我國3D打印企業融資情況
對我國3D打印企業融資的問題進行了實地調研,發現:
- 我國大型3D打印企業融資情況相對較好,中小企業進行融資較為困難。
- 企業通過境內外上市、發行非金融企業債務融資工具等方式進行直接融資情況較少。
- 國家針對3D打印產業的貸款公司進行政策性金融支持較少,知識產權質押融資等信貸產品創新也較少。
研究樣本與變量選取
- 樣本量規則:得到準確回歸分析所需樣本量最普遍接受的規則是至少有200個以上樣本量。同時兼顧3D打印產業的專利數量在2008年前均處于較低水平,無法滿足對構建全球創新網絡數據庫的分析要求,因此本研究從2009年開始研究。
- 變量時間選取:解釋變量數據的選取時間為2009 - 2014年,被解釋變量數據的選取時間為2012 - 2017年。研究包含了34個經濟體6年間的204個樣本數據。
- 變量使用:研究在模型中使用了五個解釋變量(度數中心性、中介中心性和接近中心性、結構洞及聚類系數),三個控制變量(金融服務可獲性指數、知識產權保護指數和政府采購先進技術產品指數)。因此,本章的數據樣本量是客觀可靠的。

回歸分析方法
- 模型選擇:在對面板數據進行回歸分析時,對于回歸方法的選擇應當十分謹慎。本文通過豪斯曼(Hausman)檢驗來確定選擇固定效應模型,還是隨機效應模型。根據豪斯曼(Hausman)檢驗結果,P值小于0.05,全球創新網絡特征與產業績效的回歸模型中采用固定效應模型。
- 數據處理軟件:面板數據回歸分析及穩健性分析均采用軟件Eviews8.0處理。
多重共線性問題處理
中介中心性和聚類系數之間的相關系數是0.257,而度數中心性和結構洞之間的相關性是0.533。這些高相關系數可能會導致一個多重共線性問題。本文通過分別舍棄度數中心性指標、中介中心性指標、接近中心性指標、結構洞指標和聚類系數指標來運行幾個回歸來確定哪些變量存在共線性。回歸結果顯示,舍棄以上五個指標與不舍棄以上五個指標回歸結果幾乎沒有差異。因此,本文將以上五個指標作為自變量回歸分析。

內生性與自相關問題檢驗
- 內生性檢驗:如果變量間存在內生性或自相關的問題,回歸結果便失去了意義,因此在確定變量前需要對變量的內生性和自相關的問題進行檢驗。對于內生性問題,借助Durbin - Wu - Hausman檢驗(Wooldridge,2002)。這些結果說明,當研發效率指數,效率變化指數和技術進步指數被用作因變量時,所有解釋變量都不會遇到內生性問題。當產業主營業務收入為因變量時,度數中心性,中介中間性,接近中間性,結構洞和聚類系數等解釋變量也都不存在內生性問題。
- 自相關檢驗:對于自相關問題,Wooldridge(2003)在面板數據模型中引入了自相關的測試方法,本文也采用這個方法,以確保分析不受自相關問題的影響。測試結果表明不排除存在沒有一階自相關的零假設,因此,本文的數據并不存在自相關問題。

回歸結果分析
- 對產業主營業務收入的影響
- 為了確定解釋變量不存在內生性問題,基線模型表明各經濟體金融服務可獲性、知識產權保護和政府采購先進技術產品三個指標對產業主營業務收入有顯著的正向影響,說明對于產業績效有一定的正向影響。
- 網絡主體中心性特征對產業主營業務收入的影響,結果顯示這三個中心性指標對于產業主營業務收入都有一定的影響,度數中心性和中介中心性對產業主營業務收入都有顯著的正向影響,而接近中心性對產業主營業務收入有一定的負向影響。
- 模型4表明網絡主體的結構洞對各經濟體產業主營業務收入有顯著影響,由于結構洞的限制度越小,擁有結構洞越豐富,故該變量與產業主營業務收入負相關。聚類系數與產業主營業務收入正相關。
- 單個模型中的大多數系數大于將全部變量放入同一個模型時(模型6)的相應系數,這是因為當引入其他網絡特征變量時,每個變量的相關貢獻被調節,所以相應的相關系數會變小。
- 對研發效率的影響:研究結果表明,在六個模型中,金融服務可獲性、知識產權保護和政府采購先進技術產品系數都是正的且為顯著的,說明三者對研發效率具有正向影響。三個中心性指標對研發效率的影響,其中度數中心性和中介中心性指標對于研發效率的影響較大,呈正相關且影響程度較大;而接近中心性指標與研發效率指數負相關,且影響程度不及度數中心性和中介中心性指標。在模型10中,網絡主體的結構洞限制度指標與研發效率有顯著的負相關關系。模型11表明聚類系數和研發效率指數正相關。
- 效率變化指數結果:效率變化指數作為因變量的面板隨機效應模型的結果。
- 技術進步指數結果:技術進步指數作為因變量的回歸結果與研發效率指數作為因變量的回歸結果極為類似。金融服務可獲性、知識產權保護和政府采購先進技術產品系數都是正的且為顯著的,說明三者對技術進步指數具有正向影響。
上一篇:全球創新網絡特征與產業績效關系
下一篇:3D打印產業全球創新網絡測度指標