加载中...
How to Make Industrial Policy More Effective—Evidence Based on Massive Media Data and R&D Manipulation
研发操纵现象在高新技术企业认定中普遍存在。本文发现媒体关注能显著抑制企业的研发操纵行为，其机制在于增加网民关注。进一步地，原创报道和深度报道能够抑制企业的研发操纵行为，网络媒体和权威媒体对企业研发操纵行为的监督作用更强。对于民营企业、分析师关注更多的企业以及政府质量和市场化程度更高的地区的企业，媒体关注对企业研发操纵行为的监督作用更强。最后，本文还发现媒体关注能提升企业的研发绩效。
Abstract
The phenomenon of R&D manipulation is prevalent in the identification of high-tech enterprises. We find that media coverage can significantly inhibit the R&D manipulation behavior by increasing netizens' attention. Further, original reports and in-depth reports can inhibit the company's R&D manipulation behavior, online media and authoritative media also have a stronger role in supervising the company's R&D manipulation behavior. For private enterprises, enterprises with more analysts coverage, and enterprises with higher government quality and higher marketization levels, media coverage have stronger supervision over the company's R&D manipulation behavior. Finally, we also find that media coverage can improve the company's R&D performance.
媒体关注显著抑制企业研发操纵
基于2008-2016年A股上市公司数据，以媒体关注度为核心解释变量，采用Logit模型回归。结果显示，媒体关注度每增加1个标准差（1.5%），企业研发操纵概率降低18.2%；考虑不同媒体度量后，媒体关注度每增加1个标准差（1.9%），研发操纵概率降低13.8%。控制相关变量后结果稳健，支持假设H1。
原创报道与深度报道更能抑制研发操纵
将媒体报道区分为原创报道与转载报道、深度报道与非深度报道进行回归。结果显示，原创报道和深度报道的系数显著为负，而转载报道和非深度报道的系数不显著，表明原创、深入的媒体报道更能有效发挥对研发操纵的治理作用。
网络媒体与权威媒体监督效应更强
区分网络媒体与报纸媒体、权威媒体与其他媒体后回归发现，网络媒体和权威媒体的系数显著为负且绝对值更大，说明网络媒体和权威媒体的报道更能抑制企业研发操纵行为；而报纸媒体和其他媒体的作用相对较弱。验证了假设H2a-H2d。
媒体监督效应在民营企业等样本中更强
异质性分析表明，在民营企业、分析师关注度较高以及政府质量高、市场化程度高的地区，媒体关注对研发操纵的抑制作用更强。这些企业面临更强的外部监督环境和市场约束，媒体治理作用更容易发挥。
媒体关注提升企业研发绩效
以企业未来创新产出为被解释变量，检验研发操纵对企业创新的影响及媒体关注的调节作用。结果显示，媒体关注能通过抑制研发操纵行为，促使企业将资源投入实质性创新，从而提高企业研发绩效。
核心解释变量
媒体关注（Media）：基于百度新闻搜索，以新闻报道数量衡量；进一步区分原创报道（MediaOriginal）与转载报道（MediaReprint）、深度报道（MediaDeep）与非深度报道（MediaNondeep）、网络媒体（MediaInternet）与报纸媒体（MediaNewspaper）、权威媒体（MediaAuthori）与其他媒体（MediaOther）
被解释变量
研发操纵（MBB）：根据高新技术企业认定管理办法，按研发投入占销售收入比例阈值设置虚拟变量，若研发投入比例处于特定区间（如4.0%-4.5%或4%-5%），则认为存在研发操纵（MBB=1），否则为0
样本与数据
2008-2016年A股上市公司，样本企业20797家，行业涉及490个，剔除缺失后观测值19890个；研发数据来自CNRDS，财务与公司治理数据来自CSMAR
识别方法 / 模型设定
采用Logit回归模型，控制年份、行业、省份固定效应；进一步利用百度搜索指数作为工具变量进行两阶段回归以缓解内生性，并使用断点回归（McCrary检验）等策略
内生性及稳健性检验
更改变量度量方式（如研发操纵阈值、媒体关注口径）、改变样本区间、采用工具变量法、使用断点回归方法（McCrary密度检验）验证结论稳健性