我国上市公司高管薪酬、风险承担与公司绩效的关联机制与实证研究

我国上市公司高管薪酬、风险承担与公司绩效的关联机制与实证研究一、引言1.1研究背景在我国经济体系中，上市公司占据着至关重要的地位，是推动经济增长的重要力量。截至2021年12月31日，A股上市公司数量已从1991年的13家增至4682家，上市公司总市值规模达96.53万亿元，占全国GDP的84.40%，在资本市场中规模稳居全球第二。这些上市公司作为中国4800多万户企业中的优秀代表，数量仅占全国企业数量的万分之一，却成为国家实体经济的“基本盘”。从就业来看，上市公司员工总数为2793.30万人，占全国城镇就业人员的5.97%；从利税来看，2021年上市公司共缴纳税收4.04万亿元，占全国税收收入的23.41%，上市公司总利税占全国财政收入的46.12%，占全国税收的54.08%，可见其对经济发展影响深远。在上市公司的运营和发展中，高管扮演着关键角色。他们作为公司战略的制定者与执行者，其决策与管理行为直接关乎公司的兴衰成败。高管薪酬作为一种重要的激励机制，不仅是对高管工作价值的经济体现，更重要的是，合理的薪酬设计能够激发高管的工作积极性与创造力，促使他们为提升公司绩效而努力。近年来，高管“天价”薪酬不断引发热议，广泛引起各界关注。如何合理利用管理层薪酬平衡代理问题及其对公司业绩和风险承担水平的影响，引来国内外学者的不断研究。在现代企业中，所有权与经营权的分离引发了委托-代理问题。股东作为公司的所有者，期望通过公司价值最大化来实现自身财富的增长；而高管作为代理人，其个人目标可能与股东目标不一致，加之双方信息不对称，这就导致高管在决策时可能会优先考虑自身利益，而非公司的长远利益。例如，在面对投资项目选择时，管理层可能因担心高风险项目失败影响自身职业声誉和薪酬，而倾向于选择低风险、回报稳定的项目，即使这些项目可能无法使公司实现价值最大化，这一现象在公司内外部环境作用下尤为明显。这种行为很可能会导致股东利益受损，影响公司利润。因此，设计并完善有效的管理层薪酬激励政策制度，形成一个良性的委托代理关系，使管理层与股东所有者利益趋同，这对于企业可持续发展是绝不可轻视的重要部分。公司的风险承担决策是影响公司绩效的关键因素之一。在快速发展的全球化现代公司制度下，如果公司一味保持谨慎稳定的策略，很有可能会错失重要的发展机遇，致使公司市场占有率下降。公司风险承担水平主要由公司高管对项目风险倾向性和企业是否能取得高额回报的可能性来体现，投资项目的风险越高其可能产生的收益就越大，从而更有可能提高公司业绩。高管薪酬通过影响高管对风险的态度和决策，进而作用于公司的风险承担水平。较高的薪酬可能使高管更愿意承担风险，去追求高回报的项目，因为他们能从成功的项目中获得更丰厚的薪酬回报；而较低的薪酬则可能使高管更加保守，规避风险。因此，深入探究高管薪酬、风险承担与公司绩效之间的关系，对上市公司实现可持续发展和提升竞争力具有重要的理论与实践意义。1.2研究目的与意义本研究旨在深入剖析我国上市公司中高管薪酬、风险承担与公司绩效之间的内在联系，揭示三者之间的作用机制和传导路径。通过理论分析与实证检验，明确高管薪酬如何影响高管的风险决策，进而对公司绩效产生作用，为上市公司制定科学合理的高管薪酬政策和风险管控策略提供理论依据和实践指导。在理论方面，本研究有助于丰富和完善公司治理理论。深入探究高管薪酬、风险承担与公司绩效的关系，能够进一步揭示委托-代理理论在实践中的应用，明确如何通过薪酬激励来协调股东与高管的利益，降低代理成本，提高公司治理效率。通过研究风险承担在高管薪酬与公司绩效之间的中介作用，拓展了对企业风险决策机制的理解，为企业风险管理理论的发展提供新的视角。此外，本研究还有助于推动人力资本理论和激励理论在公司管理领域的深入应用，为解释高管薪酬的合理性和有效性提供理论支持。从实践意义来看，本研究对上市公司的决策具有重要的参考价值。对于上市公司而言，明确高管薪酬与公司绩效的关系，有助于设计出更加合理有效的薪酬激励机制，充分激发高管的工作积极性和创造力，使其决策与公司的长期发展目标相一致，从而提升公司绩效。了解高管薪酬对风险承担的影响，能够帮助公司更好地把握风险与收益的平衡，制定出符合公司战略的风险承担策略，避免因过度追求风险或过度规避风险而导致的公司绩效损失。本研究的成果还可以为监管部门制定相关政策提供依据，促进资本市场的健康发展，保护投资者的利益。1.3研究方法与创新点本文综合运用多种研究方法，力求全面、深入地探究高管薪酬、风险承担与公司绩效之间的关系。在研究过程中，首先采用文献研究法，系统梳理国内外关于高管薪酬、风险承担和公司绩效的相关文献资料。通过对这些文献的分析，了解该领域的研究现状、研究成果以及存在的不足，从而明确本文的研究方向和重点，为后续的研究奠定坚实的理论基础。在获取相关资料和数据之后，采用实证分析法，以我国上市公司为研究样本，运用计量经济学模型进行实证检验。选取2018-2022年在沪深证券交易所上市的公司作为研究对象，通过筛选，最终确定[X]家公司作为有效样本。在变量设定方面，采用公司前三名高管薪酬总额的自然对数来衡量高管薪酬；以资产回报率（ROA）的标准差作为风险承担的度量指标；公司绩效则通过总资产收益率（ROA）来表示。同时，选取负债水平、公司规模、独立董事比例、股权集中度、公司成长性等作为控制变量。