16.3.1　样本选择及数据来源

以专利数据为基础构建被解释变量已经是企业创新领域文献的标准方法。本章的被解释变量所采用的专利数据，主要来源于国泰安数据库（CSMAR）中上市公司与子公司专利数据库，该数据库收集了上市公司1990年以来，子公司1999年以来年报所披露的专利记录。限于1999年前后，较少的子公司披露自己的专利数据，本章作为被解释变量的专利数据样本区间为2002～2016年。

为了解决早期中国上市公司的专利数据与公司数据无法关联、上市公司年报披露的专利信息也有较多缺漏的问题，在检验证监会2003年的政策冲击（2001年出台）时，我们采用《中国专利数据库计划（Chinese Patent Database Project）》中收录的专利数据来衡量企业创新。该数据库来源于国家知识产权局（SIPO）公布的专利原始数据，并按照上市公司数据依照一系列步骤手工匹配而成，包括了各类上市公司及其子公司专利申请与授予的信息。[28]限于该数据库的时间段，双重差分模型中的被解释变量的专利数据样本区间为1998～2006年。

根据研究需要，我们剔除了ST、*ST、金融业的上市公司，以及暂停上市、退市的企业样本。此外，为了排除极端值的影响，我们对控制变量中的连续变量在前后1%的水平上进行缩尾（winsorize）处理。

16.3.2　变量定义

（1）被解释变量：创新水平（Logpatent1 appIy/Logpatent1 grant）

我们认为，以专利数量衡量的创新产出更能体现企业的创新水准。我国的专利分为三类：发明专利、实用新型专利和外观设计专利。我国的专利法对发明专利的规定为“对产品、方法或者其改进所提出的新的技术方案”，它比其他两类专利有着更长的审批周期和更严格的审批流程，因而最能体现企业的创新水准。所以，本章从发明专利申请数量、发明专利申请授权的数量两个方面衡量企业创新产出。由于有许多企业当年发明专利申请量为0，呈现出右偏分布，我们通过对企业专利申请数加1后取自然对数（Logpatent1_apply）作为被解释变量来处理这一问题。另一个被解释变量是Logpatent1_grant，定义为企业当年各类专利授权数加1后的对数值。

（2）解释变量：独立董事比例（INDD/CCBI-BI）

本章的主要解释变量为INDD，表示独立董事人数与董事会总人数之比。在下文对董事会独立性的进一步修正中，我们还使用了CCBIBNU中的“独立董事独立性分项指数（CCBI-BI）”，以及“独立董事董事会出席率”和“独立董事在多家公司的任职情况”，进一步考察独立董事的治理机制如何影响上市公司创新。

（3）控制变量

我们在回归模型中还加入了一些衡量公司特征的控制变量，其中包括企业规模（Logasset）、负债率（Leverage）、企业年龄（Age）、经营性现金流（Cash昀ow）、盈利能力（ROA）、营运资本（Wkcapital）、长期资产（PPE）。考虑到所有制性质和第一大股东的持股比例会直接影响独立董事独立性的发挥，我们还控制了所有制性质（Soe）和第一大股东持股比例（Top1）。各变量具体名称和定义见表16-1。

表16-1　变量名称及定义

16.3.3　模型设定

（1）主回归模型

检验独立董事比例与企业专利数量的关系的回归模型如下：

Logpatent_applyi，t+1，2，3=β0+β1INDDi，t+φControli，t+ui（μj）+τt+εi，t(www.daowen.com)

（16-1）

其中，Logpatent_applyi，t+1，2，3分别为企业未来1至3年的发明专利申请数量，主要解释变量为INDD，模型中还包含若干控制变量，依照研究需要控制了企业固定效应（ui），以及行业（μj）和年份固定效应（τt）。此外，为进一步衡量创新产出的质量，我们也引入了检验独立董事比例与发明专利申请获得授权的数量的回归模型：

Logpatent_applyi，t+1，2，3=β0+β1INDDi，t+φControli，t+ui+τt+εi，t

（16-2）

其中被解释变量为企业未来1～3年的发明专利申请获得授权的数量，其余设定与式（16-1）类似。

（2）双重差分模型

2001年8月16日，中国证监会发布了《关于在上市公司中建立独立董事制度的指导意见》（以下简称“《指导意见》”），为了检验独立董事制度改革对上市公司创新的影响，考虑到该规定仅对2003年之前没有达到规定标准的公司有效，本章将《指导意见》规定截止日期前（2003年之前）独董比例没有达到规定标准的公司看作是“处理组”（treatment group），将《指导意见》规定截止日期前独董比例已经高于三分之一的公司看作是“对照组”（control group）。

考虑到《指导意见》的发布时间是2001年，而企业则在2003年年中调整独董比例达到三分之一的标准即可，那么从出台到截至日期这段时间内，独立董事比例的调整既可能是政策的影响，也可能是企业的自发行为。根据以往文献的做法，我们需剔除政策实施当年的样本并确定事件窗口期。此外，我们还以2002年为事件过度年度。在剔除2002及2003年企业样本后，我们在本回归中所使用的样本区间为1998～2006年。考虑到CSMAR专利数据库中早年的专利数据并未考虑子公司专利，在本部分回归中我们采用《中国专利数据库计划（Chinese Patent Database Project）》中收录的专利数据。采用如下的双重差分（difference-in-difference）模型估计该政策所引致的外生独立董事比例的变化对企业创新的影响：

Logpatent_apply（Logpatent_grant）i，t+1，2，3=β0+β1INDDi，t_TREATPOSTi，t+β2INDDi，tTREATi，t+β3INDDi，tPOSTi，t+φControli，t+ui+τt+εi，t

（16-3）

其中TREATi，t为组别哑变量，如果公司属于处理组，TREATi，t取值为1，否则取0；POSTi，t为事件哑变量，在1998～2001年取值为0，在2004～2010年取1。但由于我们控制了企业固定效应和年度固定效应，INDDi，t_TREATi，t和INDDi，tPOSTi，t的效应会被吸收掉，所以我们仅关注交乘项INDDi，t_TREAT*POSTi，t（t为双重差分项）的系数β1。该系数可以表示为：

β1={E[Logpatent|TREATi，t=1，POSTi，t=1，Xt-1]-E[Logpatent|TREATi，t=0，POSTi，t=1，Xt-1]}-{E[Logpatent|TREATi，t=1，POSTi，t=0，Xt-1]-E[Logpatent|TREATi，t=0，POSTi，t=0，Xt-1]}

（16-4）

其中，X为控制变量集。由式（16-4）可知，β1实际上通过对比处理组公司与控制组公司在事件前后的相对距离来排除不可观测因素的干扰，从而分离出外生政策冲击的净效应。研究假设H1，意味着β1＜0。