4 區域固定模型回歸結果
Viariables Coef.
GDP .0890***
Employee .0052**
Fixedinvestment .0006*
Research -69.998*
Enterprise -.2299 Population -.5283*
Incubator 5.8327
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Region
2 161.1480**
3 226.2018**
4 1023.188*
5 329.7217***
6 138.4649**
7 188.3376***
8 169.4825**
9 219.1639***
10 173.1290**
_cons -182.7453 Number of obs 80
Prob>F 0.0000 Adj R-squared 0.7510
*p<.10, **p<.05, ***p<.01
回歸結果（如上表）顯示，區域固定模型整體的解釋水準良好；「各區 GDP」和「在崗員工」分別在 0.01 和 0.05 的水準下顯著；「固定資產投資」、
「研究機構」和「各區人口」在0.1 的水準下顯著；「大企業」和「孵化器」
不顯著。各區域在區域固定效果模型的解釋下，對於解釋變量的回歸結果也呈 現顯著有效的結果。其中區域4（南山區）在 0.1 的水準下顯著，區域 5（寶安 區）和9（龍華新區）在 0.01 的水準下顯著。
（二）研究發現
回顧上文的假設，解釋變量中「GDP」、「固定資產投資」和「在崗人 數」呈現對高企數量增長的正向顯著影響，三個解釋變項基本符合原有假設。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
而「研究機構」和「各區人口」呈現了負向的顯著效果。「各區人口」的 係數為負，可以初步解釋上文討論變項時的一些疑惑。即人口越多的地區，可 能並不會對高技術產業有正向的幫助，可能更多的是勞動密集型產業的需求或 者是居住的需求。
而「研究機構」雖然顯著，但方向卻和之前的假設不符，也就相當於擾亂 了原有的理論假設。可以理解為研究機構並沒有為新增企業提供正向的幫助，
也呼應了深圳市在「產學研」連結上的不足現象，大企業獨立研發和企業普遍 對外技術研發的依賴。
另外，統計結果中的「大企業」和「孵化器」兩個解釋變量結果為不顯 著，這似乎沒有符合理論討論中的現象。本文試分析其中可能出現的偏誤。
「大企業」因其對周邊企業存在較強的影響力，既其在社會網絡中的重要 位置，本文假設它會對各區的電子資訊高企產生顯著的影響，但回歸的結果並 未顯著。猜想其中原因，可結合上文提到的深圳市各區專利申請量的分佈情 況。如龍崗區和坪山新區的申請總量和人均申請量較高，是因為二區的企業以 大型企業（華為和比亞迪兩大巨頭）為核心的競爭力，後者更是呈現了大型企 業郊區設廠的壟斷局面。而南山區總量高，但人均申請量低於龍崗和坪山，整 體的企業結構比較均衡且分佈密集，在質性的訪談資料中也體現了大企業對於 更密集的創新網絡的人才輸出和流動。因此，這也解釋了「大企業」對各區電 子資訊高企增加的作用並不存在顯著的可能原因。
將現有的結果視作有效的話，也指向了產業聚落的凝聚力和結構穩定性較 差，相對於Powell 對波士頓製藥業的社會網絡的描繪，各區總體來看大企業並 未帶動周邊企業的發展，這張電子資訊產業的「網」尚未形成穩定結構的重要 節點。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
本文另外一個不顯著的變量是「孵化器」，根據原有的假設和理論，孵化 器和新增高企的關聯應該是十分直接的，統計結果不顯著略微出乎意料。這也 讓筆者反思數據採用的標準是否不合適。本文結合Nelson 對於樣本代表性的批 判，沒有採用全部電子資訊企業的數量，考慮到新增企業的有效性和持續性，
又受到其他數據不完整的限制，而選擇了國家級新增電子資訊類高新技術企業 的數量作為被解釋變項。然而，能夠評定為高新技術產業的電子資訊企業，都 已經達到了一定的規模，並不是孵化器主要對應的初創企業。因此，可能解釋
「孵化器」這一變項沒有顯著的原因。
但若以「創新氛圍」和「社會政治正當性」的概念來考慮該變量，也可以 規避上述猜想，。另外，考慮到針對孵化器的規模對其數量進行加權處理，但 結果並沒有改善。可待以後進一步探討。
（三）資料中存在的問題
問題1：「高企數量」作為被解釋變量的代表性問題
本文研究對象的範圍包括了深圳市電子資訊產業的整體，如果資料完整，
應該以「電子資訊產業數量」作為被解釋變量。然而在目前深圳市的統計資料 中，並沒有按年份和分區進行統計的資料。
另外，在組織經濟學的脈絡中，對密度變項的數據來源一直存在爭議。本 文在理論回顧中已有提及：Nelson 認為不應該以單純的數量來衡量企業密度，
而是採用更加可信和持續穩定的企業作為數量的組成，和Carroll 的觀點基本對 立，後者認為不論企業大小都處在相同的競爭環境和資源網絡之中。若本文依 據Nelson 的論點來考量「高企數量」作爲解釋變量的處理方法，也是具有相應 的統計意義的。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
而申請高企對電子資訊企業來說，會帶來政策和稅收上的可觀優惠，並且 是面向全社會公開評選，標準統一。這就保證了企業的申請意願和對各區產業 發展水準衡量指標的公平性。
問題2：當下查找的資料，由於時間差，舊區嵌套了新區的資料造成偏差 例如2008 年的數據，當下在網路上查找是在龍華新區，但 2008 年新區事 實上並不存在，也沒有任何宏觀統計數據。因此將新區成立之前的數據歸入原 寶安和原龍崗兩區。但在整個統計中，寶安和龍崗兩區又意指土地縮小了的新 區，而不是舊有大區，這樣統計上「孵化器數量」「大企業數量」在較早年份 存在偏差。
問題3：政府公開資料中的數據偏誤
舉例來說，2015 年政府科技部門公佈大鵬新區新增 1 個電子資訊類高企，
企業一定是具有相應的規模，本文也採用了「在崗人數」而不是「從業人數」
來呼應在正規註冊企業的工作狀況，但在官方的年鑑當中，大鵬新區的在崗人 數是「0」 ；另外，深圳市和區政府給出的同年的固定資產投資額也有落差，
2013 年在相同的計量標準下，寶安區的數值甚至相差 1 倍之多；再來就是各區 GDP 的額度加總也多次和深圳市 GDP 有所出入。
問題4：企業研究資料的不可得和破碎之處，對統計回歸的影響
官方統計數據口徑已有偏差，本文自行收集的被解釋變量數據的不確定性 和誤差也應該被酌情考慮。特別是2008-2011 年的國家級新增高企沒有分類和 地址，本文只能根據《高新技術企業認定管理辦法》自行分類並網路搜索位址 資訊。本文理論回顧中重要的投資和PCT 的具體資訊，由於不可得也惜作省 略。