高新技术上市公司高管薪酬激励效应的实证分析

1、统计观察高新技术上市公司高管薪酬激励效应的实证分析蒋翠珍1,顾丽琴2,张锦珂2(1.江西理工大学应用科学学院，江西赣州 341000; 2.华东交通大学经济管理学 院，南昌330013)摘要：文章以128家高新技术上市公司1998-2008年的数据为样本，通过对公司 总资产收益率ROA、净资产收益率ROE和每股收益EPS等企业绩效变量与高管薪酬、持股 比例等薪酬激励变量所进行的回归分析，对高新技术上市公司高管薪酬激励的效 果进行了实证研究，同时对高新技术公司薪酬绩效的敏感度进行了分析。研究表 明，高新技术上市公司薪酬激励没有达到预期的效果，企业绩效与高管薪酬和高 管持股比例均不存在显著的正相关

2、关系，高管的薪酬绩效敏感度偏低。关键词：高新技术上市公司；高管薪酬；企业绩效；薪酬绩效敏感度；激励效应 中图分类号：F276文献标识码：A文章编号：1002-6487(2011)07-0108-03研究高管薪酬的激励效果需要从高管薪酬和高管持股1问题的提出随着所有权和经营权的分离，企业所有者和经营者成了比例两方面来考虑，即要研究企业绩效的变化与高管薪酬和高管持股比例的关系。在对这两种关系进行定性分析的基础上，本文提出以下假设：假设1:在其他条件一定的情况下，高新技术上市公司企业绩效与高管薪酬存在 正相关关系。根据委托代理理论，公司股东和高管之间可能存在目标不一致以及信息不对称等情况，因此，现代

3、公司制企业一般都实行高管薪酬与企业绩效相挂钩的薪 酬激励制度，高管为取得较高的薪酬必须努力工作，为企业创造效益。从另一侧 面看，较高的薪酬待遇无疑增加了高管偷懒、离职的机会成本，从而强化了对高 管的激励和约束作用，提高企业绩效。所以假设企业绩效与高管薪酬存在正相关 关系。假设2:在其他条件一定的情况下，高新技术上市公司企业绩效与高管持股比例 存在正相关关系。根据边际效用递减的原则，高管薪酬增加到一定程度时，继续增加的激励效果可 能会下降。同时，按照马斯洛需要层次理论分析，只有在更高层次上激励才有可 能对高管产生有效的激励作用。在这种情况下，让高管掌握企业部分所有权就有 可能使高管获得成就感，同

4、时增加责任感，使股东和高管的目标趋于一致，从而 提高企业的绩效。所以假设企业绩效与高管持股比例存在正相关关系。一组博弈的双方，他们就企业剩余控制权和剩余分配权进行博弈，委托 代理理论对这种博弈关系进行了很好的诠释，并且提出了使博弈双方达到某种均衡 的策略，那就是在现代公司制企业中普遍实施的激励和监督机制。由于监督成本 较高以及激励制约外生性的特点，不少企业都将激励的重 一一绩效契点放在了薪 酬激励方面，即通过建立完善的薪酬一约关系来构建内生性激励制约措施，从而 解决 委托人”和 代理人”目标不一致时可能出现的 逆向选择”和 道德风险”问 题。企业实施薪酬激励机制后，薪酬激励的效果引起了学术界的

5、高度关注，许多学者 对此进行了研究。一些学者认为，企业绩效与高管薪酬存在一定的正相关性，但 是不显著（PhillipandCyril, 2004； CarpenterandSanders 2004）。国内一些学者则认为，企业绩效与高管薪酬水平之间存在显著相关性，薪酬水平的增加会导致企业绩效的提高（胡婉丽、汤书昆、肖向兵，2004）。还有学者认为，企业绩效与高管薪酬不存在显著相关性（魏刚，2000;李增泉，2000;李锡元、倪艳， 2007）。存在不同的研究结论，很大程度上是由于研究对象不同而造成的。那 么，作为上市公司中一个非常重要的群体 -高新技术上市公司高管的薪酬激励效 果如何，存在怎样的

