在上述的两个模型当中，dumrd为企业研发投入的虚拟变量，如果企业在当年进行了研发投资则取值为1，否则取值为0；dumrdsub为企业是否收到政府研发补贴的虚拟变量，如果企业在当年收到了来自政府的研发补贴则取值为1，否则取值为0；fina1contro1表示企业的最终控制人类型，如果企业的最终控制人类型为国有企业则取值为1，否则取值为0；

Lntasset表示企业的规模，以企业总资产的自然对数表示；manager为高管持股比例；cashf1ow为企业的现金流量，用企业的净利润表示，leverage为企业的财务杠杆，用企业的总负债总资产表示；cfstock表示企业年初的现金存量；Lnintangib1e表示企业无形资产的自然对数值；i为个体固定效应，代表不随时间而变的个体特征的影响；Vt为时间固定效应，代表不随个体而变的宏观经济冲击的影响。

表2显示的是上述两个模型中变量的描述性统计数据。从表2中可以看出dumrd的均值为0.690392，dumrdsub的均值为0.854093，说明在样本企业中有69%的企业进行了研发投资，有85.4%的样本企业受到了政府的研发补贴，非国有企业的占比约为55.2%，高管人员持股的平均比例为3.94%，样本公司财务杠杆的均值约为43.3%。
对第一个模型使用Probit估计，回归结果如表3所示。表3中的第一列是没有加入控制变量的回归结果，第二列是加入控制变量后的回归结果。从第一列可知，企业获得研发补贴与企业进行研发投资在1%的显著性水平下正相关，即使在控制了企业规模、高管持股、企业现金流、企业财务杠杆等因素后，在5%的显著性水平下仍然正相关，企业获得研发补贴对企业参与研发投资的概率有正向的影响。

考虑到政府补贴政策实施可能存在样本选择的问题，这里采用了Heckman的样本选择模型，第一步从政府R&D补贴的选择模型中估计出反映样本选择偏差的逆米尔斯比率IMR（Inverse Mi11's Ratio），在第二步的回归模型中加入IMR来控制样本选择偏差，IMR的回归系数在1%的水平上显著说明样本选择的问题的确产生了影响。从第三列的回归结果来看，虽然dumrdsub的回归系数从0.637下降为0.590，但依然在5%的水平上显著为正，即使控制了样本选择偏差，政府对研发活动进行补贴仍然能提高企业参与研发投资的平均概率。

另外，从表3中可以看出：在光伏行业，企业的最终控制人类型、企业的规模以及高管持股的比例对企业进行研发可能性大小的影响并不显著，而企业的杠杆对企业研发的可能性产生了负面的影响，即企业的负债占企业资产的比率越高，企业越倾向于不进行研发活动。这可能是由于企业的负债越多，越难从外部融资来支持企业的研发活动，所以企业进行研发的可能性也越低。

表4显示的是第二个模型的回归结果，第一列为昆合OLS回归结果，第二列为固定效应回归结果，第二列为随机效应回归结果－Hausman检验的P值为0.0523，在5%的显著性水平上不能拒绝固定效应回归结果与随机效应回归结果有系统性的偏差，因此在5%的显著性水平下可以认为随机效用模型是恰当的。由于加入年度虚拟变量后与模型中的fina1contro1（企业最终控制人类型）构成了共线性，所以在回归中没有控制时间效应。

混合回归时，企业研发支出对政府研发补贴的弹性为0.361并且在1%的水平上显著为正，考虑到企业的个体效应之后，弹性从0.361下降到0.297并且在1%的水平上依然显著，说明政府对企业的研发补贴从平均意义上看能激励企业进行研发投资，政府的研发补贴提高一个百分点，平均而言企业的研发投资提高0.297个百分点。但是考虑到2007-2011年间，平均的研发补贴占企业平均的研发支出的比率在18.8%至62%之间，研发补贴是企业研发投资的重要的组成部分，政府直接的研发补贴对企业研发投资的激励作用并不是很强。