4.2. Results from different Japanes

4.2. Results from different Japanese automakers and their suppliernetworksWe used firm level data from the Japan Auto Parts IndustriesAssociation (JAPIA, 2018), which is an industry association thatprovided an accurate list of the different automotive supplierswithin Japan. We followed the same approach as we used for theToyota supplier association to construct variables for the Honda,Daihatsu, Suzuki, Mitsubishi, and Nissan supplier networks. Inparticular, we only chose firms with supplier eco-innovation capabilities in electric, hybrid, and fuel cell patented technologies, asthis is the focus of our study. Interestingly, we observed large variations in the rate of eco-innovation co-patenting between differentJapanese automakers. Consequently, due to the lower rate of ecoinnovation co-patenting by some automakers we used multivariate logistic regression models. Within these models, the dependent variable measures whether the firm in the supplier networkhas registered an eco-innovation co-patent with a particular Japanese automaker (1 ¼ yes) or not (0 ¼ no) over the past four years.The logistic regression models are expressed as follows (Woolridge,2013):In the models, pi is the probability of an eco-innovation copatent between the firm and the automaker, bi is the coefficients,and Xi represents the independent variables (Greene, 2011). Theresults from the logistic regression models are presented inTables 5e7 that show the b coefficients, significance levels, and

ผลลัพธ์ (ไทย) 1:

4.2 ผลลัพธ์ที่ได้จากผู้ผลิตรถยนต์ญี่ปุ่นที่แตกต่างกันของพวกเขาและผู้จัดจำหน่าย
เครือข่าย
เราใช้ข้อมูลในระดับ บริษัท จากญี่ปุ่น Auto Parts Industries
Association (JAPIA 2018) ซึ่งเป็นสมาคมอุตสาหกรรมที่
ให้รายชื่อที่ถูกต้องของผู้จำหน่ายรถยนต์ที่แตกต่างกัน
ภายในประเทศญี่ปุ่น เราตามวิธีการเดียวกับที่เราใช้สำหรับการ
จัดจำหน่ายโตโยต้าสมาคมตัวแปรสร้างสำหรับฮอนด้า
ไดฮัทสุชิมิตซูบิชิและเครือข่ายผู้จำหน่ายนิสสัน ใน
โดยเฉพาะอย่างยิ่งเราเลือก บริษัท ที่มีความสามารถในการจัดจำหน่ายเชิงนิเวศนวัตกรรมในการไฟฟ้าไฮบริดและเทคโนโลยีที่จดสิทธิบัตรเซลล์เชื้อเพลิงเช่น
นี้เป็นจุดสำคัญของการศึกษาของเรา ที่น่าสนใจที่เราสังเกตเห็นการเปลี่ยนแปลงขนาดใหญ่ในอัตราเชิงนิเวศนวัตกรรมร่วมระหว่างการจดสิทธิบัตรที่แตกต่างกัน
ผู้ผลิตรถยนต์ญี่ปุ่น ดังนั้นเนื่องจากอัตราการลดลงของ ecoinnovation ร่วมการจดสิทธิบัตรโดยผู้ผลิตรถยนต์บางอย่างที่เราใช้แบบจำลองการถดถอยโลจิสติกหลายตัวแปร ภายในรูปแบบเหล่านี้มาตรการตัวแปรตามไม่ว่าจะเป็น บริษัท ที่อยู่ในเครือข่ายซัพพลายเออร์ที่
ได้ลงทะเบียนนิเวศนวัตกรรมสิทธิบัตรร่วมกับผู้ผลิตรถยนต์ญี่ปุ่นโดยเฉพาะอย่างยิ่ง (1 ¼ใช่) หรือไม่ (0 ¼ไม่ได้) ที่ผ่านมาสี่ปี
รูปแบบการถดถอยโลจิสติกจะแสดงดังต่อไปนี้ (Woolridge,
2013):
ในรุ่นที่ปี่ความน่าจะเป็นของ copatent นิเวศนวัตกรรมระหว่าง บริษัท และ automaker ที่สองคือค่าสัมประสิทธิ์,
และซีหมายถึงตัวแปรอิสระ (กรีน 2011 )
ผลที่ได้จากแบบจำลองการถดถอยโลจิสติกถูกนำเสนอใน
ตาราง 5e7 ที่แสดงค่าสัมประสิทธิ์ขระดับความสำคัญและ

ผลลัพธ์ (ไทย) 2:

