多變量分析期末報告 集團多角化對研發外溢調節效果之研究 作者:楊朝旭...
DESCRIPTION
多變量分析期末報告 集團多角化對研發外溢調節效果之研究 作者:楊朝旭 指導老師:林憶樺 老師. 學 生: m99a0206 鄒輝帆 m99a0209 蕭豪中. 報告大綱. 一、摘要 二、動機與目的 三、研究方法 四、研究設計 五、實證結果 六、結論. 一、摘要. 本研究旨在探討集團企業多角化對企業研發外溢效果之調節影響。 以我國 2003 年集團企業之上市櫃公司為樣本進行實證分析,結果發現集團研發資產對集團分子公司之績效具有顯著的正向影響。. 二、動機與目的. 本研究旨在探討多角化程度對集團研發外溢效果的影響。 - PowerPoint PPT PresentationTRANSCRIPT
多變量分析期末報告
集團多角化對研發外溢調節效果之研究作者:楊朝旭
指導老師:林憶樺 老師
學 生: m99a0206 鄒輝帆 m99a0209 蕭豪中
報告大綱
一、摘要二、動機與目的三、研究方法四、研究設計五、實證結果六、結論
一、摘要•本研究旨在探討集團企業多角化對企業研發外溢效果之調節影響。
•以我國 2003 年集團企業之上市櫃公司為樣本進行實證分析,結果發現集團研發資產對集團分子公司之績效具有顯著的正向影響。
二、動機與目的•本研究旨在探討多角化程度對集團研發外溢效果的影響。
•本研究可提供管理者參考,使集團企業有效利用本身的結構優勢,採用妥善之多角化策略來發揮研發資產所具有的無形資產特性,提昇集團的競爭優勢。
外溢效果
•研發活動存有外部性 (externality)的特性,即為研發活動的外溢效果。
•研發活動的外溢效果,除了提昇公司本身績效外,亦有助於改善其他企業的績效。
集團研發投資對分子公司的外溢效果•研發為集團企業中一項重要的策略性無形資產。由於集團基本上就是一個有利於知識分享的互信結構,集團企業研發投入之外部性,進而創造集團分子企業之績效,亦即集團研發具有外溢效果。據此,提出假說一 (H1)如下:
•H1:集團內某分子公司的績效與集團內其他公司的研發投資成正相關。亦即,集團研發對其分子公司具有外溢效果。
三、研究方法集團研發活動的外溢效果 本研究以模式 1.1 探討集團研發資產對集團分子公司經營績效的影響。
資料來源•以我國 2003 年集團企業之上市櫃公司為樣本進行實證分析,相關財務及股價方面的資料皆取自台灣經濟新報社 (TEJ)之資料庫。而集團之區分係依據 TEJ 公司屬性資料庫中所揭露之集團歸屬。
四、研究方法 1.描述性統計2.雙變數相關分析3.線性迴歸分析4.判別分析5.二元 Logistic迴歸
五、實證結果 : 1.敘述性統計
個數 平均數 中位數 標準差 最小值 最大值有效的 遺漏值
Tobins.Q 223 0 1.3333 1.1660 .6351 .5689 5.0159
DT 223 0 1.2787 1.3297 .4284 .1296 2.1126
集團規模 _GSIZE 223 0 3.06 2.00 1.371 2 7集團研發資產_GRDA 223 0 .0921 .0278 .2127 .0000 1.3426
研發資產 _RDA 223 0 .0459 .0219 .0721 .0000 .5564
公司規模 _SIZE 223 0 .8122 .6050 .6290 .0000 3.3742
成立年數 _AGE 223 0 21.83 19.00 12.987 2 58
營業毛利率 _GPR 222 1 .1849 .1524 .1787 -.5447 1.0000
ELEC 223 0 .34 .00 .475 0 1
統計量
統計量表
樣本公司 Tobin’s Q平均值為 1.33,中位數為 1.16,皆大於 1 ,顯示集團企業之市場績效及成長前景頗佳。另外,集團分子公司本身的研發資產 (RDA)佔總資產 4.59%;就集團來看,集團的研發資產 (GRDA)佔集團資產總額的平均值更高,有 9.21%,由此來看我國研究發展經費有逐年增加的趨勢。
2.雙變數相關分析 Tobins.Q DT
集團規模_GSIZE
集團研發資產_GRDA 研發資產 _RDA 公司規模 _SIZE 成立年數 _AGE 營業毛利
率 _GPR ELEC
Tobins.Q
Pearson 相關 1 -.194(**) .123 .374(**) .428(**) .149(*) -.259(**) .237(**) .333(**)
顯著性 ( 雙尾 ) .004 .068 .000 .000 .026 .000 .000 .000
DT
Pearson 相關 -.194(**) 1 .492(**) .099 -.144(*) -.027 .163(*) -.027 -.257(**)
顯著性 ( 雙尾 ) .004 .000 .140 .032 .688 .015 .684 .000
集團規模 _GSIZE
Pearson 相關 .123 .492(**) 1 .522(**) .086 .046 -.041 .043 .050
顯著性 ( 雙尾 ) .068 .000 .000 .198 .497 .546 .519 .457
集團研發資產_GRDA
Pearson 相關 .374(**) .099 .522(**) 1 .379(**) .034 -.201(**) .126 .283(**)
顯著性 ( 雙尾 ) .000 .140 .000 .000 .609 .003 .060 .000
研發資產 _RDA
