我国上市公司高管人力资本溢价形成的主要原因实证分析.docVIP

PAGE  PAGE 10 我国上市公司高管人力资本溢价形成的主要原因实证分析 　　摘要：以2001-2013年我国上市公司高管为研究对象，运用残差法将人力资本溢价从薪酬中剥离出来，通过构建实证模型探寻人力资本溢价的形成机制。本文结合人力资本理论、劳动力市场分割理论、效率工资理论和产权理论，对人力资本溢价的产生路径进行了分析，发现行业、地区及企业所有制导致的劳动力市场分割、企业特性不同以及工资的价格刚性是造成高管员工人力资本溢价的主要原因。 　　关键词：高管人力资本溢价人力资本理论劳动力市场分割企业特性工资价格刚性 　　中图分类号：F244.3 文献标识码：A 文章编号： 　　一、引言 　　近年来，收入差距问题受到了社会的广泛关注，特别是一些上市公司高管的“天价”薪酬更是成为人们关注的焦点问题。经典经济学理论认为，在完全竞争市场经济中，市场处于出清状态，雇主与雇员的利益达到最大化时，无论雇员进入哪个部门都能得到相同的报酬。这也是倡导公平的学者们对“同工同酬”预期的理论基础之一。但现实却远非如此，同质劳动力在不同行业、不同地区、不同企业其薪酬存在巨大差异。本文以2001年到2013年上市公司中的高管员工作为主要的研究对象，对我国上市公司高管人力资本溢价形成的主要原因进行详尽的分析。 　　二、高管人力资本溢价形成主要原因实证分析 　　1.样本选择 　　本文所收集的数据来自于2001-2013年我国上市公司高管的数据。对高管人力资本溢价进行测算时共得到有效数据13074条，在加入了行业、地区、公司特征等信息后对有缺失值的数据条进行剔除，共得到5517条数据，仍属于大样本，而且样本容量依然涵盖了我国十三个主要的一级行业和全国主要城市。 　　2.变量设定 　　（1）人力资本溢价 　　本文以高管的人力资本溢价（Prem_work）作为因变量，通过构建工资方程来估计正常的人力资本收益，即： 　　HCR=α+β1edu+β2exp+β3exp2+β4gender+β5post+? 　　其中，HCR 表示正常的人力资本收益，edu 表示被考察对象的受教育情况，为了反映不同学历类型对高管的影响，本文对该变量采用了两种衡量方式：一种是用虚拟变量的方法来表示学历的不同类型，分别包括中专及以下、大专、本科、硕士、博士，并以中专学历为参照组;另一种衡量方式是将不同类型的学历折算成受教育年限。exp 为工作经验，等于被考察对象的年龄减去相应学历所对应的教育时间，再扣减学龄 6 计算而得。gender 是性别哑变量，男性为 1，女性为 0。post 代表职位信息。e 是残差项。因此，人力资本溢价可以用下面的公式确定： 　　Premium=In（Compensation）-HCR 　　其中，premium 代表人力资本溢价，compensation 代表实际薪酬，HCR 为上文定义的正常的人力资本收益。 　　（2）解释变量 　　本文所选取的解释变量包括行业虚拟变量（Ind）、企业所有制（Sta）、W（地区虚拟变量）、董事长与CEO两职合一（Power）、前三位高管薪酬的对数（Pay）、第一大股东持股比例（H1）、前十大股东是否存在关联（H2）公司规模（S），企业效率（E）、独立董事的比例（D）、委员会设置个数（C），托宾Q（tobinq）、资产回报率（roa）、滞后一期的人力资本溢价（lpre）。 　　3.回归模型 　　为了分别考察劳动力市场分割、企业特性以及工资刚性对人力资本溢价的影响，本文构建以下三个递进的模型： 　　模型一：考察了行业、地区和企业所有制导致的劳动力市场分割对人力资本溢价的影响; 　　Premwork=α+β1Indit+β2Stait+β3Wit+?it 　　模型二：在模型一的基础上引入反映企业特性的各类变量得到模型二; 　　Premwork=α+β1Indit+β2Stait+β3Wit+β4Powerit+β5Cit+β6Dit+β7Payit+β8HIit+β9HI2it+β10Eit+β11Sit+β12Tobinqit+β13ROAit+?it 　　模型三：在模型二的基础上引入了滞后一期的人力资本溢价变量lpre_work，考察效率工资理论对人力资本溢价的影响。 　　Premwork=α+β1Indit+β2Stait+β3Wit+β4Powerit+β5Cit+β6Dit+β7Payit+β8HIit+β9HI2it+β10Eit+β11Sit+β12Tobinqit+β13ROAit+β14Ipre_workit+?it 　　4.实证分析 　　表1 模型回归结果 　　变量 　　模型一 　　模型二 　　模型三 　　估计系数 　　T值 　　估