๔.๒ผลลัพธ์จากผู้ผลิต automakers ญี่ปุ่นและผู้จัดจำหน่ายที่แตกต่างกัน
เครือ ข่าย
เราใช้ข้อมูลระดับบริษัทจากอุตสาหกรรมชิ้นส่วนรถยนต์ญี่ปุ่น
(JAPIA, ๒๐๑๘) ซึ่งเป็นสมาคมอุตสาหกรรมที่
จัดหารายการที่ถูกต้องของผู้ผลิตยานยนต์ที่แตกต่างกัน
ภายในประเทศญี่ปุ่น เราทำตามวิธีการเดียวกันกับที่เราใช้สำหรับ
สมาคมผู้ผลิตโตโยต้าเพื่อสร้างตัวแปรสำหรับฮอนด้า
ไดแฮซูซูกิมิตซูบิชิและเครือข่ายผู้จัดจำหน่ายนิสสัน นิ้ว
โดยเฉพาะอย่างยิ่งเราจะเลือกบริษัทที่มีความสามารถในการสร้างสรรค์นวัตกรรมเชิงนิเวศในด้านไฟฟ้าไฮบริดและเทคโนโลยีการจดสิทธิบัตรของเซลล์เชื้อเพลิง
นี่คือจุดมุ่งหมายของการศึกษาของเรา ที่น่าสนใจเราสังเกตเห็นรูปแบบที่มีขนาดใหญ่ในอัตราของนวัตกรรมเชิงนิเวศที่ร่วมกันระหว่าง
เครื่องชงญี่ปุ่นอัตโนมัติ ดังนั้นเนื่องจากอัตราที่ต่ำกว่าของ ecoinnovation ร่วมโดยผู้ผลิต automakers บางคนที่เราใช้รูปแบบการถดถอยโลจิสติกส์หลายตัวแปร ภายในรุ่นเหล่านี้ตัวแปรขึ้นอยู่กับหน่วยวัดว่าบริษัทในเครือข่ายของซัพพลายเออร์
ได้จดทะเบียนนวัตกรรมเชิงนิเวศร่วมกับผู้ผลิต automaker ญี่ปุ่นโดยเฉพาะ (1 1/4 ใช่) หรือไม่ (0 1/4 ไม่มี) ในช่วงสี่ปีที่ผ่านมา
แบบจำลองการถดถอยของโลจิสติกส์จะแสดงเป็นดังนี้ (Woolridge,
๒๐๑๓):
ในรูปแบบ, pi เป็นความน่าจะเป็นของนวัตกรรมเชิงนิเวศ copatent ระหว่างบริษัทและ automaker, สองเป็นสัมประสิทธิ์,
และ Xi หมายถึงตัวแปรอิสระ (Greene, ๒๐๑๑) การ
ผลจากแบบจำลองการถดถอยโลจิสติกส์จะแสดงใน
ตาราง5e7 ที่แสดงค่าสัมประสิทธิ์ b ระดับความสำคัญและ

ผลลัพธ์ (ไทย) 3:

แถบ 4.2 ผลจากผู้ผลิตรถยนต์ญี่ปุ่นและซัพพลายเออร์ที่แตกต่างกัน
เครือข่าย
เราใช้ข้อมูลระดับองค์กรของอุตสาหกรรมชิ้นส่วนรถยนต์ญี่ปุ่น
สมาคมนี้เป็นสมาคมอุตสาหกรรม
ให้รายการที่ถูกต้องของซัพพลายเออร์รถยนต์ที่แตกต่างกัน
ในประเทศญี่ปุ่น วิธีที่เราใช้กับ
สมาคมผู้ผลิตโตโยต้าเป็นตัวแปรในการผลิตฮอนด้า
Dafa Suzuki มิตซูบิชิและนิสสันซัพพลายเออร์เครือข่าย อยู่ในระหว่าง
โดยเฉพาะอย่างยิ่งเราเลือกบริษัทที่มีความสามารถในนวัตกรรมทางนิเวศวิทยาของซัพพลายเออร์ในไฟฟ้าไฮบริดและเซลล์เชื้อเพลิงจดสิทธิบัตรเทคโนโลยีเช่น
นั่นคือจุดสำคัญของการวิจัยของเรา สิ่งที่น่าสนใจคือเราสังเกตว่ามีความแตกต่างใหญ่ในอัตราสิทธิบัตรร่วมกันระหว่างประเทศที่แตกต่างกัน
ผู้ผลิตรถยนต์ของญี่ปุ่น ดังนั้นเนื่องจากอัตราต่ำของสิทธิบัตรร่วมกันของนวัตกรรมทางนิเวศวิทยาของผู้ผลิตรถยนต์บางเราใช้แบบจำลองการถดถอยโลจิสติกหลาย ในรูปแบบเหล่านี้ตัวแปรตามวัดธุรกิจในเครือข่ายผู้ขาย
ในช่วงสี่ปีที่ผ่านมาบริษัทได้จดทะเบียนสิทธิบัตรร่วมสำหรับนวัตกรรมทางนิเวศวิทยากับค่ายรถยนต์ญี่ปุ่น
รูปแบบการถดถอยเชิงตรรกะแสดงดังนี้
ปีที่ผ่านมา
ในรูปแบบปี่คือความน่าจะเป็นของความร่วมมือระหว่างบริษัทและผู้ผลิตรถยนต์ในนวัตกรรมทางนิเวศวิทยา
ฉันเป็นตัวแทนของตัวแปรอิสระ นี่
แบบจำลองการถดถอยโลจิสติก
ตาราง 5E7 แสดงค่าสัมประสิทธิ์ B ระดับความสําคัญและ