高管激励与经营绩效相关性研究理论假设与实证分析.docVIP

高管激励与经营绩效相关性研究理论假设与实证分析 　　内容摘要：本文以上海和深圳证券交易所的上市公司为样本，运用因子分析、相关性分析和多元线性回归方程等方法，从高管薪酬的年薪、持股比例和职务消费水平三个构成方面探讨了高管薪酬对公司业绩的影响。 　　关键词：上市公司 高管薪酬 公司业绩 　　企业高管是最重要且稀缺的人力资源，如何有效地配置这种资源一直是理论界研究的重点。从目前的情况来看，我国企业高管薪酬激励机制存在诸多缺陷。本文针对我国上市公司高管薪酬与公司业绩之间的相关性，进行实证分析，并提出相关的建设性建议。 　　指标选取 　　（一）自变量 　　所谓高层管理人员，是指参与公司战略性决策并直接对公司的生产、经营活动负责的人员。 　　1.高管年薪报酬变量（MAP）：前三名高层管理人员年度报酬总额平均值（变量符号MAPi，t）。 　　2.高管持股变量（MSR）：高级管理层的总持股数量占公司总股本的比例（变量符号MSRi，t）。 　　3.高管职务消费变量（MDC）：职务消费（MDC）=办公费+业务招待费+差旅费+会议费+通讯费+小车费+出国培训费（变量符号MDCi，t）。 　　（二）因变量 　　公司业绩变量：本文选取净资产收益率（ROE）、总资产收益率（ROA）和每股收益（EPS）这三个指标作为影响因子，利用主成份因子分析法，通过线性回归构造绩效指标F（变量符号Fi，t）。其具体的表达式为： 　　F =α1× ROE +α2×EPS+α3× ROA+ε 　　（三）控制变量 　　1.公司规模（SIZEi，t）。国内学者基本采用总资产作为公司规模的代理指标，都证明了总资产是决定高管人员薪酬水平的重要因素，而且与高管人员的薪酬水平正相关（魏刚，2000）。因此，本文采用公司总资产的对数作为衡量公司规模的指标（变量符号SIZEi，t）。 　　2.时间控制变量及行业控制变量（YEARi，t，INDi，t）。考虑到中国股市年度间的波动变化，本文还引入了时间控制变量（变量符号YEARi，t），来控制年度之间的差异造成结果出现误差的可能性；另外，考虑到行业间经营环境、竞争环境、发展前景的不同，会造成公司股票收益之间存在较大的差异，研究中引入行业控制变量（变量符号INDi，t）。本文采用的行业分类标准按照中国证监会发布的上市公司行业分类与代码，将上市公司分为13个行业：A农、林、牧、渔业；B采掘业；C制造业；D电力、煤气及水的生产和供应业；E建筑业；F交通运输、仓储业；G信息技术业；H批发和零售贸易；I金融、保险业；J房地产业；K社会服务业；L传播与文化产业；M综合类（依据中国证监会（CSRC China Securities Regulatory Commission）在1998年制订的行业分类方法，参见《中国上市公司分类指引》），共11个哑变量（研究中剔除金融、保险业上市公司，为避免共线性，虚拟变量个数应取K-1个），属于该行业则变量为1，否则为0。 　　假设提出 　　为完成以上分析，本文提出以下三个假设：假设1：公司绩效与上市公司薪酬最高前三名的总额存在正相关关系。假设2：公司绩效与上市公司高管人员职务消费水平存在正相关关系。假设3：公司绩效与上市公司高管人员持股规模存在显著的正相关关系。 　　模型构建 　　本部分拟从高管薪酬激励进行回归分析，早期对高管薪酬与企业绩效相关性的研究也主要是对高管薪酬货币水平与企业绩效的统计、回归分析，其结果并没有得出一致结论，并且，这些研究主要是基于截面数据分析的基础上。笔者在综合考虑各种因素的基础上，采取薪酬作为自变量进行回归分析，来考察高管薪酬对绩效的影响。为对假设1、假设2、假设3做出检验，本文构建以下的线性模型： 　　Fi，t=α+β1MAPi，t+β2 MSRi，t +β3 MDCi，t+β4SIZEi，t+β5YEARi，t+β6INDi，t+ε 　　样本选取及数据处理 　　（一）样本选取 　　为了更好且更全面地说明上市公司高管薪酬激励与公司绩效的关系，样本数据来自于在上海和深圳证券交易所上市的公司所公布的年报，选取的样本区间为2008-2010年。本文混合了沪市和深市A股上市公司在整个样本期间的时间序列数据及横截面数据，得到符合研究需要、经过筛选后的沪市和深市A股上市公司2008-2010年的面板数据，样本总量为3036个（含年度间重复计算），其中2008年1015家，2009年1018家、2010年1003家。 　　（二）因变量的构建 　　本文所选取的公司业绩指标为ROE、ROA和EPS，为了将三个因素都纳入模型，且模型尽可能精简，本文利用主成分因子分析法来构造因变量。操作前先将这三个指标数据进行标准化，具体操作步骤分由SPSS19.0自动完成。分