本來想寫點(diǎn)別的但這一個(gè)月我基本都泡在一份數(shù)據(jù)里2003—2025年的政府補(bǔ)貼明細(xì)。項(xiàng)目名字特別樸素就叫“政府創(chuàng)新補(bǔ)貼與非創(chuàng)新補(bǔ)貼”但真正把數(shù)據(jù)從底層翻起來之后才發(fā)現(xiàn)這個(gè)課題能做扎實(shí)比想象中難得多也遠(yuǎn)比想象中有意思。先說結(jié)論很多實(shí)證研究里“補(bǔ)貼效應(yīng)不穩(wěn)定”的毛病根源往往不在計(jì)量模型而在數(shù)據(jù)端就出了問題。政府補(bǔ)貼從來不是一個(gè)同質(zhì)變量創(chuàng)新補(bǔ)貼和非創(chuàng)新補(bǔ)貼對(duì)應(yīng)的企業(yè)行為邏輯完全不一樣。前者直接回應(yīng)研發(fā)投入和專利產(chǎn)出后者更多關(guān)聯(lián)就業(yè)穩(wěn)定、產(chǎn)能擴(kuò)張、成本補(bǔ)償。你如果把兩類補(bǔ)貼捆在一起當(dāng)“總補(bǔ)助”放進(jìn)回歸系數(shù)忽正忽負(fù)、換樣本就變號(hào)一點(diǎn)都不奇怪。這篇文章就把我這套數(shù)據(jù)從0到1怎么搭的、怎么拆的、怎么清洗的完整復(fù)盤一遍。適合正在做政府補(bǔ)貼、企業(yè)創(chuàng)新、產(chǎn)業(yè)政策相關(guān)實(shí)證研究的研究生和青年研究者參考也適合想搞清楚“補(bǔ)貼數(shù)據(jù)到底怎么拿到手、怎么用”的從業(yè)者。1. 項(xiàng)目整體設(shè)計(jì)為什么要把補(bǔ)貼拆成“創(chuàng)新”和“非創(chuàng)新”兩本賬1.1 研究問題從哪來我最初接觸這類課題時(shí)也踩過“一把抓”的坑。直接拿年報(bào)里的“政府補(bǔ)助”總額做解釋變量回歸結(jié)果確實(shí)漂亮過一陣子但只要換一下樣本區(qū)間、剔除某幾個(gè)行業(yè)顯著性就像被抽走了地基一樣塌掉。后來翻文獻(xiàn)才意識(shí)到問題不在樣本而在變量本身沒有解剖開。創(chuàng)新補(bǔ)貼核心特征是它與企業(yè)的技術(shù)行為綁定。比如研發(fā)項(xiàng)目補(bǔ)助、技術(shù)改造資金、專利獎(jiǎng)勵(lì)、首臺(tái)套保費(fèi)補(bǔ)貼這類資金流到企業(yè)之后最直接的傳導(dǎo)路徑是先形成研發(fā)投入再變成專利和產(chǎn)品迭代。而非創(chuàng)新補(bǔ)貼的用意則完全不同穩(wěn)崗補(bǔ)貼、社保返還、廠房建設(shè)補(bǔ)貼、貸款貼息它們不指向技術(shù)升級(jí)更多是兜底、穩(wěn)產(chǎn)、降成本。兩類資金背后的企業(yè)行為機(jī)制不一樣數(shù)據(jù)在統(tǒng)計(jì)口徑、時(shí)間分布、金額規(guī)模上也有明顯差異。所以項(xiàng)目的第一設(shè)計(jì)原則就是必須在數(shù)據(jù)層面先把“補(bǔ)貼類型”這條線分清楚。我定的目標(biāo)是構(gòu)建一個(gè)企業(yè)—年份面板每個(gè)觀測(cè)點(diǎn)同時(shí)有創(chuàng)新補(bǔ)貼強(qiáng)度、非創(chuàng)新補(bǔ)貼強(qiáng)度以及對(duì)應(yīng)的企業(yè)財(cái)務(wù)和創(chuàng)新產(chǎn)出變量。