研发操纵程度(Gunny模型)
「研发操纵程度(Gunny模型)」，覆盖 2018-2025 年，频率 年度，上市公司层级，含 15 个变量，样本量约 29,934。 衡量企业为达到特定财务目标而对研发支出进行的非效率调整程度。
| 时间跨度 | 2018-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 15 |
| 样本量 | 29,934 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 6位股票代码
- StkName [证券简称] — 证券简称
- Year [年份] — 财务年度
- Province [省份] — 公司注册所在省份
- ProvinceCode [省份代码] — 省份行政区划代码(6位)
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码(6位)
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 区县行政区划代码(6位)
- IndustryCode [行业代码] — 中上协行业分类代码
- IndustryName [行业名称] — 中上协行业分类名称
- RDIntensity [研发强度] — 参考Gunny (2010, CAR)的方法，计算公式为：当期研发费用/期初总资产。单位：比例
- NormalRD [正常研发水平] — 参考Gunny (2010, CAR)的方法，按行业-年度横截面回归(R&D/TA_{t-1}对1/TA_{t-1}、ln(总市值)、托宾Q、营业利润/TA_{t-1}、上期研发强度)的拟合值，代表企业正常研发支出水平。单位：比例
- AbnormalRD [异常研发支出] — 参考Gunny (2010, CAR)的方法，计算公式为：实际研发强度减去行业-年度横截面回归拟合的正常研发水平。用作研究变量，正值代表研发支出高于正常水平，负值代表低于正常水平。单位：比例
- Bper [研发操纵哑变量] — 参考万源星等(2020, 科研管理)的方法，是否存在研发操纵(0=否，1=是)，当异常研发支出大于零时赋值为1
常见问题
- 「研发操纵程度(Gunny模型)」是什么数据集？
- 研发操纵程度(Gunny模型)，隶属盈余质量。衡量企业为达到特定财务目标而对研发支出进行的非效率调整程度。
- 该数据集的时间范围是？
- 覆盖 2018-2025 年。
- 包含哪些变量/指标？
- 共 15 个变量。核心指标包括：研发强度、正常研发水平、异常研发支出、研发操纵哑变量。完整字段清单（变量名·中文名·说明）见页面「字段字典」。
- 数据频率和层级是怎样的？
- 频率为年度，上市公司层级。
- 样本量有多大？
- 约 29,934 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 研发操纵是指企业管理层为了达到特定财务目标（如满足盈利预期、规避亏损等），对研发支出进行非效率的向上或向下调整的行为。为了衡量这种操纵程度，本研究参考Gunny (2010)的模型，通过估计企业在正常经营状态下的研发支出水平，并将实际研发支出与之比较，其差额即为异常研发支出。该方法在中国资本市场的实证研究中得到了应用，如万源星等(2019)的研究。 核心计算过程分为两步。首先，计算企业的研发强度（$RDIntensity$），即当期研发费用（$R\&D{i,t}$）与期初总资产（$TA{i,t-1}$）的比值。其次，为估计正常研发水平，按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）和年度进行横截面回归。回归模型如下： $$ \frac{R\&D{i,t}}{TA{i,t-1}} = a0 + a1 \times \frac{1}{TA{i,t-1}} + a2 \times \ln(MV{i,t}) + a3 \times Q{i,t} + a4 \times \frac{INT{i,t}}{TA{i,t-1}} + a5 \times \frac{R\&D{i,t-1}}{TA{i,t-1}} + \epsilon{i,t} $$ 其中，$R\&D{i,t}$为当期研发费用，$TA{i,t-1}$为期初总资产，$MV{i,t}$为当期总市值，$Q{i,t}$为托宾Q值，$INT{i,t}$为当期营业利润。该回归的拟合值即为正常研发水平（$NormalRD$），代表企业在行业和年度背景下的预期研发强度。 最终的核心指标——异常研发支出（$AbnormalRD$），由实际研发强度（$RDIntensity$）减去正常研发水平（$NormalRD$）得到，即回归模型的残差。该指标为连续变量，正值表示企业研发支出高于正常水平，负值则表示低于正常水平。此外，基于万源星等(2019)的方法，定义了一个二元变量$Bper$（研发操纵哑变量），当$AbnormalRD 0$时取值为1，表示存在向上的研发操纵，否则取值为0。 补充说明 - 为控制极端值的影响，在按行业-年度进行横截面回归前，对所有连续变量在1%和99%分位数上进行缩尾处理。 - 回归要求每个行业-年度分组内至少有10个有效观测值。 参考文献 - Gunny K A. The relation between earnings management using real activities manipulation and future performance: Evidence from meeting earnings benchmarks[J]. Contemporary Accounting Research, 2010, 27(3): 855-888. - 万源星, 许永斌. 高新认定办法、研发操纵与企业技术创新效率[J]. 科研管理, 2019.
- 如何获取该数据集？
- 通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。