6、规律？对这个问题进行研究，对于制定和完善高新技术上市 公司高管的薪酬激励机制具有重要的现实意义。33.1样本、变量选择和模型样本和变量选择本文所指的高新技术产业是根据2002年7月国家统计2研究假设局印发的高技术产业统计分类目录的通知划定的产业，包括航天航空器制造业、电子及通信设备制造业、电子计算机作者简介：蒋翠珍（1966-）,女，湖北黄梅人，硕士，讲师，研究方向：人力资 源管理与社会保障。统计与决策2011年第7期（总第331期）统计观察及办公设备制造业、医药制造业和医疗设备及仪器仪表制造业等行业。因为有些 行业与传统行业结合紧密，难以严格区分，所以，本文选择电子、电子通信信息 服务、电子

7、计算机应用服务等三个高新技术特征明显的上市公司作为高新技术产 业的代表，作为本文的研究对象。考虑到宏观经济对企业绩效的影响，本文共选 用了 128家公司19982008年年报数据作为研究样本，同时剔除了数据缺失、ST 公司和当年发生亏损的样本。与此同时，在数据整理中还对上市时间低于两年的公司加以剔除，这样便于采用t和t-1两期数据进行分析。在变量选择方面，将企业绩效作为因变量，采用总资产收益率ROA、净资产收益率ROE和每股收益EPS等指标来表示。将高管薪酬（Compensation和高管持股比例（Ratio）作为自变量，其中高管薪 酬变量以高新技术上市公司前三位高管的平均薪酬来计量。作为比较

8、，在研究过 程中还将企业规模（Asset）、董事会会议次数（Numberl）和监事会会议次数 （Number2）作为控制变量。国内有些学者采用董事会规模来体现董事会的监督 作用，但是本文对其进行改进，运用具有动态性的会议次数来体现其实际发挥作 用的情况。表1（2）剔除2008年发生亏损的上市公司，因为发生亏损的上市公司将面临被ST的危险，所以更容易发生盈余管理等非正常行为。（3）剔除被ST处理的公司。因为在ST公司中，更容易发生盈余管理等非正常 行为（陆建桥，1999）,将直接或间接影响本文相关变量的真实性。按照样本选择的原则，对128家高新技术上市公司19982008年共11年的样本资料，经

9、过筛选一共得到 295个研究样本，通过Spss16.0进行回归分析，结果如表1、表2、表3所示：通过三个模型自相关检验发现，模型（1）到模型（3）的Durbin-Watson统计量均取值在2附近，说明残差与自变量互为独立，残差间也没有明显的相关性，此模型在统计上具有有效性。对模型进行标准残差检验后发现，标准化残差分布曲线的均值接近于 0,标准差依次为 0.883, 0.897, 0.901,接近标准正态曲线，基本满足随机误差项正态分布的假设 理论，说明模型拟合效果比较好。从表1,表2和表3,可以看出：基于每股收益（EPS）的回归结果回归系数标准误差标准化系数 T统计量 显著性水平3.2模型构建

10、构建模型之前，为验证各个变量之间的关系，本文首先常数项高管薪酬运用Spss16.0画出变量两两之间的散点图，发现各个变量之间近似呈现一种线性 关系，可以用线性回归模型进行假设。同时对变量进行了相关性检验。分析显 示，除了总资产与高管持股比例存在显著性，其他控制变量之间不存在严重多重 共线性。据此，本文可以建立如下线性回归模型：.298-.001总资产-.012高管持股比例.000监事会会议次数-.001董事会会议次数5.093E-5 表2.046.002.002.013.001.000-.036-.335-.003-.073.0076.449-.631-5.794-.051-1.233.116