后面不管做描述統(tǒng)計(jì)還是因果識(shí)別都能從兩本賬分別下手。1.2 2003到2025這個(gè)窗口意味著什么選擇2003至2025年不是拍腦袋。1998年企業(yè)會(huì)計(jì)準(zhǔn)則雖然已經(jīng)開始規(guī)范政府補(bǔ)助披露但早期執(zhí)行質(zhì)量參差不齊許多企業(yè)只是在報(bào)表附注里給一個(gè)總數(shù)根本沒有明細(xì)。2003年開始強(qiáng)制披露明細(xì)的情況逐漸好轉(zhuǎn)真實(shí)可用的補(bǔ)貼科目才慢慢出現(xiàn)。把起點(diǎn)定在2003年是從“數(shù)據(jù)可用性”角度出發(fā)的理性選擇。終點(diǎn)放在2025則是給研究窗口一個(gè)完整的跨周期覆蓋。22年的時(shí)間長(zhǎng)度跨越了多輪經(jīng)濟(jì)周期和產(chǎn)業(yè)政策調(diào)整階段樣本在行業(yè)、區(qū)域、補(bǔ)貼強(qiáng)度上的變異足夠大。對(duì)實(shí)證研究來說時(shí)間維度上的變異就是識(shí)別力尤其是做雙重差分這類設(shè)計(jì)時(shí)處理組和控制組的切換路徑越豐富估計(jì)結(jié)果越可信。這個(gè)窗口的另一個(gè)實(shí)際好處是樣本規(guī)模。A股上市公司加上新三板掛牌企業(yè)能匹配到有效補(bǔ)貼明細(xì)的記錄超過十萬條量級(jí)。去掉金融、ST類干擾項(xiàng)之后依然有足夠大的截面寬度支撐非線性、異質(zhì)性分析。說白了規(guī)模大了你后面的計(jì)量手段就不至于捉襟見肘。2. 數(shù)據(jù)來源與底層構(gòu)建思路2.1 三大數(shù)據(jù)源怎么組合補(bǔ)貼數(shù)據(jù)不是一張表就能拉完的我最終用了三個(gè)數(shù)據(jù)源交叉拼接。第一是上市公司年報(bào)附注中的“政府補(bǔ)助”明細(xì)。這是最核心的數(shù)據(jù)來源位置在財(cái)務(wù)報(bào)表附注里一般在“營業(yè)外收入—政府補(bǔ)助”或者“其他收益”科目下。早年間很多公司把補(bǔ)貼放在營業(yè)外收入2017年修訂會(huì)計(jì)準(zhǔn)則之后與企業(yè)日?；顒?dòng)相關(guān)的政府補(bǔ)助列入“其他收益”。這個(gè)口徑變化在清洗時(shí)必須處理否則會(huì)把同一性質(zhì)的補(bǔ)貼拆成兩個(gè)變量。第二是專利數(shù)據(jù)庫目的是構(gòu)造創(chuàng)新產(chǎn)出變量。我做項(xiàng)目時(shí)用了獨(dú)立研發(fā)的專利檢索接口也對(duì)照過專利之星的數(shù)據(jù)核心要抓的是企業(yè)申請(qǐng)和授權(quán)的發(fā)明專利、實(shí)用新型以及外觀設(shè)計(jì)數(shù)量。注意一定要用申請(qǐng)量而非授權(quán)量做主回歸授權(quán)有滯后申請(qǐng)更貼近企業(yè)當(dāng)年的研發(fā)意圖。第三是企業(yè)工商注冊(cè)信息庫用來做企業(yè)實(shí)體的唯一標(biāo)識(shí)匹配以及補(bǔ)充企業(yè)年齡、注冊(cè)資本、所有制類型這些控制變量。