高科技业高管人力资本与企业绩效关系实证研究.docVIP

高科技业高管人力资本与企业绩效关系实证研究 　　摘要： 以我国2012年64家高科技上市公司为研究对象，利用分位数回归模型，检验了不同绩效水平的企业中高管人力资本对企业绩效的影响关系。实证结果表明不同企业绩效水平下各高管人力资本指标对企业绩效有不同的影响，并提出了一些相应的建议和对策。 　　Abstract： By using quantile regression， this paper takes 64 high-tech companies in 2012 as the research object， and testes the relationship between executives human capital and enterprise performance in different enterprise performance levels. The empirical result shows that under the different enterprise performance levels， executives human capital indexes have different effects on the enterprise performance. Finally， we put forward some corresponding countermeasure and suggestion. 　　关键词： 高科技企业；高管；人力资本；企业绩效；分位数回归 　　Key words： high-tech enterprises；executives；human capital；enterprise performance；quantile regression 　　中图分类号：F276.44 文献标识码：A 文章编号：1006-4311（2013）12-0160-02 　　0 引言 　　高管作为一种稀缺的人力资本资源，对企业的生存和发展起着举足轻重的作用。因此，有关高管人力资本的研究议题也越来越受到企业界和理论界的广泛关注。理论界对高管人力资本的研究主要集中在高管特征（如：教育背景、年龄等）对企业绩效的影响方面[1-3]，并取得了一些有价值的研究成果。但大多数专家学者在研究过程中仅分析了高管人力资本对企业绩效的平均影响，而很少见探讨不同绩效水平的企业中高管人力资本对企业绩效的影响。鉴于企业绩效本身也会对高管人力资本与企业绩效的关系产生影响，本文将运用分位数回归法，对不同企业绩效水平下的高管人力资本与企业绩效的关系进行探究。 　　1 研究设计 　　1.1 变量定义 　　①被解释变量：企业绩效。本文将借鉴文献[1]的作法，选取净资产收益率作（ROE）为衡量企业绩效的指标。 　　②解释变量：高管人力资本。本文将借鉴文献[1][2]的作法，选取高管平均年龄（YERA）；高管平均教育年限（EDU）：大专学历人数*3+本科学历人数*4+硕士学历人数*7+博士学历人数*10；高管平均薪酬（PAY）：高管薪酬总额/领取报酬的高管人数作为高管人力资本的衡量指标。 　　③控制变量：企业规模。本文将借鉴文献[4]的作法，选取企业总资产（SIZE）作为企业规模的衡量指标。 　　1.2 分位数回归模型 分位数回归模型最早是由Koenker和Bassett（1978）提出的，它是依据因变量的条件分位数，从而得出所有分位数下的回归模型的一种方法[5]。该方法能较全面地描述被解释变量条件分布的全貌，不同分位数下的回归系数通常不同，即解释变量对不同水平的被解释变量的影响是不同的。其基本模型为： 　　yi=x■■？茁？兹+ε？兹 i 　　其中，yi和xi分别表示被解释变量和解释变量，x■■为xi的转置，？兹为估计中所取的各分位数值，？茁？兹为对应于被解释变量第？兹分位数的各解释变量的回归系数，ε？兹 i是误差项。 　　给定解释变量xi时，被解释变量yi的第？兹分位数回归模型为Q？兹（yi/xi）=x■■？茁？兹，分位数回归中，参数估计一般采用加权最小一乘准则，其表达式为： 　　■■？兹y■-x■■？茁+■（1-？兹）y■-x■■？茁. 　　基于上述理论介绍，本文建立分位数回归模型如下： 　　Q？兹=（ROE/YEAR，EDU，PAY，SIZE） 　　=？茁？兹+？茁？兹1TEAR+？茁？兹2EDU+？茁？兹3PRY+？茁？兹4SIZE+？着？兹 　　该模型表示被解释变量ROE的分位数回归模型，用以检验不同绩效水平的企业中高管人力资本对企业绩效的影响差异。 　　1.3 数据说明 本文数据来源于RESSET 金融数据库，以2012年我国沪、深两市的高科技上市公司为研究样