11、.000.529.000.960.219.907 基于净资产收益率(ROE)的回归结果回归系数标准误差标准化系数 常数项EPSi, t=A1+B1*LnCompensationi , t-1+C1*Ratioi , t-1+D1*LnAsseti , t- 1+E1*Number1i, t+F1*Number2i, t+G1E2*Number1i , t+F2*Number2i , t+G2ENumber1i, t+FNumbei3i, t+G3*3*3(1) (2) (3)高管薪酬总资产高管持股比例监事会会议次数董事会会议次数表3ROEi, t=A2+B2*LnCompensationi ,

12、 t-1+C2*Ratioi , t-1+D2*LnAsseti , t- 1+ROAi, t=A3+B3*LnCompensationi , t-1+C3*Ratioi , t-1+D3*LnAsseti , t-1 + 其中，Ai(i=1-3)表示常数项，Bi、Ci、Di、Ei、Fi(i=1-3)代表回归系数，Gi(i=1-3) 代表回归残差，t代表当年数据，t-1代表前一年数据。本文将模型进行了改进， 根据方军雄(2009)在其论文中的研究结论，我国上市公司高管薪酬是在年底根 据当年绩效进行发放的，那么，当年薪酬就只能对下一年度的企业绩效产生影 响。所以，在研究t年薪酬对绩效的影响时，应

13、该根据t-1年的高管薪酬来构建模 型。同时，由于董事会和监事会会议次数是在年度中间举行的，所以，仍采用当 年数据。.380.000-.014.011-.005.003.077.003.003.021.002.001-.011-.245.031-.170.226T 统计量 4.920-.188-4.232.534-2.8453.824 显著性水平.000.851.000.594.005.000基于总资产收益率(ROA)的回归结果回归系数标准误差标准化系数 常数项高管薪酬总资产高管持股比例监事会会议次数董事会会议次数-.060.027.000.028-.028.013.340.013.015.09

14、4.008.003 .115.000.017-.202.240T 统计量-.1772.014-.011.294-3.3224.003 显著性水平.860.045.992.769.001.000（1）高管薪酬（货币薪酬）对公司绩效的影响作用不大，模型（1）、模型（2）以及模型（3）的显著性水平值依次为4结果分析本文所用的高管薪酬数据，公司治理数据和财务数据主0.529、0.851、0.045,除了以总资产收益率为绩效指标时高管薪酬对企业绩效表现出统计上的显著性外，在其他两个指标的回归结果中，高管 薪酬对企业绩效的影响效应并不具备统计上的显著性，并且回归系数过小不具有 实际意义，说明高管薪酬对企业

15、绩效没有起到激励作用，假设 1不成立。（2）高管持股比例对公司绩效的影响也没有表现出显著的正相关关系，他们的显著性水平值分别是0.960, 0.594和要来源于北大色诺芬数据库，并抽样与上市公司公布的年度报告进行核对和更 正。本文选取2008年128家高新技术产业上市公司作为研究的初始样本，并且 依次按照下列的标准进行剔除：（1）剔除高管薪酬、公司治理数据、财务数据缺失的上市公司。因为数据缺失 的样本是无效样本，没有统计意义。0.769,并且回归系数非常小，说明假设 2也不成立。（3）通过三个模型的对比分析，其他各个变量对企业绩统计与决策2011年第7期（总第331期）109统计观察效的影响在

16、三个指标的回归结果中表现并不一致，但是从回归系数上来看，都没 有表现出直接的影响。数最大的EPS分析表。从表4可以看出，每股收益（EPS）薪酬绩效敏感度为0.115。这个结果低于方军雄（2009）关于我国上市公司高管薪5对高技术公司薪酬绩效敏感度的进一步酬绩效敏感度系数平均水平0.1647的研究结果。这说明，虽然高新技术上市公司 在高管薪酬总量上与其他行业相比有一定的优势，但从薪酬绩效敏感度看，还是 低于全部行业的上述分析结果表明，高新技术上市公司高管薪酬激励和股权激励并没有发挥预期的效果，这其中的原因可能是由于高新技术公司高管薪酬存在刚性”。当公司经营绩效出现上升时，高管的业绩容易得到认可，

