基于企业绩效导向的CEO薪酬影响因素研究.docVIP

基于企业绩效导向的CEO薪酬影响因素研究 　　摘要：随着现代企业制度在国内的建立和CEO薪酬数据的渐次披露，CEO的激励问题已成为学术界和实践界普遍关心的话题。其中，薪酬作为激励CEO的最重要手段，一直是学者们讨论的热点。合理的薪酬激励机制能有效地提高高管的工作积极性和效率，避免代理失灵、人才流失等消极现象。本文通过运用《商业周刊》中的关于CEO的相关信息（即《伍德里奇》stata）数据，研究企业绩效导向的CEO薪酬的影响因素。 　　关键词：CEO薪酬 多元回归分析 white检验 　　符号说明 　　一、研究背景 　　CEO的激励性报酬，是公司治理机制中最重要的环节和内容，一套好的薪酬制度将会使经营者为股东创造最大价值，促进企业的发展和成长。在西方世界，特别是在美国，大型公司首席执行官（CEO）的报酬水平远远高过公司的一般员工，其平均报酬水平是一般员工的300倍；同时在国内，我国中国平安、富士康、华为等广为关注的企业，它们的CEO薪酬都是异常之高。但由于各上市公司规模不同、盈利能力不同等原因，高管薪酬分化也越来越严重。据统计，目前2012年上市公司最富CEO年薪为2.35亿元，而最穷的CEO年薪酬仅为1.1万元。为什么要有这样大的报酬差距？其中的内在机制如何？又该怎样结合企业的实际对公司高级管理人员进行报酬设计呢？最近几年，越来越多的国内外学者从不同方面对我国企业高管薪酬决定问题展开了探讨。 　　二、模型建立 　　基于所给数据，可以建立如下模型： 　　但是该模型的建立不是一步建成的，而是在以最初对CEO的薪酬关于公司的利润做简单的线性回归的基础上，逐渐完善起来的，具体过程如下： 　　1）模型的初始回归 　　首先对CEO的薪酬与公司的利润做简单的线性回归，判断他们之间的相关关系。 　　模型假设： 　　得出他们之间的回归方程为： 　　，其中 　　， 　　从方程中可以看出：回归效果并没有那么显著，profits只能解释很小一部分（15.5%）的salary，但是从这里可以得出CEO的薪酬与公司的绩效成正相关关系，且p值显著小于0.05，因此拒绝H0：β1=0的原假设，接受被则假设β1≠0。 　　2）考虑其他影响因素的多元回归模型 　　由于模型结果并不显著，这意味着要继续加入其他相关影响变量。通常企业的市场价值、CEO就任当前公司的年数、CEO在当前公司任职总年数、企业销售额可能都会对模型估计的结果产生影响，所以运用相同的方法，对这些变量分别进行回归。 　　从所得结果分析，可以得出最终有效的回归模型。 　　显然这个回归结果有所改善。 　　3）White检验-异方差性检验 　　针对方程一运用white检验，由结果可以看出F统计检验值为0.23，p值为0.79370.05，所以在5%的显著性水平上，salary的残差是不存在异方差的。也就是说随机扰动项ui没有包含无法用解释变量表示的各种因素对被解释变量的影响，即回归参数估计量具有良好的统计性质，所拟和的模型结果还比较好。 　　三、模型的修正及其检验 　　一般来说，对数变换总是使一个恒为正的变量更接近正态性。不妨对这些数据取对数，也许会有更好的拟合效果，所以取对数后再进行一次拟合。最后的回归方程为： 　　结果表明，这个拟合结果有所提高。 　　四、模型结果分析 　　对变量的解释说明及添加虚拟变量college和grad后的分析 　　从此模型中可以看出，每增加1%的sales，salary则要增加0.1629%，由此可以看出sales对salary的影响算比较大。同理，每增加1%的maktval，salary则要增加0.1092%，而CEO就任当前公司的年数每增加一年，则salary要增加1.17%，对于高薪酬的CEO来说这也在一定程度上起到了提高薪酬的作用。 　　这里所用的数据是把受不同教育水平的人放在一起做出来的估计方程，从经验法则来看，一般教育水平高的人总是比教育水平salary低的人的工资要高一些，那么CEO的薪酬会不会也有相同的影响呢。添加college和grad两个虚拟变量，讨论学历对CEO薪酬的影响。做回归估计，得到回归方程为： 　　显然这两个方程没有太大的区别，它们的一个为R2=0.3182，另一个为R2=0.3195，由于这里所选数据人群仅有5个CEO是大学还未毕业的，介于数据可能会不充分而导致偏差，仅以第二个方程来分析。这里得出一个很非同寻常的结论，就是CEO的薪酬与教育水平成负相关性，即一个研究生毕业的CEO比一个研究生未毕业的CEO的薪酬要低4.43%，但本样本数据中，仅有5个CEO是大学未毕业的。 　　五、结论及政策建议 　　为最终回归模型。通过分析得出一个CEO的薪酬和他所在公司的销售业绩和企业的市场价值以