基于这些变量，构建多元线性回归模型，对提出的研究假设进行检验，分析高管薪酬、风险承担与公司绩效之间的数量关系。本文的创新点主要体现在以下几个方面：在样本选取上，区别于以往研究可能仅选取特定年份或特定板块的上市公司，本文选取了2018-2022年沪深两市的上市公司作为样本，时间跨度较长，样本范围更广，能够更全面地反映我国上市公司的整体情况，使研究结果更具代表性和普遍性。在变量设定上，对于风险承担的衡量，采用ROA的标准差，这种衡量方式综合考虑了公司在一定时期内的盈利波动情况，相比一些单一维度的风险衡量指标，更能准确地反映公司的风险承担水平，为研究三者关系提供了更精准的数据支持。从研究视角来看，本文不仅关注高管薪酬与公司绩效的直接关系，还深入探讨了风险承担在两者之间的中介作用，这种多变量、多角度的研究视角，有助于更全面、深入地揭示三者之间的内在联系和作用机制，为公司治理和决策提供更丰富的理论依据。二、理论基础与文献综述2.1相关理论基础2.1.1委托-代理理论委托-代理理论是现代企业理论的重要组成部分，其核心在于研究在信息不对称的情境下，委托人（Principal）与代理人（Agent）之间的关系。在企业运营中，股东作为委托人，将公司的经营权委托给管理层（代理人），期望代理人能够以实现股东利益最大化，即公司价值最大化的方式来管理公司。然而，由于委托人与代理人之间存在信息不对称以及目标函数不一致的问题，导致委托-代理问题的产生。信息不对称是指代理人在企业日常运营中掌握着比委托人更多的信息，例如公司内部的实际运营状况、市场动态的第一手资料等。委托人难以全面、准确地了解代理人的行为和决策过程，这就使得代理人可能利用信息优势，采取一些不利于委托人利益的行为。而目标函数不一致体现在，委托人追求的是公司的长期价值增长和股东财富最大化，而代理人除了关注公司业绩外，还会追求自身利益的最大化，如更高的薪酬、更多的在职消费、稳定的职业发展等。这种目标的差异可能导致代理人在决策时偏离委托人的期望，例如在投资决策中，代理人可能因担心高风险项目失败影响自身职业声誉和薪酬，而放弃那些虽然风险较高但可能带来更高回报的投资项目，转而选择风险较低、回报稳定的项目，即使这些项目可能无法使公司实现价值最大化。为了解决委托-代理问题，企业通常会设计一系列的机制来协调委托人与代理人的利益，其中高管薪酬就是一种重要的激励机制。合理的高管薪酬设计可以将高管的个人利益与公司的业绩紧密联系起来，使高管在追求自身利益的同时，也能够促进公司业绩的提升。如采用股权激励的方式，给予高管一定数量的公司股票或股票期权，当公司业绩良好、股票价格上涨时，高管持有的股票价值也会随之增加，从而激励高管努力工作，为提升公司业绩而奋斗。通过设置与公司绩效挂钩的奖金制度，当公司达到预定的业绩目标时，高管可以获得丰厚的奖金，这也能够促使高管积极采取行动，提高公司的绩效。2.1.2激励理论激励理论是管理心理学和组织行为学的重要内容，其核心目的是研究如何通过特定的管理手段和方法，激发员工的积极性和创造力，以实现组织目标。在高管薪酬设计中，激励理论有着广泛且深入的应用，对高管的行为和公司绩效产生着重要影响。内容型激励理论中的马斯洛需求层次理论认为，人的需求由低到高可分为生理需求、安全需求、归属与爱的需求、尊重需求和自我实现需求五个层次。在高管薪酬设计中，企业需要综合考虑高管的不同层次需求。从生理需求和安全需求角度，提供具有竞争力的基本工资和完善的福利保障，确保高管的基本生活和职业安全得到满足。从归属与爱的需求、尊重需求以及自我实现需求角度，设置与公司绩效挂钩的奖金、股权激励等，当高管通过努力提升公司绩效，获得丰厚的经济回报和公司的认可时，他们在尊重需求和自我实现需求方面也得到了满足，从而进一步激发他们的工作积极性和创造力，为公司创造更高的绩效。过程型激励理论中的期望理论指出，激励力量等于目标价值乘以期望值。这意味着，在高管薪酬设计中，企业设定的薪酬激励目标（如奖金、股权收益等）对于高管来说要有足够的吸引力（目标价值高），同时高管要相信通过自己的努力能够实现这些目标（期望值高），这样才能有效地激励高管。例如，企业设定一个具有挑战性但又切实可行的业绩目标，当高管完成该目标时可获得高额奖金和大量的股票期权，且高管认为凭借自己的能力和经验有较大的把握实现该目标，那么这种薪酬激励设计就能充分激发高管的工作热情和动力，促使他们为实现公司的业绩目标而全力以赴。行为改造型激励理论中的强化理论强调，通过对员工的行为进行正强化（如奖励）或负强化（如惩罚），可以塑造和改变员工的行为。在高管薪酬管理中，当高管做出有利于公司绩效提升的行为时，及时给予薪酬奖励（如绩效奖金、晋升工资等），能够强化这种行为，使高管在未来继续保持这种积极的行为；反之，当高管的行为导致公司绩效下滑时，给予相应的薪酬惩罚（如扣减奖金、降低工资等），可以促使高管反思并改变自己的行为，以提升公司绩效。2.1.3人力资本理论人力资本理论是由美国著名经济学家舒尔茨、贝克尔在20世纪50、60年代初期创建，该理论认为资本分为物质资本和人力资本两种形式，其中人力资本对现代经济增长的贡献远远大于物质资本，是现代经济发展最重要的内生变量和决定性要素。高管作为企业的核心人力资源，他们拥有丰富的专业知识、卓越的管理技能和丰富的行业经验，这些人力资本要素对于企业的发展至关重要。