（1）被解释变量——R&D投资效率（RDE）

如上文所述，本章以R&D经费投入、R&D人员投入和专利申请数、营业利润分别作为R&D投入指标和产出指标，利用DEA模型计算出公司的R&D投资效率，以RDE表示。

（2）解释变量——内部控制质量（ICQ）

DIB内部控制指数是基于内部控制战略、经营、报告、合规和资产安全五大目标的实现程度设计内部控制基本指数，同时将内部控制缺陷作为修正变量对内部控制基本指数进行修正，最终形成综合反映上市公司内控水平和风险管控能力的内部控制指数。该指数为企业、投资者、监管部门以及金融机构等提供有效的决策和参考依据，具有较强的科学性。因此，本章以DIB内部控制指数来衡量企业内部控制质量（ICQ_D）。同时，由于各公司的DIB指数值差异较大，为了使回归结果更客观，本章以DIB指数的自然对数作为内部控制质量（ICQ_LnD）的第二个度量指标。

（3）控制变量

根据相关研究文献，本章选取了两类控制变量——公司治理变量与公司特征变量。

①公司治理变量

公司的治理结构如董事会规模、独立董事比例、领导结构会在一定程度上影响公司R&D投资水平（唐清泉等，2011），因此也可能对公司R&D投资效率产生影响。鉴此，本章也将上述因素作为控制变量引入模型。本章采用董事会人数来衡量董事会规模，以Bsize表示；采用独立董事人数/董事会人数来衡量独立董事比例，以INDR表示。领导结构（Leader），即公司董事长和总经理是否两职合一，当公司董事长和总经理两职合一时，取值为1；否则，取值为0。

王燕妮（2011）的实证结果表明，高管薪酬激励对公司研发投入都具有显著正向影响。因此，高管薪酬激励也可能影响公司R&D投资效率，本章以金额最高的前三名高管的报酬总额的自然对数作为高管薪酬的代理变量，以Salary来表示。

②公司特征变量

A.公司规模（LnS）

公司规模与研发效率的关系一直是学术界争论的焦点。一些学者认为，大规模企业实力雄厚，管理人员和技术人员素质较高，有能力进行耗资大、风险高、回报高的前沿技术的研发，更有利于研发效率的提高（Chen et al.，2004；姚洋、章奇，2001），占据行业技术领先地位的一般都是大企业；另一些学者则认为，伴随企业规模的扩大，企业的管理控制能力降低，影响研发效率的提高（Scherer和Ross，1990）；而小规模企业反应敏捷，善于捕捉市场机会，即使其从事的研发可能并不是“高精尖”，却能有效地将研发成果转化成能满足市场需求的产品。但是小企业研发力量薄弱，往往只能模仿和追随行业中的大规模企业；大企业凭借其在行业中的影响力，能够吸引更多优秀的研发和管理人才加盟，形成“马太效应”，不断提高R&D投资效率。本书用公司年末总资产的自然对数来表示公司规模的大小（陈修德和梁彤缨，2010），以Lns表示。(www.daowen.com)

B.公司年龄（Age）

随着公司的成长，公司在研发活动中的各种努力所形成的隐性成果不断积累：与研发活动相关的管理经验逐渐丰富、技术人员的研发能力不断提升，以往的研发项目的成败的启示不断积淀。因此，公司的研发效率可能受到公司年龄的影响（Sorensen和Stuart，2000；高建刚，2012）。本书的公司年龄是指公司成立的年数，以Age来表示。

C.现金流量（CFR）

企业R&D活动需要大量的现金，无论是购买设备、仪器和材料，还是支付研发人员的工资，都离不开现金。良好的现金流量是企业R&D活动顺利进行的可靠保证，因此，企业现金流量直接影响企业的R&D投资（唐清泉等，2011）。本书以公司经营活动现金流量净额/年末总资产，即资产获现率作为现金流量的代理变量，以CFR表示。

D.投资机会（IO）

Malmendier and Tate（2005）的研究表明企业的投资机会能促进企业的研发投入。本书选用Tobin's Q值表示企业的投资机会，其中Tobin's Q值＝公司市场价值/公司重置成本＝（流通股数×年末收盘价＋非流通股数×年末每股净资产＋长期负债合计＋短期负债合计）/年末总资产，本书以IO表示。

③年度哑变量

本书设置了年度哑变量（Dyear）用于控制宏观经济等时间序列因素的影响。由于本书选用的样本区间为2008年至2012年，因此，设置了4个年份虚拟变量，如果样本属于2012年，则样本变量取值为1，否则取值为0，以此类推。本书以2008年为基准变量。

上述变量的含义与计算公式如表7-3所示。

表7-3　变量定义与计算方法