《企业内部薪酬差距对企业创新的影响实证研究》12000字（论文）

)在模型（1）中，Inni,t+1表示第i个企业第t+1年的专利申请总量或发明专利申请量。FPGi,t表示第i个企业第t年的薪酬差距，Controlsi,t表示企业i随时间变化的一系列控制变量，θi表示企业固定效应，控制了随企业变化而不随时间变化的不可观测因素，μt表示年份固定效应，控制了随时间变化而不随企业变化的不可观测因素。由于创新具有长期性的特点，创新成果产出较慢，本文在回归时对所有解释变量做滞后一期处理（何瑛等，2表5-1薪酬差距对企业创新的影响（双向固定效应模型）LninoLnino1(1)(2)FPG0.025***(3.39)0.020***(2.91)Assets3.66×(0.11)−2.68×(-0.09)Scale0.179***(2.82)0.192***(3.50)ALR-1.131(-0.72)0.028(0.19)ROA1.095**(2.48)0.850**(2.34)FA0.254(1.11)-0.035(-0.17)SG0.044(1.18)0.005(0.15)Ind0.172(0.48)0.136(0.40)Man-0.321(-1.29)-0.087(-0.38)R&D0.215***(2.78)0.240***(5.38)企业与年份固定效应是是常数项-1.377(-1.00)-2.403**(-2.02)观测值数81888188R0.1250.152注：***、**和*分别表示在1%、5%和10%水平上显著，括号内为t值，下同。企业薪酬差距（FPG）的系数在两个回归中都在1%的水平上显著为正，这说明在其他条件不变的情况下，增加管理层与员工的薪酬差距能提高总的专利产出以及发明专利产出。由于发明专利能体现创新的质量，所以薪酬差距既能影响创新的数量，又能影响创新的质量。这个结果印证了假设H3，说明薪酬差距能够激励企业从事创新活动，增加创新成果的数量。从控制变量的系数可以看出，创新投入（R&D）、企业规模（Scale）和资产报酬率（ROA）这三个变量对创新数量和创新质量都有显著的促进作用。其余控制变量的回归系数都不显著。（二）内生性问题：工具变量估计虽然基准回归中得出了薪酬差距与企业创新之间存在正相关关系，但此结果可能受到两种类型的内生性的影响。首先，遗漏变量问题会影响参数估计的一致性。某些无法观测的变量可能对解释变量和被解释变量均有影响，这些变量的遗漏会导致回归结果出现偏误。尽管固定效应模型可以控制随企业改变但不随时间改变的不可观测特征，以及随时间改变但不随企业改变的不可观测特征，但无法控制既随时间变化、又随企业变化的不可观测特征，所以遗漏变量问题可能仍没有得到解决。其次，两个变量之间可能存在反向因果关系。企业创新能力越强，企业盈利能力可能就越强，由于企业业绩上升时管理层薪酬的增幅往往大于员工（方军雄，2011），这会导致薪酬差距扩大。因此，需要选取合适的工具变量来处理内生性问题。参照Fisman和Svensson（2007）以及郭蕾等（2019）选取工具变量的方法，可以将解释变量薪酬差距分解为两部分，一部分是行业和地区层面上的因素（用同行业、同省份、同年度解释变量的平均值表示），这部分与单个企业的薪酬差距有关，但与单个企业的不可观测特征无关，可以作为工具变量；剩余的另一部分是某个企业独有的特征，会对该企业的创新水平产生影响。具体来说，第i个企业（属于第j个行业，在第k个省份，第t年）的薪酬差距FPGi,j,k,tFPG(4)其中，fpgj,k,t可以作为工具变量，表示薪酬差距中某一行业、省份和年份特有的成分；fpgi,j,k,t表示薪酬差距中某一企业特有的成分。fpgj,k,t的计算方法是满足第j个行业、第k个省份、第t年的所有企业的薪酬差距的平均值。fpgj,k,t与薪酬差距（FPGi,j,k,t）有较强的相关性。同时可以认为fpgj,k,t与误差项中的不可观测因素无关，因为行业或地区层面的平均薪酬差距由某个省份或行业的税收和最低工资等政策决定，与某个特定企业的不可观测特征（如企业文化）无关。