高管的能力和经验直接影响着企业的战略决策质量。在复杂多变的市场环境中，具备敏锐市场洞察力和精准判断力的高管，能够准确把握市场趋势，制定出符合企业发展的战略规划。优秀的高管还能够合理配置企业资源，协调各部门之间的工作，提高企业的运营效率，从而为公司创造更大的价值。高管的创新能力和领导力也对企业的发展起着关键作用。具有创新精神的高管能够推动企业不断进行产品创新、技术创新和管理创新，使企业在激烈的市场竞争中脱颖而出；而卓越的领导力则能够激励和引导员工，增强企业的凝聚力和向心力，促进企业的可持续发展。基于人力资本理论，高管的薪酬应该与其所拥有的人力资本价值相匹配。因为高管的人力资本投入是多方面的，包括长期的教育投资、职业培训、工作经验积累以及在工作中付出的时间和精力等。为了吸引和留住高素质的高管人才，企业需要提供具有竞争力的薪酬待遇。这种薪酬不仅要体现高管的劳动价值，还要对他们所承担的风险和责任给予相应的补偿。企业会根据高管的学历、工作经验、行业声誉等因素来确定其薪酬水平，同时还会通过股权激励、绩效奖金等方式，使高管的薪酬与公司的业绩紧密挂钩，以激励高管充分发挥其人力资本优势，为公司创造更多的价值。2.2国内外文献综述2.2.1高管薪酬与公司绩效关系研究高管薪酬与公司绩效的关系一直是学术界和实务界关注的焦点问题。国外学者较早对此展开研究，Taussings和Baker（1925）的研究开启了这一领域的先河，他们通过实证分析发现，CEO报酬与公司业绩相关性极小，这一研究结果引发了学术界对高管薪酬与公司绩效关系的深入思考。此后，众多学者从不同角度进行了研究，形成了不同的观点。Fama（1980）认为，如果经理们预期未来的报酬取决于当下的业绩表现，他们可能会积极工作，但这与薪酬的激励效果并无直接关联，他强调了经理市场对代理问题的约束作用。罗斯（1982）则研究了管理者薪酬、公司层级结构和规模之间的关系，发现公司倾向于聘请有能力的管理者，且这些管理者的能力、努力和决策会对公司产生积极影响，进而形成公司的凝聚力。格罗斯曼与哈特（1983）在研究公司最优薪酬契约的设计与制定时指出，薪酬与绩效之间的关系并非固定不变，其斜率和形式取决于经理们的效用函数，这意味着薪酬与绩效在某些情况下可能并非正相关，甚至可能出现负相关的情况。国内学者也对高管薪酬与公司绩效的关系进行了广泛研究。李增泉（2000）以1998年上市公司年报数据为样本进行研究，结果表明经理人员的年度报酬与企业绩效并不相关，而是与企业规模密切相关，这一研究结果在国内引起了广泛关注。魏刚（2000）的研究同样发现，高级管理人员的报酬与企业业绩之间不存在显著的正相关关系，他认为我国上市公司高管薪酬制度存在一定的不合理性。然而，也有学者得出了不同的结论。谌新民和刘善敏（2003）通过对2001年上市公司的研究发现，高管薪酬与公司绩效存在显著的正相关关系，他们认为合理的薪酬激励能够有效提升公司绩效。夏裕（2010）选取2006-2008年666家上市公司作为研究对象，建立多元线性回归模型进行分析，实证结论显示公司绩效与高管薪酬存在显著的正相关关系。国内外学者对于高管薪酬与公司绩效的关系尚未达成一致结论。这可能是由于研究样本、研究方法以及研究期间的不同所导致的。不同国家和地区的经济制度、市场环境以及公司治理结构存在差异，这些因素都会对高管薪酬与公司绩效的关系产生影响。研究方法的选择也会影响研究结果，如变量的选取、模型的设定等。研究期间的宏观经济环境、行业发展状况等因素的变化，也可能导致研究结果的不一致。2.2.2高管薪酬与风险承担关系研究高管薪酬对高管的风险偏好和公司风险承担水平具有重要影响。Jensen和Meckling（1976）在委托-代理理论的基础上提出，由于信息不对称和利益不一致，高管可能会为了自身利益而采取与股东利益相悖的风险决策。当高管薪酬与公司业绩紧密挂钩时，高管可能会为了获得更高的薪酬而承担更高的风险。John和John（1993）认为，高管的风险偏好会受到薪酬结构的影响。如果薪酬中固定部分占比较大，高管可能会更倾向于规避风险，以确保自身收入的稳定；而如果薪酬中变动部分（如奖金、股票期权等）占比较大，高管则可能更愿意承担风险，追求更高的回报。在国内，学者们也对这一问题进行了深入研究。张兆国等（2011）以2007-2009年沪深两市的A股上市公司为样本，研究发现高管薪酬与企业风险承担呈显著正相关关系，即高管薪酬越高，企业的风险承担水平越高。他们认为，较高的薪酬能够给予高管更多的经济保障，使其更有勇气承担风险。步丹璐和文彩虹（2013）的研究则表明，高管薪酬激励对企业风险承担的影响存在异质性。在国有企业中，薪酬激励对风险承担的促进作用较弱；而在非国有企业中，薪酬激励能够显著提高企业的风险承担水平。这可能是由于国有企业受到更多的政策约束和监管，高管在决策时会更加谨慎。高管薪酬与风险承担之间存在着密切的联系。除了薪酬水平和结构外，公司的治理结构、行业特征、市场环境等因素也会对高管的风险决策产生影响。在公司治理结构不完善的情况下，高管可能更容易为了自身利益而过度承担风险；而在竞争激烈的行业中，企业为了获取竞争优势，可能会鼓励高管承担更多的风险。2.2.3风险承担与公司绩效关系研究风险承担对公司绩效具有双重影响，适度的风险承担能够促进公司绩效的提升，而过度的风险承担则可能导致公司绩效下降。