19
yrityksen saamaan Tekes-rahoitukseen. Tama puoltaa julkisen t&k-rahoituksen endo-
genisointia, kun estimoidaan julkisen t&k-rahoituksen vaikutusta yrityksen omarahoit-
teiseen t&k-toimintaan. Toinen keskeinen tulos koskee Tekes-budjetti -muuttujaa, joka
myos saa tilastollisesti merkitsevan positiivisen kertoimien. Kuten edella todettiin, Te-
kes-rahoitusta instrumentoivan muuttujan tulee korreloida Tekes-rahoituksen kanssa.
Tama ehto siis tayttyy.
Keskeinen ero OLS-estimoinnin (a-sarake) ja instrumenttimuuttujaestimoinnin (d-
sarake) valilla koskee Tekes-rahoituksen (paatos tuen saamisesta) vaikutusta. Instru-
menttimuuttuja-menetelmassa saman vuoden Tekes-rahoituksella on edelleen positiivi-
nen vaikutus omarahoitteiseen t&k-menoon, mutta kerroin ei ole enaa tilastollisesti
merkitseva. Edellisen vuoden Tekes-rahoituksen kerroin kaantyy instrumenttiestimoin-
nissa lievasti negatiiviseksi, mutta ei kuitenkaan tilastollisesti merkitsevaksi. Muiden
keskeisten muuttujien kohdalla kerrointen etumerkit ja suuruusluokat sailyvat eri esti-
mointimenetelmissa; kerrointen tilastollisen testauksen tuloksen erona on se, etta vel-
kaantuneisuus tulee instrumenttiestimoinnissa tilastollisesti merkitsevaksi.
Tekes-rahoituksen vaikutuksen suuruus ja sen tilastollinen merkitsevyys jaavat siis epa-
selvaksi tassa poikkileikkausanalyysissa, joka on vastaava kuin Wallstenin (2000) tut-
kimuksessa. Paremman kasityksen saamiseksi aineistoa analysoidaan seuraavaksi kayt-
taen hyvaksi paneeliaineiston sisaltamia kaikkia vuositietoja (ks. taulukko 4.6). Paneeli-
aineiston mallissa ei ole mukana viivastettya selitettavaa muuttujaa, koska kiinteiden
vaikutusten (fixed effects) mallin tapauksessa talloin pitaisi kayttaa GMM-menetelmaa
(Generalized Method of Moments). GMM-menetelmaa ei tassa tutkimuksessa kayteta,
koska aineiston koosta johtuen menetelman ja sen testidiagnostiikan tulokset voisivat
olla harhaisia7.
Paneeliaineistolla estimoitava malli on perusmuodossa seuraava:
RD _ PRIVit = β,PUBUCtf + β2 PUBUCu -, + β3 Yu-, +
β4Πi,t-1+β5Bi,t-1+β6Bi2,t-1+vit, (6)
7 GMM-menetelmaa kaytettaessa tulee testata valittujen instrumenttien validisuus, johon kuuluu myos
virhetermien sarjakorreloimattomuus (Arellano & Bond ,99,). Dynaamisessa differenssimallissa toi-
sen asteen sarjakorrelaation testaamisessa aikasarjan pituus tulee olla vahintaan viisi (Arellano &
Bond, s. 278). Taman tutkimuksen paneeliaineistossa tama ehto tayttyy vain noin 55 % yrityksista
(taulukko 4.1). Instrumenttien sopivuutta testaa myos Sargan-testi. Mikali Poikkileikkaushavaintojen
maara ei ole riittavan suuri, Sargan-testin tulokset voivat olla harhaisia ja johtaa sellaisen mallin hy-
vaksymiseen, mika on vaarin spesifioitu (Dahlberg, Johansson & Tovmo 2002).
More intriguing information
1. Temporary Work in Turbulent Times: The Swedish Experience2. A Classical Probabilistic Computer Model of Consciousness
3. Evidence of coevolution in multi-objective evolutionary algorithms
4. Distribution of aggregate income in Portugal from 1995 to 2000 within a SAM (Social Accounting Matrix) framework. Modeling the household sector
5. PRIORITIES IN THE CHANGING WORLD OF AGRICULTURE
6. 5th and 8th grade pupils’ and teachers’ perceptions of the relationships between teaching methods, classroom ethos, and positive affective attitudes towards learning mathematics in Japan
7. Linkages between research, scholarship and teaching in universities in China
8. QUEST II. A Multi-Country Business Cycle and Growth Model
9. The name is absent
10. The name is absent