數(shù)據(jù)源關(guān)鍵字段用途上市公司年報(bào)附注補(bǔ)貼科目名稱、金額、依據(jù)文件創(chuàng)新/非創(chuàng)新補(bǔ)貼分類與強(qiáng)度計(jì)算專利數(shù)據(jù)庫申請(qǐng)人、申請(qǐng)日、專利類型創(chuàng)新產(chǎn)出申請(qǐng)量、授權(quán)量工商注冊(cè)庫公司名稱、曾用名、注冊(cè)號(hào)企業(yè)唯一匹配、補(bǔ)充控制變量三個(gè)數(shù)據(jù)源靠“企業(yè)統(tǒng)一信用代碼/證券代碼”作為主鍵連接早期企業(yè)名稱變更比較頻繁的另做一層名稱匹配兜底。2.2 時(shí)間口徑與單位統(tǒng)一補(bǔ)貼時(shí)間口徑是最容易翻車的地方。年報(bào)里披露的政府補(bǔ)助金額往往不是一年內(nèi)一次性到賬的錢而是包含了前期項(xiàng)目在本年度的遞延收益攤銷。比如一個(gè)三年期的技改項(xiàng)目總共補(bǔ)助900萬第一年確認(rèn)300萬后面兩年各攤銷300萬。研究設(shè)計(jì)里如果關(guān)心的是“當(dāng)期現(xiàn)金流效應(yīng)”用攤銷額如果關(guān)心的是“政策支持力度”用當(dāng)年簽署或到賬額。我最終選擇以“當(dāng)期確認(rèn)的補(bǔ)助金額”為準(zhǔn)因?yàn)檫@是企業(yè)實(shí)際計(jì)入損益表的數(shù)字跟利潤(rùn)和研發(fā)投入的會(huì)計(jì)期間完全對(duì)齊。單位統(tǒng)一也不能馬虎。不同數(shù)據(jù)庫的金額字段有的是元有的是萬元有的是千元。合并之前我寫了一個(gè)單位校驗(yàn)?zāi)_本先按報(bào)告期識(shí)別單位再全部轉(zhuǎn)換為萬元。校驗(yàn)邏輯不復(fù)雜拿樣本中位數(shù)做合理性檢查如果某個(gè)企業(yè)某年度補(bǔ)貼金額比其他年份大四個(gè)數(shù)量級(jí)先標(biāo)紅人工查。年份對(duì)齊同樣有坑。年報(bào)附注里的補(bǔ)貼明細(xì)一般按“本期計(jì)入損益的金額”披露但也存在部分公司按“實(shí)際到賬年度”披露,兩種口徑混在一個(gè)表里。處理方式是看附注是否出現(xiàn)“遞延收益”科目如果出現(xiàn)說明公司采用了攤銷口徑必須把遞延收益當(dāng)期轉(zhuǎn)銷額拆出來單獨(dú)標(biāo)記。3. 創(chuàng)新補(bǔ)貼與非創(chuàng)新補(bǔ)貼的識(shí)別方法3.1 三層識(shí)別框架核心難點(diǎn)全在這一步給每一條補(bǔ)貼記錄打上“創(chuàng)新”或“非創(chuàng)新”標(biāo)簽。我用的方法不是單一規(guī)則而是三層框架疊加第一層科目名稱精確匹配。企業(yè)披露的補(bǔ)貼科目里有相當(dāng)一部分本身就帶強(qiáng)關(guān)鍵詞比如“研發(fā)投入補(bǔ)助”“專利資助”“科技創(chuàng)新獎(jiǎng)勵(lì)”這種直接規(guī)則命中無需多判斷。第二層關(guān)鍵詞規(guī)則庫打分。把科目名稱分詞后跟一個(gè)自建的關(guān)鍵詞庫做模糊匹配命中不同類別關(guān)鍵詞分別計(jì)分。比如科目叫“省級(jí)重點(diǎn)實(shí)驗(yàn)室建設(shè)補(bǔ)助資金”“實(shí)驗(yàn)室”“建設(shè)”都偏創(chuàng)新相關(guān)科目叫“穩(wěn)崗返還補(bǔ)貼”“穩(wěn)崗”明顯是非創(chuàng)新關(guān)鍵詞。