因此，我们有理由认为该工具变量与解释变量FPG相关且与误差项无关。本文用同省份、同行业、同年度薪酬差距的平均值（后文用FPG_IV表示）来定义上述的fpgj,k,t，将其作为工具变量进行两阶段回归，结果见表5-2。从第一阶段的回归结果来看，工具变量FPG_IV对FPG的影响系数在1%水平上显著。Cragg-DonaldWaldF统计量为283.36，远大于显著性水平为10%的临界值1表5-2薪酬差距对企业创新的影响（双向固定效应模型，工具变量回归）PanelA：二阶段回归结果LninoLnino1(1)(2)FPG0.112***(3.85)0.096***(3.65)Assets3.15×(1.06)2.07×(0.79)Scale0.240***(2.67)0.235***(2.95)ALR-0.277(-1.59)-0.097(-0.67)ROA0.407(0.97)0.250(0.73)FA0.541**(2.53)0.211(1.12)SG-0.002(-0.06)-0.033(-1.11)Ind0.468(1.31)0.395(1.20)Man-0.591**(-2.45)-0.316(-1.44)R&D0.227***(2.94)0.248***(4.05)企业与年份固定效应是是观测值数81888188R0.0230.023PanelB:一阶段回归结果FPG_IV0.415***(13.85)0.415***(13.85)F统计量191.89191.89Cragg-DonaldWaldF统计量283.36283.36（三）稳健性检验1.非线性效应虽然前文的回归说明了薪酬差距能够促进企业创新，但这只反映了两者之间的线性关系。为了研究随着薪酬差距的增大，其对创新的激励作用是否会发生变化，我们需要在基准回归模型中加入薪酬差距的平方项，重新进行回归，结果如表5-3所示。在以Lnino和Lnino1为解释变量时，FPG的系数都为正，FPG2的系数都为负。两个方程对应的抛物线的拐点分别为FPG=25和FPG=16.25，而样本中变量FPG的最大值是19.13，95分位数是8.73。这意味着在以Lnino为解释变量时，所有样本都位于抛物线的拐点左侧；在以Lnino1为解释变量时，只有不到5表5-3加入薪酬差距的平方项后的回归结果LninoLnino1(1)(2)FPG0.050***(2.79)0.065***(4.09)FP-0.001(-1.56)-0.002***(-3.17)控制变量是是企业与年份固定效应是是观测值数81888188R0.1290.1592.改变创新的衡量指标企业专利的数量有专利申请量和授权量这两种衡量方式。为验证回归结论的稳健性，将企业创新的衡量指标由专利申请量改为专利授权量，重新进行回归。回归结果见表5-4.变量FPG在两个回归中的系数都在5%的水平上显著，说明薪酬差距对专利授权总数和发明专利授权数都有显著的促进作用，所以基准回归中的结论没有受到创新衡量方式的干扰。表5-4创新的替代变量：专利授权量LninoLnino1(1)(2)FPG0.024***(3.08)0.016**(2.38)控制变量是是企业与年份固定效应是是观测值数71487148R0.1480.173（四）进一步研究：企业成长性对激励效应的影响本节通过在回归模型中引入交互项，研究企业成长性这一因素对于激励效应的影响。成长性高的公司往往会有更加多元化的激励方式，并非只有薪酬激励这一种方式。例如，公司可以为优秀的员工和高管提供晋升的机会。因此，成长性高的公司的员工和高管对于薪酬差距的敏感程度应当更小（刘春和孙亮，2010）。为验证这一观点，本文用企业过去三年营业收入增长率的平均值来衡量企业的成长性（用变量Growth表示），在模型中加入这一指标以及其与薪酬差距的交互项。回归结果如表5-5所示。加入这一因素后，薪酬差距依然对专利总数和发明专利申请数都有显著的正向影响，这又从另一方面验证了前文结论的稳健性。在以专利总数和发明专利申请数为被解释变量的两个回归中，交互项Growth×FPG的回归系数都在1%的水平上显著为负。