研究方法与变数说明.pdf

地方創新環境與創新成效之研究 第四章 研究方法與變數說明 第一節 研究方法 一、研究假設： 本研究主要以統計分析方法進行實證分析，因此首先依據前述章節所彙整影 響地區創新能力之變數，蒐集與區域環境特性及創新能力相關之統計數據，作為 後續實證分析基礎資料。但研究範圍內 349鄉鎮市區之地方環境與創新能力相關 之資料眾多，再囿於資料取得難易，設定以下研究限制： （一）為求統計資料具有公信力，本研究所使用之統計分析數據資料以政府公 佈之資料為主。 （二）因可取得之各項統計資料年份不一，且部分資料屬於短時間內變動較少 之資料，故本研究統計所使用之資料，為本研究目前可取得或統計之最 新並較完整之統計數據，且以大部分變數資料位於相同時間區間內資料 為主。 （三）因變數統計資料眾多且部分資料特徵相似，故本研究於前述文獻資料中 已初步對該統計資料進行整理篩檢認定或標準化。 三、研究分析方法 以下就本研究中所使用之統計分析方法做介紹： （一）兩變數關聯分析 在許多研究中通常很重視變數間相互依存的強度及性質，而將兩變數間的關 聯情形加以數量化，所得之指標就稱為關聯量數（ Measures of Association ），此 種分析研究的方法就稱為兩關聯分析（ Analysis of Association ），例如皮爾森積差 相關（ Pearson Product-Moment Correlation ）或稱Pearon相關係數，就是用來衡 量計量變數間關聯程度的ㄧ種指標。雖然衡量兩兩變數間關聯係數種類很多，但 一般常見者仍以皮爾森相關係數及卡方值最常見。 45 地方創新環境與創新成效之研究 「相關」為適用於檢驗兩個變數線性關係的統計技術。兩個連續變數的關聯 情形，除了用散佈圖的方式來表達，尚可利用建立一套統計的運算檢驗模式來進 行精確的分析，並得到一個用以描述相關情形的量數，即相關係數（ coefficirnt of correlation ）。線性關係則是指兩個連續變數之間的關係，可以被一條最具代表性 的直線來表達其存在的關連情形，該直線的方程式為 Y=bX+a ，b 為斜率（即△ y/△x ，每單位的X變動時，在 Y軸上所變動的量） ，不過相關並不等於因果關 係。即線性關係中的斜率並不足以說明兩個變數觀察值的分布情形，相關係數要 能反映兩個變數的配對與觀察值得分佈，其運算必須考慮到兩個變數各自的集中 與分散狀況，以及配對分數的集中與分散狀況，將所有的觀察值的分布情形納入 考慮，以共變數的概念進行。 相關係數介於 -1~1 之間，隨著共變數的大小與正負向，相關係數可分為完全 正相關、正相關、負相關、完全負相關零相關等五種情形。此外相關係數的大小 須經顯著性檢定來證明是否顯著，不能直接由相關係數的大小來判斷其是否達到 顯著水準，但 SPSS軟體會自動檢定其相關係數是否達到顯著水準。以下分別就 其檢定與意義做說明 1.皮爾森樣本相關係數： 設( X1,Y1 )、(X2,Y2 )…(Xn,Yn )為配對隨機變數(X,Y )之樣本，兩變數 X 與 Y的皮爾森樣本相關係數定義如下： n ∑ ( Xi − X )( Yi − Y ) i 1 γ ( n −