第三層文本分類模型兜底。規(guī)則匹配不上或者規(guī)則正反打架的記錄用訓(xùn)練好的短文本分類模型給一個(gè)類別概率。我用的是Bert模型微調(diào)訓(xùn)練語料來自前兩層已經(jīng)人工標(biāo)定過的兩萬條歷史記錄準(zhǔn)確率實(shí)測(cè)能到94%左右。模型不是替代規(guī)則而是專門處理規(guī)則庫里覆蓋不到的模糊表述。三層跑完之后每一條補(bǔ)貼記錄都會(huì)帶一個(gè)標(biāo)簽字段innovation、non_innovation、unclear三類。unclear指的是規(guī)則和模型都沒法給出高置信度判斷的記錄這種不硬歸類后面單獨(dú)處理。3.2 關(guān)鍵詞庫的構(gòu)建與迭代關(guān)鍵詞庫是一點(diǎn)點(diǎn)磨出來的第一版是純理論驅(qū)動(dòng)后面全部是數(shù)據(jù)反哺。創(chuàng)新補(bǔ)貼方向我最終固定下來的核心詞包括研發(fā)、研發(fā)投入、科技、技術(shù)、專利、發(fā)明、首臺(tái)套、高新技術(shù)、產(chǎn)學(xué)研、創(chuàng)新平臺(tái)、中試、科技成果、轉(zhuǎn)化、新產(chǎn)品、工藝、標(biāo)準(zhǔn)制定、人才引進(jìn)、院士工作站之類。這里注意一個(gè)陷阱“人才引進(jìn)”我一開始想歸到非創(chuàng)新類但仔細(xì)讀申報(bào)條件后發(fā)現(xiàn)很多人才補(bǔ)貼針對(duì)的是高端研發(fā)人才實(shí)質(zhì)上是變相研發(fā)補(bǔ)貼所以最終把它歸為創(chuàng)新類。非創(chuàng)新補(bǔ)貼方向核心詞包括穩(wěn)崗、就業(yè)、社保、培訓(xùn)、產(chǎn)能、擴(kuò)產(chǎn)、搬遷、基建、廠房、土地、能耗、環(huán)保、節(jié)能減排、出口、貸款貼息、物流、房租、水電、納稅獎(jiǎng)勵(lì)、總部經(jīng)濟(jì)、上市獎(jiǎng)勵(lì)等等。這里面也有模糊區(qū)“節(jié)能減排”單獨(dú)看更像環(huán)保治理但如果補(bǔ)貼指向的是生產(chǎn)節(jié)能技術(shù)改造本質(zhì)又偏創(chuàng)新。對(duì)這種跨界詞我采取的規(guī)則是看上下文詞同時(shí)出現(xiàn)“技術(shù)改造”歸創(chuàng)新只提“治理”歸非創(chuàng)新。分類高頻詞示例模糊詞處理規(guī)則創(chuàng)新類研發(fā)、專利、首臺(tái)套、技改、產(chǎn)學(xué)研、科技成果兼具“研發(fā)/技術(shù)”上下文詞時(shí)歸類為創(chuàng)新非創(chuàng)新類穩(wěn)崗、就業(yè)、搬遷、廠房、貸款貼息、納稅獎(jiǎng)勵(lì)無技術(shù)上下文時(shí)歸類為非創(chuàng)新模糊區(qū)人才引進(jìn)、節(jié)能減排、標(biāo)準(zhǔn)制定依賴后續(xù)人工抽樣復(fù)核確認(rèn)3.3 識(shí)別一致性檢驗(yàn)規(guī)則庫和模型跑完之后必須做一致性檢驗(yàn)。我從全部貼好標(biāo)簽的記錄里隨機(jī)抽了1000條人工逐條復(fù)核。算出來的Cohens Kappa系數(shù)在0.86左右說明分類結(jié)果和人工判斷高度一致。