To test the hypotheses, standard or

To test the hypotheses, standard ordinary least squares regression was applied. For all models, the variance inflation factor was calculated to check for potential multicollinearity.The highest value across all models and variables refers to industry SIC 35 in model 5 andamounts to 2.56. This value is well within an acceptable range (Hair et al., 2006). In addition, the residuals in all models have been checked for normal distribution by applying the Komolgorov–Smirnov test with Lilliefors’ modification. According to this test, the residuals in all models are normally distributed at least at the level of p < .1 (Hair et al., 2006). To cross-validate the results of the OLS regression analyses, structural equation modeling was employed. The structural equation models show no significant changes in the findings compared with the results of the OLS regression analyses. Accordingly, for reasons of parsimony, the paper presents only the results of the OLS analyses in detail.

結果 (繁體中文) 1:

為了測試假設，標準普通最小二乘回歸施加。對於所有型號，方差膨脹係數計算，以檢查潛在的多重。
所有模型和變量的最高值是指產業SIC 35模式5
達2.56。該值是很好的可接受範圍內（頭髮等人，2006）。此外，在所有車型的殘差已經通過應用與里爾福斯“修改Komolgorov-Smirnov檢驗檢查正態分佈。根據本試驗，在所有模型中的殘差是正態分佈至少在p的水平<0.1（頭髮等人，2006）。交叉驗證OLS回歸分析的結果，結構方程建模使用。結構方程模型顯示與OLS回歸分析的結果進行比較的結果沒有顯著變化。因此，為了簡約性的原因，提出了僅OLS分析的結果的細節。

結果 (繁體中文) 2:

為了檢驗假設，應用了標準普通最小二乘回歸。對於所有模型，計算方差膨脹係數是為了檢查潛在的多共線性。
所有型號和變數中的最高值是指 5 和
等於 2.56。此值完全在可接受的範圍內（Hair等人，2006年）。此外，通過應用科莫爾戈羅夫-斯米爾諾夫試驗，結合利利福的修改，對所有型號中的殘差進行了正態分佈檢查。根據此測試，所有模型中的殘差至少以 p = .1 的水準正態分佈（Hair等人，2006 年）。為了交叉驗證OLS迴歸分析的結果，採用了結構方程建模。結構方程模型顯示，與 OLS 迴歸分析的結果相比，結果沒有顯著變化。因此，出於吝嗇的原因，本文只詳細介紹了OLS分析的結果。

結果 (繁體中文) 3:

為了驗證這些假設，採用了標準的普通最小二乘回歸。對於所有模型，計算方差膨脹因數以檢查潜在的多重共線性。
所有模型和變數中的最高值是指模型5和
總計2.56。該值在可接受範圍內（Hair等人，2006）。此外，所有模型中的殘差都通過應用帶有Lilliefors修正的Komolgorov-Smirnov檢驗進行了常态分配檢驗。根據這個測試，所有模型中的殘差至少在p<0.1的水准上呈常态分配（Hair等人，2006）。為了交叉驗證OLS回歸分析的結果，採用了結構方程模型。與OLS回歸分析結果相比，結構方程模型的結果沒有顯著變化。囙此，出於節約的原因，本文僅詳細介紹OLS分析的結果。