稳健性检验：用专利授权量取代专利申请量的回归分析

5.4.2.1 变量相关性分析

各变量之间的相关系数矩阵可以通过对解释变量和控制变量的相关性分析得到，如表5.4所示。根据表5.4的分析结果，样本企业年专利增量和参与起草标准次数这两个指标呈现正相关，且在1%的显著性水平下通过检验，这说明年专利增量对企业的标准化能力具有明显的积极贡献。同样，企业负责起草标准的次数、标准所涉及范围、资本结构和政府支持力度等对企业的标准化能力具有积极的促进作用，且都在1%的显著性水平下通过检验。所以，在模型中将这些因素纳入进去是有其依据和意义的。

表5.4 变量关系矩阵

*** Correlation is significant at the 0.01 level（2-tailed）.
** Correlation is significant at the 0.05 level（2-tailed）.

5.4.2.2 变量回归分析

由表5.5可知是负二项回归的结果。结果表明，5个模型的控制变量拟合程度都比较高，4个控制变量基本能在1%的显著性水平下通过检验。其中，企业标准所涉范围与负责起草标准的次数这两个因素，相对于其他因素而言，对标准化能力有着更为突出的正向促进作用。这充分说明企业作为标准起草的牵头单位负责起草标准的次数越多，其标准化能力越强；而企业标准所涉及的范围越广，也就是说，企业能够在一个以上的领域参与相关标准化活动，能够参与多种标准的制修定，也能充分证明其标准化能力越强。比较而言，政府支持力度这个因素对企业标准化能力的影响是最小的，这是因为政府对企业的补助不是普惠制的，每个企业获得的政府补助和支持不能固定和持续，单个企业连续几年的政府补助可能截然不同。企业的资本结构这个因素虽然对企业的标准化能力也有其积极的促进作用，但显著性水平要弱于其他控制变量。

对比模型1与模型2的结果：

模型1：

ST=0.6691+0.008PAT+0.1179LEAD+0.2168RANGE+（2.52e-09）GOVERN+2.1139LR+u1

模型2：

ST=0.9142+2.4741RD+0.5642LEAD+0.2582RANGE+（4.89e-09）GOVERN+2.1901LR+u2ST=0.8905+4.7077RD+0.0086PAT+0.3664LEAD+0.2066RANGE+（2.84e-09）GOVERN+2.0254LR+u3

模型1中，如果只放入年专利增量和其他控制变量，就可以看到年专利增量对企业的标准化具有显著的正向促进作用，作用系数为0.008，即专利增量每增加1%，可导致企业参与标准制定的次数增加0.008%。模型2中，如果只放入研发投入和其他控制变量，就可以看到企业研发投入对企业标准化具有显著的正向促进作用，作用系数为2.4741，即研发投入强度每增加1%，可导致企业参与标准制定的次数增加2.4741%。将这两个模型综合起来看，可以发现，在单独考虑这两个重要的解释变量时，研发投入强度和年专利增量两个变量都能够在1%的显著性水平下通过检验，也就是说，这两个指标都能够积极推进企业的标准化工作，但是，研发投入强度的作用要比年专利增量的作用大得多。(www.xing528.com)

当同时考虑研发投入与专利产出时，结果如模型3所示：

在模型3中，研究结果表明研发投入和年专利增量对企业的标准化水平均有正向的促进作用，且前者的促进作用更大。

5.4.2.3 稳健性检验

我们先将解释变量分别放入模型1、2、3中进行回归分析，第二步再将这些解释变量一起放入模型，就可以看到，无论是在变量系数、标准误差上，还是在显著性水平上都没有什么差异，具有显著的一致性，所以，本书的模型回归结果是稳健可靠的。

本书初始用企业当年的专利申请量来衡量年专利增量值，也有些文献用企业当年的专利授权量来衡量年专利增量值。这两个值一个着重申请，一个着重授权，在统计结果上必然存在差异。为了检验其是否影响检验的结果，我们在稳健性检验中将年专利申请量替换为年专利授权量，再用相同的模型和方法进行回归。表5.6是我们所得出的结果。

将表5.5和表5.6中的结果对比起来看，两次回归的结果没有出现很大的不同，研发投入强度和年专利增量这两个重要影响因素的系数符号和显著性水平都没有发生变化，控制变量也只是在系数大小上有很小的波动，符号和显著性水平同样没有发生变化。这充分说明无论使用怎样的主要解释变量，模型基本的回归结果都不会改变，因此本书的研究结论是稳健的。

表5.5 变量回归结果1

legend：**p＜0.05；***p＜0.01

表5.6 变量回归结果2

legend：**p＜0.05；***p＜0.01