這個(gè)系數(shù)在實(shí)證論文的附錄里也值得報(bào)告審稿人看到你做了這一步對(duì)數(shù)據(jù)可信度的質(zhì)疑會(huì)小很多。另外一個(gè)容易忽略的步驟是“跨年度一致性”檢驗(yàn)。同一個(gè)企業(yè)、同一個(gè)補(bǔ)貼項(xiàng)目可能連續(xù)三年以不同科目名稱出現(xiàn)。比如第一年叫“科技項(xiàng)目扶持資金”第二年叫“研發(fā)項(xiàng)目補(bǔ)助”第三年變成“科技局撥付”。規(guī)則庫單獨(dú)看每一條都能正確分類但放到企業(yè)層面就會(huì)發(fā)現(xiàn)同一項(xiàng)目被拆成創(chuàng)新補(bǔ)貼和其他補(bǔ)貼兩個(gè)身份。處理方式是把同一企業(yè)連續(xù)年度內(nèi)數(shù)額相近、關(guān)鍵詞近義的記錄合并成“項(xiàng)目組”用項(xiàng)目組為主體驗(yàn)證標(biāo)簽是否一致不一致的做標(biāo)記并統(tǒng)一修正。4. 數(shù)據(jù)清洗與預(yù)處理全流程實(shí)錄4.1 企業(yè)實(shí)體對(duì)齊數(shù)據(jù)合并最耗體力的不是寫代碼是對(duì)企業(yè)名稱。工商庫里的企業(yè)名稱是“某某科技有限公司”年報(bào)披露有時(shí)寫成“某某科技股份有限公司”證券代碼能幫你兜底一部分但歷史上有代碼變更、借殼上市的企業(yè)就得靠名稱相似度匹配。我用的匹配方案分三層第一優(yōu)先證券代碼精確匹配第二優(yōu)先統(tǒng)一社會(huì)信用代碼匹配第三層用編輯距離加Jaccard相似度做模糊匹配閾值設(shè)在0.85以上再人工review。這一套跑下來上萬條名稱對(duì)不上的記錄基本都能拽回正確主體。特別注意“母子公司”問題。集團(tuán)公司年報(bào)里披露的補(bǔ)貼是合并口徑補(bǔ)貼明細(xì)卻可能落在子公司名下。如果直接以母公司為主體會(huì)漏掉一部分實(shí)際補(bǔ)貼。我處理方式是把合并報(bào)表附注中列出的子公司補(bǔ)貼記錄拆出來按照母公司的持股比例折算到母公司主體同時(shí)保留子公司單獨(dú)觀測(cè)。4.2 補(bǔ)貼記錄的拆分與合并原始數(shù)據(jù)里經(jīng)常有一條記錄就是一筆大額混合補(bǔ)貼比如“收到財(cái)政補(bǔ)助資金8000萬元”下面不寫具體用途。這種記錄直接歸類等于自殺。我的拆分明細(xì)有兩套規(guī)則第一看同一筆資金附注里是否列出“其中……”子項(xiàng)。有子項(xiàng)就把母項(xiàng)拆成多條按子項(xiàng)金額和內(nèi)容分別入賬。第二沒有子項(xiàng)的大額混雜記錄用企業(yè)當(dāng)年的主營業(yè)務(wù)和技術(shù)方向做輔助判斷。如果企業(yè)當(dāng)年有密集研發(fā)投入且專項(xiàng)資金名稱里包含“產(chǎn)業(yè)”“發(fā)展”這類中性詞我會(huì)傾向標(biāo)注為“部分創(chuàng)新”并單獨(dú)設(shè)立一個(gè)“混合補(bǔ)貼”字段而不是硬塞進(jìn)某一類。跨年度項(xiàng)目的處理前面已經(jīng)提過這里再說一個(gè)細(xì)節(jié)遞延收益攤銷的拆分會(huì)造成一個(gè)企業(yè)某年度補(bǔ)貼金額特別小、下一年度突然放大這不是數(shù)據(jù)錯(cuò)漏而是攤銷節(jié)奏。