Page 19 - 論文手稿_林詩莉R

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