March和Shapira（1987）指出，企业在经营过程中需要承担一定的风险，以获取更多的发展机会。风险承担能够促使企业积极寻求创新和变革，拓展业务领域，从而提高公司绩效。但过高的风险也可能使企业面临巨大的不确定性，一旦决策失误，可能会导致企业遭受重大损失，进而降低公司绩效。国内学者的研究也支持这一观点。周守华等（2013）以2007-2011年沪深两市A股上市公司为样本，研究发现适度的风险承担有助于提升公司绩效，而过度风险承担则会对公司绩效产生负面影响。他们认为，企业在承担风险时，需要在风险与收益之间进行权衡，找到一个平衡点。刘新民等（2014）通过实证研究发现，企业风险承担与公司绩效之间存在着倒U型关系，即当风险承担水平较低时，随着风险承担的增加，公司绩效会逐渐提高；但当风险承担超过一定水平后，继续增加风险承担会导致公司绩效下降。适度风险承担的界定和实现方式是研究风险承担与公司绩效关系的关键问题。不同行业、不同规模的企业，其适度风险承担水平可能存在差异。一般来说，企业可以通过建立完善的风险管理体系，对风险进行有效的识别、评估和控制，从而实现适度风险承担。企业还可以通过优化投资组合、加强内部控制等方式，降低风险对公司绩效的负面影响。2.2.4文献评述已有研究在高管薪酬、风险承担与公司绩效的关系方面取得了丰富的成果，为后续研究奠定了坚实的基础。学者们从理论和实证两个方面对三者之间的关系进行了深入探讨，揭示了高管薪酬对公司绩效和风险承担的影响机制，以及风险承担在高管薪酬与公司绩效之间的中介作用。然而，当前研究仍存在一些不足之处。在研究内容上，虽然已有研究对三者之间的关系进行了广泛探讨，但对于一些具体问题的研究还不够深入。在高管薪酬与公司绩效的关系研究中，对于薪酬结构的细分研究还相对较少，不同形式的薪酬（如基本工资、奖金、股权激励等）对公司绩效的影响机制尚未得到充分揭示。在风险承担与公司绩效的关系研究中，对于如何准确界定适度风险承担水平，以及不同行业、不同企业的适度风险承担水平的差异研究还不够细致。在研究方法上，现有研究主要以定量分析为主，虽然定量分析能够通过数据和模型验证假设，揭示变量之间的关系，但可能会忽略一些难以量化的因素。高管的个人特质、企业文化等因素对高管薪酬决策和公司风险承担行为的影响，在现有研究中尚未得到充分考虑。在研究视角上，目前的研究大多从单一企业的角度出发，而忽视了企业所处的宏观经济环境、行业竞争态势等外部因素对三者关系的影响。不同的宏观经济环境和行业竞争态势可能会导致高管薪酬策略、风险承担行为以及公司绩效表现的差异。本文将在已有研究的基础上，进一步拓展研究内容，深入探讨高管薪酬结构对公司绩效和风险承担的影响，以及不同行业、不同企业的适度风险承担水平的差异。综合运用定量分析和定性分析方法，充分考虑高管个人特质、企业文化等难以量化的因素对三者关系的影响。从宏观经济环境和行业竞争态势等外部视角出发，研究其对高管薪酬、风险承担与公司绩效关系的调节作用，以期为上市公司的治理和决策提供更全面、更深入的理论支持。三、研究设计3.1研究假设基于前文的理论分析和文献综述，提出以下研究假设：假设1（H1）：高管薪酬与公司绩效呈正相关关系。根据委托-代理理论和激励理论，合理的高管薪酬设计能够有效协调委托人与代理人的利益，激发高管的工作积极性和创造力。较高的薪酬水平能够吸引和留住优秀的高管人才，他们凭借丰富的专业知识、卓越的管理技能和敏锐的市场洞察力，制定出科学合理的战略决策，优化公司资源配置，提高公司运营效率，从而推动公司绩效的提升。例如，当高管薪酬与公司业绩紧密挂钩时，高管为了获得更高的薪酬回报，会努力拓展市场份额，推出创新产品或服务，降低成本，提高公司的盈利能力，进而提升公司绩效。根据委托-代理理论和激励理论，合理的高管薪酬设计能够有效协调委托人与代理人的利益，激发高管的工作积极性和创造力。较高的薪酬水平能够吸引和留住优秀的高管人才，他们凭借丰富的专业知识、卓越的管理技能和敏锐的市场洞察力，制定出科学合理的战略决策，优化公司资源配置，提高公司运营效率，从而推动公司绩效的提升。例如，当高管薪酬与公司业绩紧密挂钩时，高管为了获得更高的薪酬回报，会努力拓展市场份额，推出创新产品或服务，降低成本，提高公司的盈利能力，进而提升公司绩效。假设2（H2）：高管薪酬与风险承担呈正相关关系。高管薪酬结构中变动部分（如奖金、股票期权等）占比较大时，高管为了获取更高的薪酬收益，会更愿意承担风险，追求高回报的投资项目。因为这些项目一旦成功，高管将获得丰厚的薪酬奖励，即使项目失败，高管所遭受的损失相对较小。高管的薪酬水平较高时，他们在经济上更为宽裕，对风险的承受能力也相应增强，从而更有勇气承担风险。例如，在一些高科技企业中，高管持有大量的股票期权，这些期权的价值与公司的未来发展密切相关。为了使期权价值最大化，高管会积极推动公司进行高风险、高回报的技术研发项目，以提升公司的核心竞争力和市场地位。高管薪酬结构中变动部分（如奖金、股票期权等）占比较大时，高管为了获取更高的薪酬收益，会更愿意承担风险，追求高回报的投资项目。因为这些项目一旦成功，高管将获得丰厚的薪酬奖励，即使项目失败，高管所遭受的损失相对较小。高管的薪酬水平较高时，他们在经济上更为宽裕，对风险的承受能力也相应增强，从而更有勇气承担风险。