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. Economic Evaluation of Positron Emission Tomography (PET) in Non Small Cell Lung Cancer (NSCLC), CHERE Working Paper 2007/6
2. The Determinants of Individual Trade Policy Preferences: International Survey Evidence
3. KNOWLEDGE EVOLUTION
4. Education and Development: The Issues and the Evidence
5. Evaluating the Impact of Health Programmes
6. The name is absent
7. NEW DEVELOPMENTS IN FARM PRICE AND INCOME POLICY PROGRAMS: PART I. SITUATION AND PROBLEM
8. Recognizability of Individual Creative Style Within and Across Domains: Preliminary Studies
9. The Institutional Determinants of Bilateral Trade Patterns
10. The use of formal education in Denmark 1980-1992