广告行业有形薪酬与创新关系研究.docxVIP

广告行业有形薪酬与创新关系研究 1 引言 报酬对创新的影响向来是业界学者所持续讨论的话题。有学者认为，针对创新的有形薪酬奖励可以激励员工的出色表现，支持外在奖励对创新行为有正向影响这一结论[1]。但是还有许多学者对创新与外在奖励具有正相关关系提出了质疑，提出有形薪酬与无形薪酬是通过对动机——这个中间变量——影响员工的创新行为，或外在奖励会降低员工的自主创新性等观点，认为创新与有形薪酬之间的关系呈现“先扬后抑”的倒U 型关系。 广告行业的员工普遍从事的是高创造力相关工作，该行业内创新和外在奖励之间的关系在国内研究中处于空白状态。根据已有研究，创新能力强的员工在创新与有形薪酬之间具有负相关关系，本文对广告行业进行问卷调查，并试图验证两者是否存在负相关关系。 2 数据来源及说明 本文通过向广告从业者发放问卷，共收集有效问卷200份。根据问卷设置将受访者的回答处理为可度量的数值变量，并加以分析。 有形薪酬相关问卷问题为：单位提供下列的哪些制度和条件可以促进并激发您的创新行为；创新有关的问卷问题为：下列题目是对工作中有关创新行为的描述。将问题选项分为：完全不符合、较不符合、不确定、较符合、完全符合。将受调查者所勾选的选项转化为分数为“1”“2”“3”“4”“5”，将样本所选的选项分数求和汇总并求取平均数作为有形薪酬的数据来源。 表1 描述性统计 表1为创新和有形薪酬的描述性统计，创新指标均值接近于4，广告行业从业者较符合创新描述，具有以高创造力为导向的工作需求；薪酬指标均值为3.719，员工认为在平均水平上具有外在报酬奖励可以激发个体创造力。 3 计量模型和基本回归结果 3.1 标准化 表1 已初步描述了创新与薪酬的基本指标，本节将进一步采用回归模型估计薪酬对创新的影响： 由于解释变量与其平方项同时存在，通常会导致多重共线性，故本文对进行异方差检验及内生性检验时将解释变量Wage 进行标准化生成age，再生成age2?进行回归，消除多重共线性，被解释变量Innovation为创新。 3.2 异方差检验 由于存在异方差会导致后续检验存在误差，故本节先检验是否存在异方差。 由于残差可视为扰动项的实现值，初步观察残差的波动来考察是否存在异方差。图1为残差与拟合值的散点图，从图中可以大致看出，创新（的拟合值）较小时，扰动项的方差较大，初步认为存在异方差。 图1 残差与拟合值的散点图 怀特检验结果显示p 值（Prob＞chi2）等于0.0001，强烈拒绝同方差的原假设，认为存在异方差。因此，本节的回归模型均使用稳健标准误进行OLS 回归。 3.3 基准估计结果 表2 有形薪酬对创新的影响：基本估计 说明：括号中的值为标准差，*p＜0.1，**p＜0.05，***p＜0.01。 表2为基本回归结果，①中只有薪酬加入模型，②加入了薪酬的平方项进行回归。结果显示，加入平方项后R2?由12.8%上升为16.8%，且两者的系数都强烈显著，平方项的系数值为正数，初步得出广告行业中有形薪酬与创新行为之间存在的正U 型关系。虽然解释变量与被解释变量之间存在U 型关系，但是U 型曲线有可能是作为存在三次方的“S”型曲线的一部分。因此，③中加入了三次项进行检验，结果显示三次项的系数不显著，且R2?仅上升了0.2%，因此，可以排除模型为“S”型曲线的可能。 综上所述得出结论：广告行业中有形薪酬与创新行为之间存在“先抑后扬”的正U 型关系。该结果不仅在统计学意义上显著，也在经济上显著。 3.4 估计结果的稳健性 由于薪酬与创新之间极有可能存在互为因果关系，因此，本节使用工具变量法进行内生性检验。此外，由于本文是探讨有形薪酬与创新之间的关系，因此，本文不考虑遗漏变量因素。 3.4.1 工具变量的选取 本文将Innovation 与agag2?进行回归，进而获得ag2的拟合值ag，再进行平方生成ag2?将其作为工具变量进行异方差稳健DWH 检验，以检验解释变量有形薪酬的内生性。 3.4.2 弱工具变量的检验 本文先对工具变量进行2SLS的检验，结果显示，工具变量（ag2）对内生变量Innovation 具有较好的解释力，p 值小于0.05，接下来计算第一阶段回归的普通（非稳健）F 统计量。 表3 弱工具变量检验 结果显示，最小特征值为251101＞10，通过对弱工具变量的识别检验，认为不存在弱工具变量。 4 结果分析 由于多重共线性与异方差不会影响回归系数的一致性， 下面对模型进行回归分析，并拟合出U 型曲线。 由图2 可以十分清晰地看出有形薪酬与创新之间的关系。根据模型结果，薪酬与创新只在区间[1，5]存在意义，有形薪酬指标为2.14 时达到了最小值，此时创新的数值为3.55。 图2 有形薪酬与创新关系图 根据认知评价理论，奖励包含着两种影响内在动机的因素，分别是信息和控