例如，在一些高科技企业中，高管持有大量的股票期权，这些期权的价值与公司的未来发展密切相关。为了使期权价值最大化，高管会积极推动公司进行高风险、高回报的技术研发项目，以提升公司的核心竞争力和市场地位。假设3（H3）：风险承担与公司绩效呈正相关关系。在市场竞争中，企业面临着各种机遇和挑战。适度承担风险能够使企业抓住发展机遇，开拓新的市场，推出创新产品或服务，从而提高公司绩效。例如，企业加大对研发的投入，开发新的技术或产品，虽然这一过程伴随着较高的风险，但一旦成功，将为公司带来巨大的市场份额和利润增长。进入新的市场领域，企业可能面临市场需求不确定、竞争激烈等风险，但通过合理的市场调研和战略规划，企业能够在新市场中获得新的增长点，提升公司绩效。然而，风险承担也并非越高越好，过度承担风险可能导致企业面临巨大的不确定性，一旦决策失误，可能会使公司遭受重大损失，进而降低公司绩效。因此，企业需要在风险与收益之间进行权衡，找到一个适度的风险承担水平，以实现公司绩效的最大化。在市场竞争中，企业面临着各种机遇和挑战。适度承担风险能够使企业抓住发展机遇，开拓新的市场，推出创新产品或服务，从而提高公司绩效。例如，企业加大对研发的投入，开发新的技术或产品，虽然这一过程伴随着较高的风险，但一旦成功，将为公司带来巨大的市场份额和利润增长。进入新的市场领域，企业可能面临市场需求不确定、竞争激烈等风险，但通过合理的市场调研和战略规划，企业能够在新市场中获得新的增长点，提升公司绩效。然而，风险承担也并非越高越好，过度承担风险可能导致企业面临巨大的不确定性，一旦决策失误，可能会使公司遭受重大损失，进而降低公司绩效。因此，企业需要在风险与收益之间进行权衡，找到一个适度的风险承担水平，以实现公司绩效的最大化。3.2变量选取与度量为了深入研究高管薪酬、风险承担与公司绩效之间的关系，本部分将对研究中涉及的变量进行选取和度量，确保研究的科学性和准确性。3.2.1被解释变量公司绩效是本研究的被解释变量，它反映了公司在一定时期内的经营成果和综合实力。在衡量公司绩效时，本研究采用总资产收益率（ROA）和净资产收益率（ROE）两个指标。总资产收益率（ROA）是衡量公司运用全部资产获取利润能力的重要指标，其计算公式为：ROA=净利润/平均总资产×100%。其中，净利润是公司在一定时期内扣除所有成本和费用后的剩余收益，反映了公司的盈利能力；平均总资产是期初总资产与期末总资产的平均值，它衡量了公司在该时期内所拥有的资产规模。ROA越高，表明公司运用资产创造利润的效率越高，经营绩效越好。例如，一家公司的净利润为1000万元，期初总资产为5000万元，期末总资产为6000万元，则平均总资产为（5000+6000）/2=5500万元，ROA=1000/5500×100%≈18.18%。这意味着该公司每100元的资产能够创造约18.18元的净利润，反映了公司较高的资产运营效率和盈利能力。净资产收益率（ROE）是衡量公司股东权益收益水平的指标，体现了公司运用自有资本的效率，计算公式为：ROE=净利润/股东权益×100%。股东权益是公司总资产减去总负债后的剩余权益，代表了股东对公司的所有权。ROE越高，说明公司为股东创造的价值越大，股东权益的回报越高。假设一家公司的净利润为800万元，股东权益为4000万元，则ROE=800/4000×100%=20%。这表明该公司每100元的股东权益能够带来20元的净利润，反映了公司在利用股东投入资本方面具有较高的效率，能够为股东带来较好的回报。采用这两个指标来衡量公司绩效，能够从不同角度全面反映公司的经营状况。ROA侧重于考察公司整体资产的运营效率，而ROE则更关注股东权益的收益情况，两者相互补充，使对公司绩效的评估更加全面和准确。3.2.2解释变量高管薪酬和风险承担是本研究的解释变量。对于高管薪酬，本研究采用两个指标进行衡量：前三名高管薪酬总额自然对数和高管薪酬增长率。前三名高管薪酬总额自然对数（LnSalary）能够在一定程度上反映公司对高管的薪酬投入水平，体现了公司对高管人力资本价值的认可程度以及薪酬激励的力度。较高的LnSalary意味着公司为高管提供了较为丰厚的薪酬待遇，这可能会激励高管更加努力地工作，以提升公司的绩效。假设公司A的前三名高管薪酬总额为500万元，对其取自然对数后，LnSalary≈6.21；公司B的前三名高管薪酬总额为800万元，LnSalary≈6.68。相比之下，公司B的LnSalary更高，说明公司B对高管的薪酬投入相对较大，可能期望通过较高的薪酬激励高管为公司创造更大的价值。高管薪酬增长率（SalaryGrowth）则反映了高管薪酬的增长幅度，体现了公司对高管绩效的认可和薪酬调整的动态性。当高管在过去的经营中取得了良好的业绩，公司可能会通过提高薪酬增长率来给予奖励，这也会进一步激励高管在未来继续努力提升公司绩效。例如，公司C去年前三名高管薪酬总额为300万元，今年增长到360万元，则高管薪酬增长率=（360-300）/300×100%=20%。较高的薪酬增长率表明公司对高管的工作表现给予了积极的反馈，有助于增强高管的工作动力和积极性。风险承担（Risk）是公司在经营过程中对风险的接受程度和承担能力，本研究采用ROA的标准差来衡量公司的风险承担水平。ROA的标准差越大，说明公司的资产收益率波动越大，经营风险越高，即公司在经营过程中承担了较高的风险。