Page 31 - 論文手稿_林詩莉R

如同研究方法提到的，混合線性迴歸模型在群體層次 (組間 ）依

照企業核心專利數量分成 8 群，群體內部 (組內) 的差異則透過隨機

截距方式表現。模型 V ~ VII 之相關統計數據如表 4 所示，共線性
2
檢驗結果見附表 2。其中模型中組內變異 ( ) 代表組內的變異程
度，較高表示組內樣本間差異較大；組間變異 ( 00 PN ) 代表組間的變

異程度，較高代表分群方法能有效的區分組別；組內相關係數 (ICC)

代表模型組內的同質性，其公式為 ICC  00 PN /  00 PN   2 ，表示由

模型中的分群結構解釋總變異的比例。較高 ICC 意味著數據高度聚

類，顯示分析結果高度依賴於分群的組。故由表 4 可知，模型 V ~ VII

的 ICC 值為 0.4 上下，表示模型中 TQ 的表現有約 40% 的差異是

由不同群體之間所造成的，組或群的效果不應忽略。此外，在混合線
2
2
性迴歸模型中，模型預測能力的 R 包含邊際 R (marginal r-squared
values)，用以解釋混合線性模型中僅由固定效應解釋的變異比例；以

2
及條件 R (conditional r-squared values)，其包含由固定效應及隨機效
2
應解釋的變異比例。表 4 數據顯示模型 V ~ VII 無論是邊際 R 或
2
是條件 R 解釋的變異比例都落在 0.9 附近，三者相當 (1% 以內)。
在混合線性迴歸模型中，自變數與依變數的關係結果近似於其他

模型所觀察到的，專利風險因子包含專利權利項數 NOCS 以及年均

專利策略類別數 NOPS 與企業價值 TQ 有顯著相關性；控制變數如

槓桿比率 LEV、員工人數 NOE、研發支出率 RDE 以及資產報酬率

ROA 與企業價值 TQ 亦呈顯著相關性。另一方面，當 VIF 值不同

時，統計數據表示年均專利救濟次數 COR 的顯著性有所改變；流動

比率 CUR 則僅在模型 V 中發現與企業價值 TQ 呈顯著相關。值得

留意的是，不同於多元線性迴歸模型的結果，年均專利權變動次數

NOPA 並未在混合線性迴歸模型 V ~ VII 中發現與企業價值 TQ 有

顯著相關性。

31