这说明薪酬差距对于创新的数量和质量的正向影响随企业成长性的增加而减小。在成长性较强的企业中，薪酬差距对于创新的激励效应更弱。这与刘春和孙亮（2010）的结论一致。表5-5企业成长性对激励效应的影响LninoLnino1(1)(2)FPG0.026***(3.46)0.021***(3.02)Growth0.001(0.41)0.002(1.33)Growth×FPG-0.0001***(-2.57)-0.0001***(-4.01)控制变量是是企业与年份固定效应是是观测值数81888188R0.1300.158（五）影响机制分析：薪酬差距的分解如前文所述，薪酬差距可以分解为三个组成部分，这三部分在薪酬差距与创新的关系中分别发挥了怎样的作用？为了探究薪酬差距对于创新的影响机制，本文参考Bankeretal.(2016)的方法，将薪酬差距分解，单独分析管理层薪酬和员工薪酬对于创新的影响。具体来说，薪酬差距可以分解为管理层薪酬溢价（Expp）、员工薪酬溢价（Empp）和行业层面的薪酬差距（Inpg）。进行这样的分解之后，我们能够通过比较某个企业的薪酬与整个行业的薪酬中位数来计算企业层面的薪酬溢价。具体计算公式如下：企业薪酬差距=(5)管理层薪酬溢价=(6)员工薪酬溢价=(7)行业层面的薪酬差距=(8)因此，基准回归中的模型（1）可以修改为：Inn(9)回归结果如表5-6所示。结果显示，Expp的系数在两个回归中都在5%的水平上显著为正，这说明给予管理层高于行业中值的薪资能使管理层注重企业的长期发展，更多从事创新活动，有效提高创新的数量和质量，假设H1得到了验证。而在专利总数为被解释变量的回归中，Empp的系数在10%的水平上显著为负；在发明专利数量为被解释变量的回归中，Empp的系数也为负却不显著。因此，给予员工高于行业中值的薪资对于创新数量有负向的影响，但对于创新质量无明显影响。该结果支持了假设H2，符合中国劳动力市场上低技能、同质化的劳动力较多的情况。这些劳动力缺乏创新能力，因而对他们的薪酬激励难以提升企业的创新水平，反而浪费了本应投入在研发活动上的资金，因而抑制了创新产出。此外，对员工的薪酬激励影响创新数量而非质量的原因可能是员工在不同类型创新活动中的参与度不同。在高质量的创新活动中，往往是企业高层的核心技术人员起到主导作用，普通员工难以参与。因此，给予员工薪酬激励难以影响到企业的发明专利数量。综上，给予管理层高于行业中值的薪酬会促进创新，给予员工高于行业中值的薪酬会抑制创新。这二者相结合，就导致了基准回归中薪酬差距对于企业创新的正向影响。表5-6薪酬差距的分解LninoLnino1(1)(2)Expp0.006**(2.30)0.010***(2.30)Empp-0.072*(-1.73)-0.049(-1.34)Indp-0.047(-0.18)0.086*(1.78)控制变量是是企业与年份固定效应是是观测值数81888188R0.1210.156六、结论及建议本文采用2012-2015年我国上市公司的面板数据作为观察样本，以企业内部薪酬差距为解释变量，以创新产出为被解释变量（用专利申请数量衡量），建立双向固定效应模型，证明了薪酬差距对于创新的数量和质量都有显著的促进作用，说明经济学理论而非社会学理论在薪酬差距对创新的影响中占据主导地位。引入工具变量后的两阶段最小二乘回归进一步证实了这一结论。引入平方项对非线性效应进行检验发现，随着薪酬差距的增大，其对于企业创新始终具有促进作用，但当薪酬差距较小时，促进效应更强。改变创新的衡量方式后结论依然稳健。加入企业成长性与薪酬差距的交互项进行回归后发现，薪酬差距的激励效应随企业成长性的增强而减小。对薪酬差距的分解表明，管理层薪酬溢价对于创新的促进作用和员工薪酬溢价对于创新的抑制作用共同决定了薪酬差距对于创新的正向影响。基于以上结论，本文对希望提升创新能力的企业提出以下建议：（1）从管理层的角度来看，企业应制定合理的薪酬激励政策，吸引有才华的高管人才，使他们拥有参与创新活动的动力，从而提升企业的创新水平。创新活动从投入到产出需要很长的验证周期，同时也需要大量的资金支持，这样的资金支持又难以在短期内看到回报。