假设公司D在过去五年的ROA分别为10%、12%、8%、15%、9%，通过计算可得其ROA的标准差较大，这表明公司D的经营业绩波动较大，风险承担水平较高；而公司E在过去五年的ROA较为稳定，分别为11%、11.5%、10.8%、11.2%、11.3%，其ROA的标准差较小，说明公司E的经营风险相对较低，风险承担水平也较低。3.2.3控制变量为了更准确地研究高管薪酬、风险承担与公司绩效之间的关系，本研究选取了以下控制变量：公司规模（Size）、资产负债率（Lev）、独立董事比例（Indep）、股权集中度（Top1）、公司成长性（Growth）和行业虚拟变量（Industry）。公司规模（Size）对公司绩效可能产生影响。通常，规模较大的公司具有更强的市场竞争力、更丰富的资源和更完善的管理体系，可能更容易实现规模经济，从而对公司绩效产生积极影响。本研究采用公司总资产的自然对数来衡量公司规模。假设公司F的总资产为1亿元，对其取自然对数后，Size≈9.21；公司G的总资产为5亿元，Size≈10.82。公司G的Size更大，表明其规模相对较大，可能在市场竞争中具有更多的优势，进而对公司绩效产生不同程度的影响。资产负债率（Lev）反映了公司的债务融资水平和财务风险状况。较高的资产负债率意味着公司面临较大的偿债压力和财务风险，可能会对公司的经营决策和绩效产生负面影响。本研究以负债总额与资产总额的比值来衡量资产负债率。例如，公司H的负债总额为2000万元，资产总额为5000万元，则资产负债率=2000/5000×100%=40%。如果资产负债率过高，如达到80%以上，公司可能需要支付大量的利息费用，偿债压力较大，这可能会限制公司的投资和发展，对公司绩效产生不利影响。独立董事比例（Indep）在公司治理中起着重要的监督作用。较高的独立董事比例有助于提高公司治理的有效性，监督管理层的决策，保护股东的利益，从而对公司绩效产生积极影响。本研究用独立董事人数占董事会总人数的比例来表示独立董事比例。假设公司I的董事会总人数为9人，其中独立董事为3人，则独立董事比例=3/9×100%≈33.33%。当独立董事比例较高时，他们能够更有效地对公司的重大决策进行监督和制衡，避免管理层的不当行为，有利于提升公司绩效。股权集中度（Top1）体现了公司股权的集中程度。较高的股权集中度可能导致大股东对公司的控制力较强，一方面，大股东可能有更强的动力和能力监督管理层，提高公司绩效；另一方面，也可能存在大股东利用控制权谋取私利的情况，损害公司和其他股东的利益。本研究以第一大股东持股比例来衡量股权集中度。例如，公司J的第一大股东持股比例为50%，股权集中度较高。在这种情况下，大股东可能会积极参与公司的经营管理，推动公司的发展，但也可能会为了自身利益而忽视其他股东的权益，对公司绩效产生复杂的影响。公司成长性（Growth）反映了公司的发展潜力和增长趋势。具有较高成长性的公司通常具有更多的投资机会和发展空间，可能会对公司绩效产生积极影响。本研究采用营业收入增长率来衡量公司成长性。假设公司K去年的营业收入为1000万元，今年增长到1200万元，则营业收入增长率=（1200-1000）/1000×100%=20%。较高的营业收入增长率表明公司业务发展迅速，市场份额不断扩大，具有较好的发展前景，这可能会带动公司绩效的提升。不同行业的市场竞争环境、技术创新要求、政策法规等因素存在差异，这些因素会对公司的经营绩效产生显著影响。为了控制行业因素的影响，本研究设置了行业虚拟变量（Industry）。根据证监会行业分类标准，将样本公司划分为[X]个行业，以制造业为参照组，对其他行业分别设置虚拟变量。当公司属于某一行业时，对应的虚拟变量取值为1，否则为0。例如，对于一家信息技术行业的公司，其对应的行业虚拟变量Industry取值为1，而对于制造业公司，该虚拟变量取值为0。通过设置行业虚拟变量，可以有效控制行业因素对研究结果的干扰，更准确地揭示高管薪酬、风险承担与公司绩效之间的关系。3.3样本选择与数据来源本研究选取2018-2022年在沪深证券交易所上市的A股公司作为初始研究样本。在数据筛选过程中，为确保数据的有效性和可靠性，进行了如下处理：首先，剔除金融类上市公司，因为金融行业具有独特的经营模式和监管要求，其财务指标与其他行业存在较大差异，若不剔除会对研究结果产生干扰。例如，金融行业的资产结构、盈利模式和风险特征与制造业、服务业等行业截然不同，其主要资产为金融资产，盈利主要来源于利息收入、手续费及佣金收入等，且受到严格的资本充足率、流动性等监管指标的约束，这些特点使得金融行业的数据难以与其他行业进行直接比较。其次，剔除ST、*ST类上市公司。这类公司通常面临财务状况异常或其他重大风险，其经营业绩和财务数据可能不能反映正常的经营状况，会影响研究结果的准确性。ST、*ST类公司可能存在连续亏损、资不抵债、违规经营等问题，这些问题会导致其财务数据出现异常波动，无法代表正常运营公司的情况。如果将这些公司纳入样本，可能会掩盖高管薪酬、风险承担与公司绩效之间的真实关系。剔除关键财务数据缺失或异常的公司。财务数据缺失会导致无法准确计算相关变量，而异常数据可能是由于会计差错、财务造假等原因造成的，会对研究结果产生误导。