Page 25 - 論文手稿_林詩莉R
P. 25

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
   20   21   22   23   24   25   26   27   28   29   30