17、高管薪酬增长的方案也容易得到 董事会的认可和批准，从而可以在一定程度上体现出高管薪酬对公司绩效的正向影响，但是，当公司业绩下滑时，削减高管薪酬的举措比较艰难。所以，企业绩 效与高管薪酬很难完全挂钩，这就使得薪酬激励的效果大大降低。而股权激励效 果不明显，可能是由于上市公司股权激励的实施情况并不理想，因为从样本数据 中可以发现，一部分公司高管持股为零，大部分处在较低水平，所以没有对高管 形成明显的激励作用。这两种因素作用的结果说明高新技术公司高管激励对企业 绩效的影响很小。那么，高新技术公司企业绩效对高管薪酬存在怎样的影响，即 当公司绩效增加1%时，高管薪酬所能增加的比例是多少？如果薪酬绩效的敏

18、感 度小，同样可以说明薪酬激励的效果较小。所以，需要对这一问题进行进一步的 分析。为分析高新技术上市公司薪酬绩效敏感度的大小，本文仍选用128家高新技术上市公司1998-2008年共11年的年报数据为样本，然后对高管薪酬和企业绩效指标 分别取自然对数，模型构建如下：根据上述研究，本文提出以下建议：(1)进一步完善高新技术企业高管薪酬的激励约束机制，逐步改变薪酬 刚性” 特征。薪酬激励制约机制实施的关键在于建立合理的绩效考评体系，笔者认为， 与前一年度绩效相比固然重要，但与行业内其他企业作横向比较，根据行业景气 度的变化来确定高管的经营绩效，从而对高管薪酬水平进行调整可能更为科学。(2)进一步完

19、善高新技术企业高管的薪酬结构，逐步改变单一的薪酬结构。要 丰富高管薪酬的结构，增加年度薪酬中绩效薪酬的比重，同时实施股权激励，提 高高管持股比例，从而形成由基本工资、奖金、福利、股票期权、休假等多种报 酬组成的薪酬结构体系，以对高管形成更为全面的激励。(3)进一步提高高新技术企业高管的薪酬绩效敏感度。目前，高新技术上市公 司高管的薪酬绩效敏感度低于全部上市公司的平均水平，不能对高管产生预期的 激励效果。笔者认为，依据企业自身具体情况，在可承受的范围内适度提高高管 的薪酬绩效敏感度，增加激励的强度，对于提高企业的长期绩效是有积极作用 的。参考文献：分析平均水平，即便是拿三个指标中敏感度表现最高的

20、0.115来做对比，也低于全体上市公司的平均水平。所以，适当提高高新技术企业高管的薪酬绩效敏感度，以 此来提高薪酬激励的效果很有必要。6政策建议LnCompensationi, t=A1+B1*LnROAi , t+C1*Number1i , t+D1*Num-ber2i , t+E1*Agei, t+F1*Ratioi, t+G1*LnAsseti , t+K1ber2i, t+E2*Agei , t+F2*Ratioi , t+G2*LnAsseti , t+K2ber2i, t+E3*Agei , t+F3*Ratioi , t+G3*LnAsseti , t+K3(4) (5) (6)

21、LnCompensationi, t=A2+B2*LnROEi , t+C2*Number1i , t+D2*Num- LnCompensationi, t=A3+B3*LnEPSi , t+C3*Number1i , t+D3*Num-其中，Ai(i=1- 3)表示常数项,Bi, Ci、Di、Ei、Fi、Gi(i=1-3)代表回归系数,Ki(i=1-3)代表回归 残差。控制变量引入了高管持股比例、高管平均年龄、总资产、董事会会议次数 和监事会会议次数。各变量的数据来源同模型(1) (2) (3),利用Spss16.0对数据进行回归分 析，在这里，变量之间的关系并不是重点，重点在于企业绩效对高管薪酬的回归 系数大小。结果表明，EPS的薪酬绩效敏感度为0.115, ROE和ROA的薪酬绩效 敏感度只有0.062和0.023。所以，表4只列出了薪酬绩效敏感度系 表4公司薪酬绩效敏感度(EPS