一些公司可能由于财务系统故障、会计人员失误等原因，导致部分财务数据缺失，如营业收入、净利润等关键数据的缺失，会使得无法计算公司绩效指标；一些公司可能存在财务造假行为，如虚构收入、虚增资产等，这些异常数据会严重影响研究结果的可靠性。经过上述筛选过程，最终得到[X]家公司的[X]个年度观测值作为有效样本。本研究的数据来源主要包括以下几个方面：高管薪酬、公司财务数据等信息主要来自国泰安数据库（CSMAR），该数据库是国内知名的金融经济数据库，涵盖了丰富的上市公司数据，具有较高的权威性和可靠性。在国泰安数据库中，可以获取到上市公司详细的财务报表数据，包括资产负债表、利润表、现金流量表等，以及高管薪酬、股权结构等公司治理相关数据。公司的行业分类信息依据证监会发布的《上市公司行业分类指引》确定，确保行业分类的准确性和一致性。宏观经济数据，如国内生产总值（GDP）增长率、通货膨胀率等，来源于国家统计局官方网站，这些数据能够反映宏观经济环境的变化，为研究提供宏观背景支持。通过多渠道的数据收集和整理，为本研究提供了丰富、准确的数据基础，有助于深入分析高管薪酬、风险承担与公司绩效之间的关系。3.4模型构建为了检验前文提出的研究假设，进一步探究高管薪酬、风险承担与公司绩效之间的关系，构建以下多元线性回归模型：\begin{align}ROA_{it}&=\alpha_0+\alpha_1LnSalary_{it}+\sum_{j=2}^{7}\alpha_jControl_{jit}+\varepsilon_{it}\tag{1}\\Risk_{it}&=\beta_0+\beta_1LnSalary_{it}+\sum_{j=2}^{7}\beta_jControl_{jit}+\mu_{it}\tag{2}\\ROA_{it}&=\gamma_0+\gamma_1LnSalary_{it}+\gamma_2Risk_{it}+\sum_{j=3}^{8}\gamma_jControl_{jit}+\nu_{it}\tag{3}\end{align}其中，i表示第i家公司，t表示第t年；\alpha_0、\beta_0、\gamma_0为常数项；\alpha_j、\beta_j、\gamma_j（j=1,2,\cdots）为回归系数；\varepsilon_{it}、\mu_{it}、\nu_{it}为随机误差项。在模型（1）中，被解释变量ROA_{it}代表公司绩效，用总资产收益率衡量，反映公司运用全部资产获取利润的能力。解释变量LnSalary_{it}表示高管薪酬，通过公司前三名高管薪酬总额的自然对数来度量，用于探究高管薪酬水平对公司绩效的直接影响。Control_{jit}为控制变量，包括公司规模（Size）、资产负债率（Lev）、独立董事比例（Indep）、股权集中度（Top1）、公司成长性（Growth）和行业虚拟变量（Industry），用于控制其他可能影响公司绩效的因素。公司规模可能影响公司的市场竞争力和资源配置效率，进而影响公司绩效；资产负债率反映公司的财务风险状况，过高的负债可能对公司绩效产生负面影响；独立董事比例体现公司治理结构的有效性，较高的独立董事比例有助于监督管理层，提升公司绩效；股权集中度影响大股东对公司的控制力度，进而影响公司决策和绩效；公司成长性反映公司的发展潜力，对公司绩效有重要影响；行业虚拟变量用于控制不同行业的特征差异对公司绩效的影响。模型（2）中，被解释变量Risk_{it}为风险承担，以ROA的标准差来衡量，反映公司在经营过程中承担风险的程度。解释变量LnSalary_{it}依旧是高管薪酬，用于研究高管薪酬对公司风险承担水平的影响。控制变量与模型（1）相同，这些控制变量在不同程度上影响公司的风险承担决策，如公司规模较大的公司可能有更强的风险承受能力，资产负债率较高的公司可能更谨慎地对待风险，独立董事比例、股权集中度、公司成长性和行业特征等也会对公司的风险承担产生作用。模型（3）用于检验风险承担在高管薪酬与公司绩效之间的中介作用。被解释变量ROA_{it}为公司绩效，解释变量LnSalary_{it}是高管薪酬，Risk_{it}为风险承担。在该模型中，加入风险承担变量后，若高管薪酬的系数\gamma_1以及风险承担的系数\gamma_2均显著，且相比模型（1）中高管薪酬的系数\alpha_1有所变化，则表明风险承担在高管薪酬与公司绩效之间起到了中介作用。控制变量同样为Control_{jit}，用于控制其他因素对公司绩效的干扰，使研究结果更准确地反映高管薪酬、风险承担与公司绩效之间的关系。四、实证结果与分析4.1描述性统计对主要变量进行描述性统计，结果如表1所示。变量观测值均值标准差最小值中位数最大值ROA[X]0.0530.068-0.3270.0490.284ROE[X]0.0870.156-0.8950.0810.672LnSalary[X]14.9250.78412.84614.87317.652SalaryGrowth[X]0.1050.326-0.6740.0632.153Risk[X]0.0450.0310.0020.0380.187Size[X]22.1361.25819.87421.98526.347Lev[X]0.4280.2010.0530.4150.897Indep[X]0.3720.0560.3330.3640.571Top1[X]33.15%14.68%8.56%31.24%75.00%Growth[X]0.1860.352-0.5210.1272.674从表1可以看出，我国上市公司的总资产收益率（ROA）均值为0.053，说明平均来看，样本公司每100元的资产能够创造5.3元的净利润，整体盈利能力处于中等水平。