为了验证上述理论猜想，本文选取2007—2015年上市公司的微观数据作为研究对象。选择上市公司作为研究对象，主要原因在于企业要在主营业务之外涉及房地产业务应是实力相对较强、资金雄厚的企业，而上市公司的企业代表性更好于中国工业企业数据库内涵的各种企业类型。本文所有的数据来源于国泰安CSMAR数据库，特别是有关上市公司研发数据来源于“中国上市公司专利研究数据库”，其他有关上市公司的相关指标均来自“中国上市公司财务报告数据库”“中国上市公司财务指标分析数据库”“中国上市公司首次公开发行研究数据库”和“中国上市公司财务报表附注数据库”等数据库。另外，有关各城市特别是35个大中城市^[4]和各省（自治区）房地产数据来自中经产业数据库中的房地产行业相关数据。本文对样本中的异常值进行了剔除，剔除了研发数据无数据或较少数据的企业样本，最终得到了中国404家的企业样本。而这404家企业报告的研发数据相对比较连贯，也从一个侧面说明这些企业是目前中国研发较为活跃的企业的代表，所以以此作为一个群体样本来考察房价对中国企业创新的影响具有典型性。

具体变量方面，被解释变量：企业创新的强度指标，包括技术创新的资本投入与人力资本投入，技术创新的资本投入用企业研发内部支出测评，在此依据传统文献的做法，本文选择上市公司研发支出作为对创新强度的衡量（房地产投资也主要“挤出”的是创新的资金投入），其中两个具体指标研发支出的对数（ln RD）和研发投入占总资产的比重（RDasset）。

解释变量：对于房地产投资高回报的衡量最为恰当的是房地产价格，由于数据可得的限制，在此选择商品住宅平均价格的对数值（ln House）作为关键解释变量。在此将企业样本和35个大中城市数据进行匹配，同时个别上市公司所在城市非35个城市则选择邻近的35个城市或是该省的商品住宅价格数据进行添补。(www.daowen.com)

依据既有的企业创新理论和实证文献，本文选择以下变量作为控制变量：（1）企业的规模（Size）。企业规模和企业研发投入之间的关系得到了国内外学者的持久关注（Cohen et al.，1996；Segerstrom，2007；安同良等，2006），二者之间的关系并未得到一致的结论。熊彼特认为，进行技术创新的一个基本条件是企业拥有相当的资源禀赋，而这在一定程度上依赖于企业的规模。企业规模不同，其自身实力及对创新的态度将不同。（2）企业的年龄（Age）。年龄是影响企业创新研发活动的重要因素（Yasuda，2005）。新进入的企业更善于创新，还是生存年龄较长的企业更注重创新仍存在争议（成力为等，2012）。（3）流动性（Liquidity）。在此借鉴周亚虹等（2012）和余静文等（2015），选择“（流动资产-流动负债）/总资产”作为企业流动性的衡量，该指标反映的是企业研发面对的融资约束（张杰等，2010），较强流动性意味着企业面对融资约束较低，反之亦然。（4）企业盈利能力（Profit）。企业创新活动需要大量的资金投入，一般来讲利润率越高的企业越有能力进行创新研发活动。所以在此选择企业净利润增长率作为对企业盈利能力的反映。（5）企业所有制类型、行业类型和所在地区。首先，企业所有制类型对研发影响研究由来已久（安同良等，2006），不论是从产权结构清晰和市场充分竞争视角（吴延兵，2007，2009），还是从融资约束视角（申慧慧等，2012；张杰等，2012），或者从预算软约束能补贴创新的外部性（Hussinger，2008；程强等，2015），都证明了不同的所有制类型影响着企业研发投入和水平，所以在此加入企业是否为国有企业（Soe=1）、民营企业（Private=1）、外资企业（包括外商投资企业、港澳台企业，Foreign=1）的虚拟变量，来控制不同所有制类型企业创新的差异。其次，安同良等（2006）证明了行业是影响企业研发行为的最主要因素之一，产业间要素禀赋的不同以及产业演化的动态影响使企业研发行为呈现出内生化的行业差异。在此加入行业虚拟变量（D1=公用事业、D2=综合、D3=工业、D4=商业、D5=房地产）^[5]。最后，地区因素，中国东部和中西部地区由于地理区位、开放水平以及经济发展水平巨大差异，会导致不同地区企业R&D投入存在明显差异，在此加入地区虚拟变量（East=1，东部地区则为1，中西部为0）。

表3　变量描述性统计