《表2 技术储备、技术相关性与法院支持禁令》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《技术储备、技术相关性与专利诉讼审判结果》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

第一，进行模型设定偏误检验。本文在基准模型（表1的第（4）列及表2的第（4）列）中加入了原告专利储备对数二次项、被告专利储备对数二次项及原被告技术相关性的二次项，以考察技术储备与技术相关性对于审判结果的非线性影响。回归结果显示，二次项系数均不显著，表明并不存在明显的U形或倒U形关系。第二，进行随机抽样回归分析。本研究通过随机抽取60%的样本回归5 000次，考察随机抽样回归系数与基准回归系数的接近程度。若随机抽样的回归系数都集中分布在基准回归系数的附近，表明遗漏变量问题并不严重。由于本文所用的变量中有较多0—1变量，传统的成对自举法（paired bootstrap）容易出现大量自举样本无法得到回归结果的现象。鉴于此，本文使用针对残差进行自举的方法（residual bootstrap）。由于残差自举法无法针对非线性模型进行，本文采用OLS回归来进行检验。从估计的边际效应以及相应的置信区间比较来看，通过自举抽样的回归结果与基准结果具有较好的一致性。