做面板回歸時(shí)最好同時(shí)保留兩套變量當(dāng)期確認(rèn)額和當(dāng)年到賬額前者用于會(huì)計(jì)利潤(rùn)相關(guān)分析后者用于現(xiàn)金流、投資類分析。4.3 缺失與模糊記錄處理這條可能是最容易被低估的坑。樣本里每年都有大量“其他補(bǔ)助”或者未披露明細(xì)的補(bǔ)貼記錄金額占比還不少。我統(tǒng)計(jì)了一下2003到2008年超過三成的年度觀測(cè)只有總額沒有明細(xì)沒法分類。我的處理策略是不回避缺失給缺失一個(gè)明確身份。凡是無法分類的記錄全部放進(jìn)“未分類補(bǔ)貼”變量不進(jìn)創(chuàng)新與非創(chuàng)新任何一個(gè)桶?；貧w分析里把“未分類補(bǔ)貼”作為控制變量放進(jìn)模型避免遺漏變量偏誤。穩(wěn)健性檢驗(yàn)時(shí)再分別做兩組一組把未分類補(bǔ)貼按創(chuàng)新/非創(chuàng)新比例隨機(jī)拆入另一組直接剔除。兩組系數(shù)方向一致才敢下結(jié)論。另一個(gè)常見問題是極端值。少數(shù)企業(yè)某年拿到的補(bǔ)貼占總營收比例能超過百分之兩三百這種明顯是政府訂單或者一次性資產(chǎn)處置返還跟“創(chuàng)新補(bǔ)貼激勵(lì)”不是一回事。清洗時(shí)我對(duì)補(bǔ)貼強(qiáng)度補(bǔ)貼/營收做了1%和99%的雙側(cè)縮尾處理同時(shí)單獨(dú)剔除補(bǔ)貼強(qiáng)度超過100%的觀測(cè)但保留它們做敏感性分析。5. 從數(shù)據(jù)到實(shí)證常用分析策略5.1 面板結(jié)構(gòu)與核心變量設(shè)計(jì)數(shù)據(jù)清洗干凈后我構(gòu)建的是非平衡面板主體是企業(yè)時(shí)間維度是年份。每個(gè)觀測(cè)包含被解釋變量用的是三類創(chuàng)新產(chǎn)出指標(biāo)發(fā)明專利申請(qǐng)量加1取對(duì)數(shù)、研發(fā)支出占營業(yè)收入比例、新產(chǎn)品收入占比僅在有披露的樣本子集中使用。核心解釋變量是創(chuàng)新補(bǔ)貼強(qiáng)度和“非創(chuàng)新補(bǔ)貼強(qiáng)度”都按當(dāng)年補(bǔ)貼金額除以營業(yè)收入計(jì)算再取了對(duì)數(shù)。控制變量這一塊除了常規(guī)的企業(yè)規(guī)模、杠桿率、現(xiàn)金流、企業(yè)年齡之外我額外加了兩個(gè)容易被忽略的變量一是行業(yè)當(dāng)年平均補(bǔ)貼水平用來控制行業(yè)層面的景氣沖擊二是企業(yè)是否處于政策扶持園區(qū)。園區(qū)變量對(duì)補(bǔ)貼識(shí)別影響很大因?yàn)楦咝录夹g(shù)開發(fā)區(qū)內(nèi)的企業(yè)天然更容易獲得各類補(bǔ)貼不控制這個(gè)估計(jì)結(jié)果會(huì)混入?yún)^(qū)位效應(yīng)。5.2 識(shí)別策略怎么選用這份數(shù)據(jù)做因果識(shí)別最穩(wěn)妥的起步是面板固定效應(yīng)加時(shí)間趨勢(shì)先看創(chuàng)新補(bǔ)貼和非創(chuàng)新補(bǔ)貼在“企業(yè)內(nèi)隨時(shí)間變化”的維度上對(duì)創(chuàng)新產(chǎn)出有沒有差異化關(guān)聯(lián)。