创新活动这种长期性、风险性的特点会使管理者在从事创新活动时滋生出对于职业生涯或者自身声誉的担忧。这就使得某些管理者不愿参与创新活动（王姝勋等，2017）。因此，有志于创新的企业应该把目光放得更长远，不必过于关注短期的开支，给予优秀的管理者有足够竞争力的薪酬，从而打消他们的疑虑。（2）从员工的角度来看，本文的结果显示给予普通员工过高的薪酬激励对于创新无益，将薪酬差距维持在相对较高的水平有益于创新。但这不意味着企业内部的收入公平不值得关注，企业也不应为了创新产出或其他绩效指标而不注重员工福利的改善。在当今倡导共同富裕的背景下，找到效率与公平的平衡点才是最佳的答案。本文的研究存在一些不足之处。首先，本文将所有非高管的员工合并起来研究，没有对员工进行进一步的分类，在作出假设和对结果进行解释时将他们统一当做同质化的、非熟练的劳动力处理。然而，不同员工在企业的生产经营中发挥着不同的作用，部分核心员工的工作可能涉及到企业的创新活动，另一部分员工可能只完成机械化的工作。因此，对员工进行分类，研究不同类别的员工与高管的薪酬差距对于创新的影响是有必要的。但是我们无法从上市公司的公告中得知不同岗位员工的薪酬分别是怎样的。如果能获得相关的数据，本文的研究会更加完善。其次，创新具有长期性的特点，本文虽然已经对所有解释变量做了滞后一阶的处理，但薪酬差距对创新的促进或抑制作用可能在更长的时间才能显现，我们无法确认准确的滞后时间。参考文献[1]方军雄.高管权力与企业薪酬变动的非对称性[J].经济研究,2011,46(04):107-120.[2]郭蕾,肖淑芳,李雪婧,李维维.非高管员工股权激励与创新产出——基于中国上市高科技企业的经验证据[J].会计研究,2019(07):59-67.[3]郝东洋.产品市场竞争、内部薪酬差距与公司经营绩效[J].华东师范大学学报(哲学社会科学版),2016,48(01):149-158+172.DOI:10.16382/ki.1000-5579.2016.01.018.[4]何瑛,于文蕾,戴逸驰,王砚羽.高管职业经历与企业创新[J].管理世界,2019,35(11):174-192.DOI:10.19744/ki.11-1235/f.2019.0156.[5]孔东民,徐茗丽,孔高文.企业内部薪酬差距与创新[J].经济研究,2017,52(10):144-157.[6]黎文靖,胡玉明.国企内部薪酬差距激励了谁?[J].经济研究,2012,47(12):125-136.[7]李建强,高翔,赵西亮.最低工资与企业创新[J].金融研究,2020(12):132-150.[8]刘春,孙亮.薪酬差距与企业绩效:来自国企上市公司的经验证据[J].南开管理评论,2010,13(02):30-39+51.[9]刘欢,周会洋,侯粲然.地方政府债务与企业创新[J].会计研究,2020(09):163-177.[10]刘诗源,林志帆,冷志鹏.税收激励提高企业创新水平了吗?——基于企业生命周期理论的检验[J].经济研究,2020,55(06):105-121.[11]鲁桐,党印.公司治理与技术创新:分行业比较[J].经济研究,2014,49(06):115-128.[12]田轩,孟清扬.股权激励计划能促进企业创新吗[J].南开管理评论,2018,21(03):176-190.[13]王姝勋,方红艳,荣昭.期权激励会促进公司创新吗?——基于中国上市公司专利产出的证据[J].金融研究,2017(03):176-191.[14]夏晗.高管经历跨界、管理者激励与企业创新[J].科研管理,2022,43(02):193-201.DOI:10.19571/ki.1000-2995.2022.02.022.[15]叶永卫,李增福.续贷限制与企业技术创新[J].金融研究,2020(11):151-169.[16]张正堂.企业内部薪酬差距对组织未来绩效影响的实证研究[J].会计研究,2008(09):81-87.[17]周煊,程立茹,王皓.技术创新水平越高企业财务绩效越好吗?——基于16年中国制