Julkinen T&K-rahoitus ja sen vaikutus yrityksiin - Analyysi metalli- ja elektroniikkateollisuudesta



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 harhaisia
7.

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. Stable Distributions
2. Emissions Trading, Electricity Industry Restructuring and Investment in Pollution Abatement
3. Job quality and labour market performance
4. Why unwinding preferences is not the same as liberalisation: the case of sugar
5. Hemmnisse für die Vernetzungen von Wissenschaft und Wirtschaft abbauen
6. An alternative way to model merit good arguments
7. Nonparametric cointegration analysis
8. AJAE Appendix: Willingness to Pay Versus Expected Consumption Value in Vickrey Auctions for New Experience Goods
9. Dynamic Explanations of Industry Structure and Performance
10. The name is absent