更進(jìn)一步如果某些補(bǔ)貼項(xiàng)目有明確的入圍門檻和適用范圍可以用強(qiáng)度DID。比如某省對(duì)首次認(rèn)定的高新技術(shù)企業(yè)給予一次性創(chuàng)新補(bǔ)貼那就以企業(yè)首次獲得高新認(rèn)定時(shí)間作為政策沖擊點(diǎn)把后續(xù)年度的創(chuàng)新補(bǔ)貼作為處理強(qiáng)度控制企業(yè)和年份雙向固定效應(yīng)識(shí)別補(bǔ)貼對(duì)專利申請(qǐng)的因果效應(yīng)。非創(chuàng)新補(bǔ)貼可以用類似框架選擇“穩(wěn)崗返還”政策批次作為沖擊。如果擔(dān)心補(bǔ)貼對(duì)象不隨機(jī)就用PSM-DID。傾向得分匹配變量至少包含企業(yè)規(guī)模、杠桿、專利存量、行業(yè)和區(qū)域匹配后再做雙重差分。這里有個(gè)體會(huì)匹配不是解決內(nèi)生性的萬能藥但它能把處理組和控制組的趨勢(shì)可比性先擺到桌面上至少在審稿人那里是有效的第一道防線。工具變量這步我沒有過度依賴因?yàn)檎矣謴?qiáng)又排他的工具變量太難。如果文獻(xiàn)里有人用“上級(jí)政府財(cái)力的外生變化”作為工具變量我也復(fù)現(xiàn)過可行性尚可但數(shù)據(jù)要求極高普通年度數(shù)據(jù)根本支撐不起。想做IV的同學(xué)一定要先把第一階段F值驗(yàn)證過再動(dòng)筆。5.3 穩(wěn)健性檢驗(yàn)的幾個(gè)固定動(dòng)作我每次跑完基準(zhǔn)回歸固定做五組穩(wěn)健性檢查替換被解釋變量發(fā)明專利換成實(shí)用新型、專利總申請(qǐng)量換成授權(quán)量替換核心解釋變量當(dāng)期補(bǔ)貼強(qiáng)度換成滯后一期、滯后兩期剔除模糊樣本去掉“未分類補(bǔ)貼”占比超過10%的企業(yè)剔除特殊群體剔除新上市兩年內(nèi)的企業(yè)和ST企業(yè)聚類層面調(diào)整標(biāo)準(zhǔn)誤分別聚類到企業(yè)和行業(yè)看顯著性變化。這五組跑下來如果核心結(jié)論依然穩(wěn)定我才敢說自己的數(shù)據(jù)結(jié)果是可靠的。把清洗過程中每一個(gè)判斷標(biāo)準(zhǔn)都寫清楚還有個(gè)額外好處論文附錄里的“數(shù)據(jù)處理說明”幾乎不用額外花時(shí)間因?yàn)槊恳徊蕉加胁僮魅罩尽?. 實(shí)操中的常見問題排查清單6.1 關(guān)鍵詞誤判與上下文依賴這里我踩過最深的坑是“獎(jiǎng)勵(lì)”類科目。僅憑“獎(jiǎng)勵(lì)”兩個(gè)字沒法判斷類型“科技創(chuàng)新獎(jiǎng)勵(lì)”是創(chuàng)新“納稅貢獻(xiàn)獎(jiǎng)勵(lì)”是非創(chuàng)新“質(zhì)量強(qiáng)市獎(jiǎng)勵(lì)”則要看是否涉及技術(shù)標(biāo)準(zhǔn)。解決方法是給“獎(jiǎng)勵(lì)”類關(guān)鍵詞強(qiáng)制加一個(gè)上下文修飾詞條件單獨(dú)出現(xiàn)“獎(jiǎng)勵(lì)”一律進(jìn)“unclear”樣本池。人工抽查后能把誤判率壓到2%以下。6.2 披露科目口徑漂移2006年之前很多企業(yè)報(bào)的是“補(bǔ)貼收入”科目本身沒有拆分明細(xì)根本沒法分類。