Page 19 - 論文手稿_林詩莉R
P. 19
視迴歸模型是否有多重共線性 (multicollinearity) 的問題。為了從中
挑選合適的自變數,筆者是透過向前選取法 (foreward)、向後選取
法 (backward) 以及逐步迴歸法 (stepwise) 挑選自變數,採用的標準
係以赤池訊息準則 (Akaike information criterion, AIC) 最高的迴歸模
型為主。AIC 定義如下 :
AIC 2ln( )+2 ,
L
其中 L 是概似函數, 是參數個數。
第四節 混合線性迴歸
由於本研究數據結構可能包含複數個層級,因此筆者進一步以較
有效率之混合線性迴歸模型 (LMM) 觀察專利風險因子與企業價值
之間的關係,參數估計方法則採用 R 軟體中的限制最大概似估計
法 (REML)。混合線性迴歸模型為 Laird and Ware (1982) 所提出,又
常被稱為隨機效應模型 (random effect model),模型包含固定效應及
隨機效應,其中假設隨機效應與誤差項為常態分配。此模型主要是適
用於有群體現象或重複測量的數據資料,以隨機效應 (random effect)
來估計截距項以及斜率項,由於每個觀測群體的迴歸係數不同,因此
允許群體之間有不同的隨機效應參數。其公式如下:
m
Y , j p , j p , k j X k , , p , j p ;
j
k 1
2
, j p 00 , j p , , j p ∼ NID(0, ),即
m
Y X ,
j
, j p 00 , j p , k j k , , p , j p
k 1
其中,有 m 個自變數 X 對有 j 個觀測群體第 p 個樣本的依變數
k
Y j,p 進行解釋; , j p 表示各個觀測群體的截距項,當中的 00 表示
19