Page 25 - 論文手稿_林詩莉R

相關係數小於 -0.8，彼此為高度相關變數。一般經驗法則是，若自變

數相關性為 0.7 或更高，則迴歸分析時多重共線性可能是一個問

題 (Cooper & Schindler, 2003)。因此本研究在進行迴歸分析時將先透

過 VIF 檢測迴歸模型自變數的共線性，控制並依據自變數之間的相

關性及其解釋模型的比重審慎剔除自變數，選擇 VIF 小於 10 以及

VIF 小於 5 的迴歸模型進行分析，以克服共線性問題。

第二節 多元線性迴歸模型

本研究資料範圍涵蓋橫斷面資料 (cross-sectional data) 及縱橫面

資料 (panel data)，其包含不同時間產生之專利相關數據以及自 2011

年到 2021 年完整的財務數據資料。為了對專利風險相關因子與企業

價值之間的關聯進行更全面的分析，進一步建立多元線性迴歸模

型，模型中並包括前述文獻中可能影響企業價值的控制變量；其中依

變數企業價值指標 TQ 以及多數控制變數是使用 2012 年至 2021

的資料，控制變數當中僅有研發支出率是以前一年的財務資料觀察對

當年的企業價值指標的影響。在假設資料之間無相關性及群體性的前

提下，先直接以最小平方法 (OLS) 進行多元迴歸分析並與穩健標準

誤 (RSE) 的結果比較，以期獲得更真確及更具參考價值的實證結

果。模型 I 是以所有觀察自變數預測 Tobin’s Q，迴歸式如 (I) 式：

TQ     1 COR   2 NOFR   3 NOPA   4 NOCS , t i
, t i
0
, t i
, t i
, t i
  NOPS   NOFC   NOPF   CUR   GRW
5 , t i 6 , t i 7 , t i 8 , t i 9 , t i
  LEV   NOE   RDE   ROA   (I) ，
10 , t i 11 t 1,i 12 , t i 13 , t i , t i

其中，模型 I 中無論是以何種估計方法進行預測，專利風險因子包

含年均專利救濟次數 COR、專利權利項數 NOCS 以及年均專利策略

類別數 NOPS 與企業價值皆呈顯著相關。控制變數如槓桿比率 LEV、

25