2017年會(huì)計(jì)準(zhǔn)則修訂后政府補(bǔ)助從“營業(yè)外收入”往“其他收益”遷移導(dǎo)致同一條補(bǔ)貼記錄換了報(bào)表位置。后來我又發(fā)現(xiàn)部分企業(yè)為了讓報(bào)表好看把非創(chuàng)新補(bǔ)貼包裝成創(chuàng)新補(bǔ)貼科目名稱寫得特別技術(shù)化比如“產(chǎn)業(yè)扶持資金”后面補(bǔ)一句“按研發(fā)進(jìn)度確認(rèn)”這里面的水分只能靠比對(duì)補(bǔ)貼依據(jù)文件去擠。6.3 早期數(shù)據(jù)質(zhì)量差的處理2003到2006年這段超過一半企業(yè)年報(bào)的補(bǔ)貼披露只是總額分類這件事完全無從談起。我的建議是不要為了保留樣本去做無依據(jù)的拆分與其硬拆出一堆錯(cuò)標(biāo)簽不如把這段時(shí)間的數(shù)據(jù)單獨(dú)做描述統(tǒng)計(jì)不進(jìn)入主回歸。當(dāng)然穩(wěn)健性檢驗(yàn)里可以加上早期年份再看一遍如果結(jié)論不變說明結(jié)果沒有過度依賴數(shù)據(jù)質(zhì)量最好的那幾年。6.4 分類標(biāo)準(zhǔn)“漂移”問題因?yàn)殛P(guān)鍵詞庫是我不斷迭代出來的跨年份跑的時(shí)候會(huì)出現(xiàn)同一條補(bǔ)貼記錄在不同版本規(guī)則庫下標(biāo)簽不同。這會(huì)給實(shí)證結(jié)果帶來“偽變化”。我的處理方式是鎖定最終版關(guān)鍵詞庫全部年份一次性跑完中間不調(diào)整。之后如確需修改分類規(guī)則則全樣本重新跑一遍絕不允許只對(duì)某一年單獨(dú)修正。再分享一個(gè)小技巧給每條補(bǔ)貼記錄存一個(gè)“規(guī)則命中路徑”字段記錄它是因?yàn)槟膫€(gè)關(guān)鍵詞、哪一層模型被分到哪一類。后面做復(fù)現(xiàn)、被審稿人質(zhì)疑、或者修改規(guī)則的時(shí)候只需要按照路徑字段篩出歷史判例批量重跑即可根本不用逐條回看原始年報(bào)。最后再聊幾句實(shí)在話這套數(shù)據(jù)我從開始做到基本能跑出穩(wěn)定結(jié)果前后花了三個(gè)多月。最大的體會(huì)是數(shù)據(jù)整理里最耗精力的不是代碼而是“判斷的一致性”。同一個(gè)補(bǔ)貼科目今天看像創(chuàng)新明天看像非創(chuàng)新這種搖擺一旦帶入數(shù)據(jù)后面所有回歸結(jié)果都會(huì)變成一個(gè)隨機(jī)數(shù)發(fā)生器。如果你也想做類似的項(xiàng)目我建議從頭就把“分類規(guī)則凍結(jié)”和“記錄全留痕”當(dāng)成鐵律。再一個(gè)實(shí)用建議是把每一個(gè)模糊記錄的處理決定寫在規(guī)則說明文檔里標(biāo)注日期和理由。前期多花兩小時(shí)后面省下的就是幾個(gè)通宵。這個(gè)數(shù)據(jù)集后續(xù)能擴(kuò)展的地方也很多。比如把補(bǔ)貼網(wǎng)絡(luò)做出來看哪些企業(yè)重復(fù)獲得多個(gè)項(xiàng)目、哪些行業(yè)集中度高也可以把補(bǔ)貼強(qiáng)度和后續(xù)融資行為連起來觀察創(chuàng)新補(bǔ)貼對(duì)風(fēng)險(xiǎn)資本是否產(chǎn)生信號(hào)效應(yīng)。數(shù)據(jù)本身是干凈的后面能挖出什么全看研究視角。