研究总体设计与数据来源分析

（一）数据来源

本研究的企业样本数据有三个来源。一个是来源于上海和深圳的上市公司报表及中国股票市场会计研究数据库（CSMAR），数据涵盖2004年至2012年上海和深圳交易市场的公司数据。首先，本文直接提取上市公司报表中有R＆D投入（非强制披露事项）的公司，录入股票代码、报告日期、总资产、上市日期、总负债、资产收益率、销售增长率、雇员总数、地点、行业、总股本和家族产权状况，再从CSMAR数据库中录入其他变量数据。其次，将样本家族企业的CEO或总经理是家族成员的定义代码为1，否则为0；家族企业有金字塔式管理结构的定义为1，否则为0。经过上述步骤，筛选出4773个有R＆D投入的家族公司。数据的另一个来源摘自樊纲等（2011）论述的省际市场化指数^[7]。但是，可行的数据涵盖2004年至2009年的数据。如果2010年、2011年和2012年的数据占有很大比例的话，样本将会有重大缺失，代表性则显得不足。本文使用ARIMA模型和2004年至2009年的市场化指数预测中国31个省2010年至2012年的数据，最终产生分省、直辖市和自治区的市场化指数，这是数据的第三个来源^[8]。

（二）变量描述

R＆D投入强度（RD）在回归模型中是因变量，用R＆D投入占总资产的比例来衡量。本文主要分析3个自变量：家族产权、家族管理和家族控制。家族产权（FamOwner）变量用家族成员持有的股份占企业发行总股份的比例来表示（Chen，et al，2009［1］；Chu，2009［60］）；家族管理（FamManag）变量是虚拟变量，如果家族成员是CEO或总经理，则为1，否则为0（Peng，et al，2010）；家族控制（FamCont）为虚拟变量，如果企业采取金字塔式管理模式，则为1，否则为0（Peng，et al，2010）。

本文考虑5个控制变量和1个协调变量。控制变量有：公司规模（Size）用雇员数量的对数表示（Chen，et al，2013［61］）；负债（Debt）用总负债与总资产的比例表示（Chen，et al，2013［61］）；存续时间（Age）用公司报告期与注册日期之差的对数表示（Zahra，2003［13］）；盈利能力（Profit）用资产回报率表示（Tihanyi，et al，2000［62］）；增长率（Growth）用年销售增长率表示（Choi，et al，2011［63］）。协调变量为企业市场制度环境（InstiEnviron），用31个省、直辖市和自治区的市场化指数表示（樊纲，等，2011［59］）。

（三）技术路线图

图1　微观层面的家族企业R＆D投入影响分析

图1说明本文主要研究的内容。首先分析家族产权、家族管理和家族控制对家族企业R＆D投入的影响，其次将制度环境作为调节变量，分析其对家族产权、家族管理和家族控制对家族企业R＆D投入影响的调节作用。(www.xing528.com)

（四）模型

本文构建六个回归方程，模型（1）引入自变量——家族产权（FamOwner）和相关控制变量，用以考察家族产权对R＆D投入的影响。

其中，下标i为企业标识，t为时间标识。RDit为i企业在t年的R＆D投入与总资产之比，表示R＆D投入强度；FamOwnerit为i企业在t年中家族成员所拥有股份占企业公开发行的总股份之比，表示家族产权的拥有程度；Sizeit为i企业在t年的雇员总数，以表示企业规模；Debtit为i企业在t年的总负债与总资产之比，表示企业相对负债；Ageit为i企业在t年企业存续时间，用报告期与注册期之差表示；Pr ofitit为i企业在t年的资产收益率，表示盈利能力；Growthit为i企业在t年的销售额增长率，表示企业增长率。α、β与模型（4）、（5）、（6）中的γ、θ均为待估参数；εit为随机扰动项。

模型（2）引入自变量——家族管理（FamManag）和相关控制变量，用以考察家族管理对R＆D投入的影响。其中，FamManagit为i企业在t年中有家族成员担任CEO或总经理的，记为1，否则为0，为虚拟变量。

模型（3）引入自变量——家族控制（FamCont）和相关控制变量，用以考察家族控制对R＆D投入的影响。其中，FamContit为i企业在t年中具有金字塔式管理结构的，记为1，否则为0，为虚拟变量。

为了进一步考察制度环境（InstiEnviron）对家族企业R＆D投入的调节影响，建立模型（4）、（5）、（6），将制度环境（InstiEnviron）作为调节变量，再分别引入制度环境（InstiEnviron）与家族产权（FamOwner）、家族管理（FamManag）和家族控制（FamCont）的交互项。相应地，建立以下三个模型：

第122页表4报告模型（1）、（2）（3）的回归结果，第123页表5报告模型（4）、（5）、（6）的回归结果。对于面板数据来说，一旦存在未观测因素的固定效应，如果不使用固定效应模型的话，OLS估计的错误项会偏大，这种不可观察的固定效应使得模型对自变量的系数估计值出现偏差。本文通过Hausman检验后发现固定效应不显著，没有使用固定效应模型；但固定效应可能存在，因而也没有使用随机效应模型，而是直接应用更为简单的混合OLS方法来分析，对结果没有太大影响。