产权性质、制度环境与高管隐性腐败.docVIP

产权性质、制度环境与高管隐性腐败 　　摘要：本文着眼于高管腐败这一问题，试研究我国上市公司产权性质与制度环境对高管隐性腐败的影响。本文利用871家上市公司2010―2014年面板数据，从异常在职消费、超额薪酬和过度投资三个方面，利用极值熵值法确定企业高管隐性腐败程度。 　　关键词：高管隐性腐败 制度环境 产权性质 　　中图分类号：F271 文献标识码：A 文章编号：1002-5812（2016）03-0035-03 　　一、引言 　　随着我国政治经济的飞速发展，腐败已成为影响我国社会经济稳定发展的重大隐患，中纪委进行的一系列反腐行动所暴露出的问题引起了社会的广泛关注。近几年华润集团、中石油集团等企业高管腐败事件曝光，使得高管腐败越来越受到企业和学术界的关注。 　　高管腐败作为国内外学者研究的热点话题，早期主要集中于腐败的经济后果的探究（Huang和Snell，2003；Oler和Olson，2009）。近年来许多基于寻租理论、管理者权力理论、委托代理理论、信息不对称理论等的研究则注重挖掘腐败产生的原因（陈信元等，2009；徐细雄和刘星，2013；杨德明等，2014；胡明霞，2015）。为了更清晰地反映高管腐败问题，徐细雄（2012）将其分为显性腐败和隐性腐败。其中显性腐败是指企业高管以贪污受贿、内部交易、职务之便等形式做出的违背相关法律法规以获取私利的行为；而隐性腐败则指企业高管通过隐蔽途径实现的非常规利益攫取，常见手段包括在职消费、超额薪酬、商业帝国构建等。目前学术界主要集中探讨高管显性腐败发生的原因及经济后果，鲜有文献针对高管隐性腐败的产生进行深入探究。本文试探究高管隐性腐败与制度环境以及产权性质之间的关系，为公司解决内部控制问题提供理论参考。 　　二、研究设计 　　（一）数据来源。本文以我国沪深股票市场2010―2014年的主板上市公司为初始样本，在此基础上，（1）剔除被ST和*ST的公司；（2）剔除财务、公司治理不齐全的公司；（3）剔除金融类上市公司。经过样本的筛选和面板数据的平衡处理后，最终获得871家上市公司连续三年的平衡面板数据，数据源自CCER数据库以及Wind数据库。 　　（二）如何量化隐性腐败。对腐败的研究，学者大多采用手工收集公开披露的我国上市公司高管腐败数据设置二元哑变量（陈信元，2009；徐细雄和谭瑾，2013等）。而隐性腐败的衡量主要使用在职消费作为代理变量（杨德明、赵璨，2014）。高管收入主要由薪酬、股权激励、在职消费等几部分组成，薪酬和股权激励属于正常所得报酬，而除去高管宴请、交通、通讯等正常在职消费以外的异常（超额）部分可以理解为隐性腐败。本文测算了2012―2014年主板上市公司异常在职消费作为高管隐性腐败的估计值。 　　1.在职消费。对奢靡在职消费的衡量，借鉴权小锋等（2010）的衡量方法，本文采用模型（1）估计异常在职消费： 　　2.超额薪酬。管理者薪酬主要包括货币薪酬和股权激励薪酬两部分，由于目前我国上市公司存在着高管持股比例偏低甚至零持股的现象，且现有数据区分管理者持股类型相对困难，因此本文主要考察管理者的货币薪酬，选用公司年报中披露的“金额最高的前三名高管薪酬总额”作为高管薪酬的替代变量。借鉴Jensen和Murphy（1990）、辛清泉等（2007）、陆智强等（2012）、张亮亮和黄国良（2013）的研究，本文使用高管实际薪酬剔除正常薪酬之后的异常值（残差项）作为高管超额薪酬衡量指标。具体模型为： 　　3.过度投资。参考Richardson（2006）、辛清泉（2007）、詹雷（2013）等人的研究方法衡量过度投资。企业存在最优投资规模，且受到公司规模、投资机会、现金持有量、财务状况等因素影响，企业投资超过最优投资额的部分即为过度投资。本文使用模型（3）中企业新增投资除去正常投资额之后无法解释的异常值（残差）作为该企业的过度投资量。 　　4.隐性腐败量化。对于隐性腐败模型权重的确定，为了消除主观因素的影响，本文通过在职消费、超额薪酬和过度投资三个指标的原始数据标准化处理，对指标打分，利用各指标的客观权重，建立基于熵值法的隐性腐败估计模型，通过各年隐性腐败得分的多少判断该公司的腐败程度。 　　由于异常在职消费（OverPerks）、超额薪酬（ExCom）和过度投资（OVERInv）三个指标均为负向指标，且根据朱喜安等（2015）的研究，极值熵值法优于原熵值处理方法。故本文采用极值法，对原始数据进行无量纲化处理。为了避免在熵值求权数时取对数无意义，借鉴马文明（2007）的数据进行了平移处理。熵值法计算具体步骤由于篇幅限制不再赘述，最终得到我国上市公司2012―2014年隐性腐败衡量指标值ImCorr?。由于在熵值计算过程中对指标进行正向化处理，故