《表1 零模型的数据分析结果》
本文在零模型数据分析中,分别用了创新资源与创新绩效作为被解释变量进行分析。用创新资源作为被解释变量的目的是验证省级科技创新政策目标力度对创新资源的跨层影响是否存在;而用创新绩效作为被解释变量的目的是验证省级科技创新政策工具力度对创新绩效的跨层影响是否存在。零模型的数据分析结果如表1所示。由表1可知,以创新资源作为被解释变量。在固定效应部分,截距项为0.106 5且显著。在随机效应部分,省级科技创新政策力度在level-1的方差为0.012 2,在level-2的方差为0.011 1。据此计算组内相关系数ICC,通过计算,组内相关系数ICC为0.476 3。说明创新绩效有0.476 3的变异来自省级层面。此外,以专利申请量作为被解释变量,组内相关系数ICC为0.670 2。以新产品销售收入作为被解释变量,组内相关系数ICC为0.664 4。均大于诊断临界值0.059。通过零模型的诊断性检验结果可知,省级科技创新政策力度在一定程度上会影响创新资源以及创新绩效的变异,因此采用多层线性模型对创新绩效进行分析较为合理。
图表编号 | XD00151463300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.10 |
作者 | 何增华、陈升 |
绘制单位 | 重庆大学公共管理学院、重庆大学公共管理学院、清华大学中国发展规划研究中心 |
更多格式 | 高清、无水印(增值服务) |