在SPSS的一般线性回归模型，因变量都是数值型的，这导致自变量的测量方式被限定为等距的，这种回归方法在处理客观二手数据，像企业年龄、企业规模等时是合理的、合适的。然而在处理本研究所用的问卷数据时，像政策支持、政治关系、市场需求波动、竞争强度、研发重视程度等大量的数据并不是客观的二手数据，而是主观判定的分类资料，例如受访企业的研发重视程度在问卷中被设计为高、中、一般、低、极低5档，如果将其编码为5、4、3、2、1，直接作为控制变量纳入回归模型进行分析，则实际上是假设这5档因素对企业专利产出的数值影响程度是均匀上升或下降的。这一简单化、理想化的设定会导致错误的分析结论出现。
另外，对于无序多分类变量来说，如企业类型、企业发展阶段、产品生命周期等，这些变量的不同数值只是反映了一种状况，并无传统意义上的高低之分。对于上述企业发展阶段、行业属性或者企业类型等分类变量，传统统计学主要通过哑变量的方法来进行拟合，然后根据统计分析结果对这些数据进行再一步处理。但是，本研究问题中像政治关系、市场需求波动、竞争强度等绝大多数变量是分类变量，利用传统哑变量的分析方法来进行处理是不现实的。
最优尺度回归方法，也称定类回归（Categorical Regression）可以实现同一个变量，像政治关系、市场需求波动中不同类别的比较，又可以实现只利用1个参数来估计第个等级变量或分类变量。最优尺度的主要目标是将不同的变量类型，像连续型数值变量、分类变量、有序变量、无序变量放入同一个模型中来分析，弥补传统回归分析方法只能在一个模型中分析某一类测量变量的局限性。其核心思想包括以下方面：第一，在分析各级别的自变量对因变量的影响时，通过希望拟合与重复的非线性变换的方法将变量之间的关系转化为直线型的关系来检验其强弱关系；第二，用一个合适的量化评分来衡量模型中的原始变量来进一步分析其关系。
结合本书的研究情况，我们按照以下五个主要步骤来应用最优尺度回归进行统计分析：
（1）理论模型构建。我们根据市场—政府双元观点、制度理论、波特竞争力观点和专利研究构建了理论模型。
（2）选择数学模型。结合本书的研究模型，我们主要研究直接效应和交互效应，同时包含了线性直接效应和非线性直接效应，我们识别了合适的数学模型，从而保证模型参数可以被正确识别、模型可以得到唯一解。(www.xing528.com)
（3）选择模型估计方法：SPSS13.0提供了广义最小二乘法、最大似然估计法等多种模型估计方法，本书根据研究需要选择了最大似然估计法来估计模型参数。
（4）评价模型结果：通过SPSS回归，我们得到了数学模型的参数估计值，像回归系数、F值、R2等，我们利用这些参数可以得出模拟的数据，并与实际数据进行比较。
（5）修正数学模型：一旦发现模拟数据与实际数据出现重大偏差，我们会对数学模型和参数进行修正，重新建立合适的模型，进一步检验，直到数学模型所得到的拟合数据与实际数据达到一个理想的拟合度。
我们可以利用SPSS13.0便捷地实现最优尺度回归分析，其运行模块如图4-1所示：
图4-1 SPSS软件中最优尺度回归的模块选择
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
