5.2 研究结果
本书分别探讨了企业规模对企业知识生产效率、知识商业化效率以及企业综合效率的影响，对应的回归模型如表5.1、表5.2和表5.3所示。
如表5.1所示，本书在进行实证检验时将自变量加入回归模型中：Xtreg模型中的自变量为企业规模，检验的是与因变量企业知识生产效率之间的线性关系；Xttobit模型中的自变量依然为企业规模，同样检验了其对因变量企业知识生产效率的影响。从以上这两个模型的回归结果中可以发现，企业规模的系数无论是在Xtreg模型中还是在Xttobit模型中都为负，且在1%的水平下显著（β=-0.131；β=-0.130），表明企业规模对企业知识生产效率有负向的影响。企业技术并购的系数在两个模型中都为正，且都在1%的显著性水平下显著（β=0.060；β=0.059），说明企业开展越多的技术并购，其知识生产效率越高；企业加入区域级联盟的系数在两个模型中都为正，且都在1%的显著性水平下显著（β=0.032；β=0.031），表明企业加入越多的区域级联盟，其知识生产效率越高；产学研联盟的系数都为正，但是不显著；企业年龄的系数都为负，且都在1%的显著性水平下显著（β=-0.019；β=-0.019），表明年龄越大的企业在一定程度上有更低的知识生产效率；所有制的系数在两个模型中都为正，但是不显著；政府资金支持在两个模型中都在5%的显著性水平下显著（p=0.003；p=0.004），表明受到政府资助的企业在一定程度上有更高的知识生产效率；企业所处的园区成熟度、园区行业聚集度、企业所加入的国家级联盟、产学研联盟以及反映企业所属行业类型的控制变量系数在以上模型中大部分都不显著。控制变量的回归结果在两个模型中较为一致，且回归系数的大小也比较接近，表明回归检验的稳健性较好。Xtreg模型总体的解释力（R2）在12.34%左右。
表5.1 企业规模对企业知识生产效率作用模型的回归结果
续表
注：1.*表示p值＜0.1，**表示p值＜0.05，***表示p值＜0.01。
2.括号中的数值均为稳健标准差，以消除异方差或自相关问题的可能影响。
3.根据Hausman检验的结果，采用固定效应模型。
如表5.2所示，本书在进行实证检验时将自变量加入回归模型中：Xtreg模型中的自变量为企业规模，检验的是与因变量企业知识商业化效率之间的线性关系；Xttobit模型中的自变量依然为企业规模，同样检验了其对因变量企业知识商业化效率的影响。从以上这两个模型的回归结果中可以发现，企业规模的系数无论是在Xtreg模型中还是在Xttobit模型中都为正，且在1%的水平下显著（β=0.073；β=0.073），表明企业规模对企业知识商业化效率有正向的影响。企业技术并购的系数在两个模型中都为负，且都在1%的显著性水平下显著（β=-0.047；β=-0.047），说明企业开展越多的技术并购，其知识商业化效率越低；企业加入区域级联盟的系数在两个模型中都为正，且都在1%的显著性水平下显著（β=0.014；β=0.015），说明企业加入区域级联盟越多，企业知识商业化效率越高；国家级联盟和产学研联盟的系数都为负，但是不显著；园区行业聚集度的系数都为负，且分别在1%和5%的显著性水平下显著（β=-0.069；β=-0.068），表明所处行业聚集度较高园区的企业有更低的知识商业化效率；所有制的系数在两个模型中都为正（β=0.031；β=0.031），且在1%的显著性水平下显著，说明国有企业能够取得更高的知识商业化效率；政府资金支持在两个模型中都为负，但是不显著，表明政府资助对于提升企业知识商业化效率影响不大；企业所属的某些行业在两个模型中都显著，如服务业的系数显著为负而邮电业的系数显著为正；企业所处的园区成熟度、企业所加入的产学研联盟和国家级联盟，以及企业年龄等控制变量系数在以上模型中大部分都不显著。控制变量的回归结果在两个模型中较为一致，且回归系数的大小也比较接近，表明回归检验的稳健性较好。Xtreg模型总体的解释力（R2）在14.58%左右。
表5.2 企业规模对企业知识商业化效率作用模型的回归结果
续表
注：1.*表示p值＜0.1，**表示p值＜0.05，***表示p值＜0.01。
2.括号中的数值均为稳健标准差，以消除异方差或自相关问题的可能影响。
3.根据Hausman检验的结果，采用随机效应模型。
如表5.3所示，在进行实证检验时将企业规模的平方项作为自变量加入新的回归模型中：Xtreg模型中的自变量为企业规模的平方，检验的是与因变量企业综合效率之间的非线性关系；Xttobit模型中的自变量也是企业规模的平方，检验的也是与因变量企业综合效率之间的非线性关系。从以上这两个模型的回归结果中可以发现，企业规模的平方的系数在Xtreg模型中为负（β=-0.009），且在5%的水平下显著；企业规模的平方的系数在Xttobit模型中也为负（β=-0.008），且在10%的水平下显著。这表明企业规模与企业综合效率之间呈倒U形关系，小型、中型企业在提升综合效率方面比微型或大型企业具有更大的优势。企业开展技术并购的系数在两个模型中都为负，且都在5%的显著性水平下显著（β=-0.027；β=-0.025）；企业所处的成熟期园区在两个模型中都在10%的显著性水平下显著为负（β=-0.045；β=-0.040），而成长期园区则不显著，说明处在成熟园区中不利于企业综合效率的提升；企业所在园区行业聚集度的系数都为负，且分别在5%和10%的显著性水平下显著（β=-0.085；β=-0.065），因而行业聚集度较高的园区不利于企业综合效率的提升。企业加入的区域级联盟的系数都为正，且都在1%的显著性水平下显著（β=0.026；β=0.027），说明加入较多区域级联盟有利于企业综合效率的提升。所有制的系数在两个模型中都为正（β=0.042；β=0.041），且都在1%的显著性水平下显著，说明国有企业能够取得更高的综合效率；政府资金支持在两个模型中都为负，但只在Xttobit模型中在5%的显著性水平下显著（β=-0.003）；企业年龄的系数都为负（β=-0.006；β=-0.008），但只在Xttobit模型中在10%的显著性水平下显著，表明企业年龄越小，综合效率越高，但是整体影响并不是很明显；而企业所处的某些行业对模型有显著的影响，如服务业的系数显著为负（β=-0.080；β=-0.086），邮电业的系数显著为正（β=0.268；β=0.267），零售业的系数显著为负（β=-0.092；β=-0.091）。控制变量的回归结果在两个模型中较为一致，且回归系数的大小也比较接近，表明回归检验的稳健性较好。整体来看，这两个模型的Wald Chi2值都非常显著，说明具有较好的拟合程度，Xtreg模型总体的解释力（R2）在6.8%左右。
表5.3 企业规模对企业综合效率作用模型的回归结果
续表
注：1.*表示p值＜0.1，**表示p值＜0.05，***表示p值＜0.01。
2.括号中的数值均为稳健标准差，以消除异方差或自相关问题的可能影响。
3.根据Hausman检验的结果，采用随机效应模型。
依据以上回归模型的结果，本书画出了企业规模与三种不同效率之间的作用关系图。如图5.2所示，企业规模与企业知识生产效率有显著的负相关关系；如图5.3所示，企业规模与企业知识商业化效率有显著的正相关关系；如图5.4所示，企业规模与企业综合效率有显著的倒U形关系。
图5.2 企业规模对企业知识生产效率的作用
图5.3 企业规模对企业知识商业化效率的作用
图5.4 企业规模对企业综合效率的作用