《表3 专利转移与知识复杂性的回归分析Tab.3 Estimation results of knowledge complexity and knowledge flow based on Line
注:双尾检验统计显著度:*:P<0.05;**:P<0.01;***,P<0.001;“--”为未涉及项。
式中:Transfer=1表示专利i被转移,反之为0。本模型包含指标焦点专利i转移前所在城市的知识复杂性,由于复杂性知识十分重要且难以测度,对β1不做特定预期;Distance为距离指标,若专利转移前后位于同一城市则Distance=0,反之为1。本文认为地理距离越近,越容易转移(β2<0)。另一重要指标是复杂性和地理距离的乘积项。β3=0表示地理距离对复杂知识的流动无影响。根据此前对复杂知识地理空间的讨论和描述,在此假设两者存在负相关,即复杂知识难以转移。其中的协变量包括实验组中专利转移前后的年数。并利用线性概率模型(LPM)和Logit模型进行计算。表3表明两者结果类似。本文利用Firth逻辑回归模型进行进一步检验,发现结果与表3相同。
图表编号 | XD0015450000 严禁用于非法目的 |
---|---|
绘制时间 | 2018.08.25 |
作者 | 张翼鸥、谷人旭 |
绘制单位 | 华东师范大学城市与区域科学学院、华东师范大学城市与区域科学学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表3 专利转移与知识复杂性的回归分析Tab.3 Estimation results of knowledge complexity and knowledge flow based on Linear Probability Model”的人还看了
- 表3 旅游业环境效率的条件收敛估计结果Tab.3 Results of conditional convergence estimation of tourism environmental efficiency