Pearson 相關 .428(**) -.144(*) .086 .379(**) 1 .108 -.386(**) .361(**) .205(**)
顯著性 ( 雙尾 ) .000 .032 .198 .000 .107 .000 .000 .002
公司規模 _SIZE
Pearson 相關 .149(*) -.027 .046 .034 .108 1 -.281(**) -.277(**) .218(**)
顯著性 ( 雙尾 ) .026 .688 .497 .609 .107 .000 .000 .001
成立年數 _AGE
Pearson 相關 -.259(**) .163(*) -.041 -.201(**) -.386(**) -.281(**) 1 -.084 -.414(**)
顯著性 ( 雙尾 ) .000 .015 .546 .003 .000 .000 .211 .000
營業毛利率 _GPR
Pearson 相關 .237(**) -.027 .043 .126 .361(**) -.277(**) -.084 1 .011
顯著性 ( 雙尾 ) .000 .684 .519 .060 .000 .000 .211 .869
ELEC
Pearson 相關 .333(**) -.257(**) .050 .283(**) .205(**) .218(**) -.414(**) .011 1
顯著性 ( 雙尾 ) .000 .000 .457 .000 .002 .001 .000 .869
相關分析表
3.線性迴歸分析
模式 R R 平方 調過後的 R 平方 估計的標準誤 Durbin-Watson
檢定1 .564(a) .318 .292 .53426498588 2.050
模式摘要 (b)
模式 平方和 自由度 平均平方和 F 檢定 顯著性1 迴歸 28.473 8 3.559 12.469 .000(a)
殘差 61.084 214 .285 總和 89.557 222
變異數分析 (b)
模式迴歸分析結果,由表可知,調整後的 R 平方只有 0.292,解釋力較不佳
F 值為 12.649,達 0.001顯著水準
未標準化係數 標準化係
數t 顯著性
共線性統計量
B 之估計值 標準誤 Beta 分
配 允差 VIF
( 常數 ) 1.130 .176 6.439 .000
DT -.241 .103 -.163 -2.333 .021 .656 1.524
集團規模 _GSIZE .024 .036 .053 .678 .498 .527 1.896
研發資產 _RDA 1.954 .623 .222 3.139 .002 .638 1.567
集團研發資產 _GRDA .633 .223 .212 2.834 .005 .570 1.756
公司規模 _SIZE .124 .064 .122 1.938 .054 .799 1.252
成立年數 _AGE .001 .003 .012 .176 .860 .701 1.426
營業毛利率 _GPR .556 .229 .157 2.426 .016 .766 1.306
ELEC .214 .089 .160 2.407 .017 .722 1.386
係數 (a)
4.判別分析
Wilks'
Lambda 值 F 檢定 分子自由度 分母自由度 顯著性
研發資產 _RDA .881 29.928 1 221 .000
集團研發資產 _GRDA .945 12.935 1 221 .000
DT .957 9.928 1 221 .002
各組平均數的相等性檢定
本分析將 Tobin’s Q 值以中位數法變作虛擬變數: Tobin’s Q 指標當 Tobin’s Q<1.16 ,為 1 , Tobin’s Q>1.16 ,則為 2 。
此表顯示研發資產 (RDA)、集團研發資產 (GRDA) 和 DT 在 Tobin’s Q 指標高低值下有顯著的差異性。
函數檢定 Wilks' Lambda 值 卡方 自由度 顯著性
1 .835 39.492 3 .000
Wilks' Lambda 值
本報告中以 Tobin’s Q指標為判別數,上表為特徵值表分析,此判別函數的特徵值為 0.197,解釋了 100%的變異。下表為 Wilks' Lambda值分析,由卡方檢定可知,此判別函數達 .001的顯著水準
函數 特徵值 變異數的 % 累積 % 典型相關
1 .197(a) 100.0 100.0 .406
特徵值
5.二元 Logistic迴歸
卡方 自由度 顯著性。
步驟 1
步驟 45.718 3 .000
區塊 45.718 3 .000
模式 45.718 3 .000
模式係數的 Omnibus 檢定
卡方的 sig值為 .000,已達顯著,這表示加入模式的第一個變數對因變數有明顯的影響。
步驟 卡方 自由度 顯著性。
1 6.436 8 .599
Hosmer 和 Lemeshow 檢定
卡方值偏大, sig值為 .599,故模式的配合度不佳
觀察預測
Tobins.Q 指標 百分比修正1 2
步驟 1Tobins.Q指標
1 86 25 77.52 46 66 58.9
概要百分比 68.2
分類表 (a)
本報告中有 71個觀察值被錯誤分類,故正確率為 68.2%
六、結論•從研究設計第三個分析 - 線性迴歸分析表中可看出集團分子公司自身的研發資產 (RDA)與 Tobin’s Q 皆呈顯著正向關係,標準化迴歸係數T 值為 3.139達 5%之顯著水準,結果發現集團研發資產對集團分子公司之績效具有顯著的正向影響,故支持此假說。
The End
報告完畢