My blog Practice makes perfect
文献集锦
如何理论创新？
管理学理论集锦
Python实际应用
聚类标准误与固定效应
巫师3：狂猎
读懂专利
Stata应用技巧
Python知识与技巧
回归系数的经济意义
双重差分法（DID）
创新文献阅读与摘要
计量经济学
Python绘图相关
遗漏变量偏误检验
基于专利计算的创新指标
解读lnY的回归系数经济含义
在实证管理学和经济学研究中，系数的“统计显著性”（ 值）仅证明变量间存在联系，而“经济显著性”则衡量这种联系在实际现实中的影响大小。
在创新管理领域，专利是绕不开的一个测量指标。然而，专利是计数数据，其分布具有右偏长尾特征，在实证研究中的常见处理方法是对其取对数，再使用OLS模型，否则只能使用泊松或负二项回归模型。
下面将介绍以为因变量的回归模型中的系数经济含义
1. 理论背景与模型设定
假设我们研究的是企业数字化转型（）对专利产出数量（）的影响。由于专利数据通常存在大量零值且呈现长尾分布，我们采用常用的对数化处理方式：
常见的基础回归模型（Main Effect）：
以研发强度（）为例，常见的调节模型（Moderation Effect）如下：
2. 主回归系数的经济价值解释
一般而言，回归系数的经济解释为
X提升一个标准差对Y的影响。在基础回归模型中，假设回归结果显示 ，且描述性统计中 的标准差 。
- 计算对数点的变化：
当 提升一个标准差时， 的变化量为：
转化为百分比（经济意义）：
由于 是对数形式，要映射到真实的专利数量 上，还需要进一步转换：
主系数的经济解释：当数字化转型水平提升一个标准差时，企业的专利产出将增加 。如果样本中专利产出的均值 ，那么 的增长意味着平均增加 件专利。
3. 调节效应的经济价值解释
调节效应的意义在于：对的边际影响是如何随的变化而变化的。
边际效应公式
根据调节模型，对的边际影响为：
经济价值解释
为了体现调节效应的经济价值，通常对比在不同水平（如均值减一个标准差 vs 均值加一个标准差）时，提升一个标准差对 的不同贡献。
两者之差为：
当调节变量提升一个标准差的时候，提升一个标准差对的额外贡献：
假设回归结果：， 。 的均值为 0.5，标准差。
的水平 | 计算公式：
| 提升1个标准差时的 变化
() |
低水平 () | ||
高水平 () |
解释：
“调节效应的经济价值体现在：在较高的企业中（高出均值一个标准差），数字化转型每提升一个标准差能带动专利增长 ；而在较低的企业中，这一带动作用为 。两者之间 的增量差额即为研发强度这一调节因素带来的经济价值。”
！！注意：因为 本质上是对数形式，那么上面的结果其实是对 的分析。如果要映射到对的影响，那么需要进一步转换：
其中 可以是：
- 某个特定水平下，增加一个标准差带来的Y变化；
- 或者高低情景之间的差值带来的变化。
比如说，当调节变量上升一个标准差时，的边际效应增加：
也就是说：当 上升一个标准差时，对 的促进作用会额外增强约 。
调节变量系数的经济解释：当研发强度上升一个标准差时，数字化转型水平对专利产出的边际提升效应会增加2.6%，如果样本中专利产出的均值 ，那么 意味着平均增加 件专利。
Prev
ITCV / RIR表述摘录
Next
弱知产保护与跨国公司的技术探索
Loading...