净资产收益率（ROE）均值为0.087，表明公司股东权益的平均回报率为8.7%，不同公司之间的ROE差异较大，标准差达到0.156，最小值为-0.895，最大值为0.672，反映出上市公司的经营绩效存在较大的分化。前三名高管薪酬总额自然对数（LnSalary）均值为14.925，说明样本公司对高管的薪酬投入具有一定规模，但不同公司之间的薪酬水平也存在差异，标准差为0.784。高管薪酬增长率（SalaryGrowth）均值为0.105，即平均增长10.5%，然而其标准差较大，为0.326，最小值为-0.674，最大值为2.153，表明各公司在高管薪酬调整方面的幅度和策略存在较大不同，可能与公司的业绩表现、经营战略以及市场环境等因素有关。风险承担（Risk）指标以ROA的标准差衡量，均值为0.045，标准差为0.031，说明我国上市公司的风险承担水平整体相对稳定，但不同公司之间仍存在一定差异，最小值为0.002，最大值为0.187，反映出部分公司在经营过程中承担的风险较高，而部分公司则较为保守。公司规模（Size）以总资产的自然对数衡量，均值为22.136，体现出样本公司具有一定的规模，但不同公司规模之间也存在一定差距，标准差为1.258。资产负债率（Lev）均值为0.428，表明样本公司的债务融资水平适中，财务风险处于可控范围，但仍有部分公司资产负债率较高，最大值达到0.897，可能面临较大的偿债压力和财务风险。独立董事比例（Indep）均值为0.372，说明上市公司在公司治理中较为重视独立董事的监督作用，但仍有提升空间，不同公司之间的独立董事比例差异较小，标准差为0.056。股权集中度（Top1）均值为33.15%，说明第一大股东对公司具有一定的控制力，不同公司之间的股权集中度差异较大，标准差为14.68%，最小值为8.56%，最大值为75.00%，反映出不同公司的股权结构存在明显差异。公司成长性（Growth）以营业收入增长率衡量，均值为0.186，表明样本公司整体具有较好的发展潜力，但各公司之间的成长性差异较大，标准差为0.352，最小值为-0.521，最大值为2.674，说明部分公司在市场竞争中面临较大挑战，而部分公司则实现了快速增长。4.2相关性分析在进行回归分析之前，首先对各变量进行相关性分析，以初步判断变量之间的关系，分析结果如表2所示。变量ROAROELnSalarySalaryGrowthRiskSizeLevIndepTop1GrowthROA1ROE0.785***1LnSalary0.326***0.287***1SalaryGrowth0.143**0.126**0.201***1Risk0.258***0.231***0.186***0.097*1Size0.215***0.198***0.374***0.162***0.118**1Lev-0.184***-0.167***-0.135***-0.084*-0.156***-0.102**1Indep0.0520.0480.0650.0380.0420.0710.0341Top10.087**0.075*0.105**0.0630.0580.123***-0.115**0.0411Growth0.246***0.223***0.157***0.238***0.134***0.187***-0.096*0.0360.072*1注：*、、*分别表示在1%、5%、10%的水平上显著。从表2可以看出，总资产收益率（ROA）与净资产收益率（ROE）之间的相关系数高达0.785，且在1%的水平上显著正相关，这表明两者在衡量公司绩效方面具有较高的一致性，能够从不同角度反映公司的经营业绩。高管薪酬（LnSalary、SalaryGrowth）与公司绩效（ROA、ROE）之间均呈现显著的正相关关系，其中LnSalary与ROA的相关系数为0.326，与ROE的相关系数为0.287；SalaryGrowth与ROA的相关系数为0.143，与ROE的相关系数为0.126，且均在1%或5%的水平上显著。这初步验证了假设1，即高管薪酬与公司绩效呈正相关关系，较高的高管薪酬水平和合理的薪酬增长可能会激励高管更加努力地工作，提升公司绩效。高管薪酬（LnSalary、SalaryGrowth）与风险承担（Risk）之间也存在显著的正相关关系。LnSalary与Risk的相关系数为0.186，SalaryGrowth与Risk的相关系数为0.097，且至少在10%的水平上显著。这与假设2相符，说明高管薪酬的增加可能会促使高管更愿意承担风险，追求高回报的项目，从而提高公司的风险承担水平。风险承担（Risk）与公司绩效（ROA、ROE）之间同样呈现显著的正相关关系，Risk与ROA的相关系数为0.258，与ROE的相关系数为0.231，且均在1%的水平上显著。这初步支持了假设3，表明适度的风险承担有助于提升公司绩效，企业在经营过程中积极承担风险，可能会带来更多的发展机遇，从而提高公司的盈利能力和市场竞争力。在控制变量方面，公司规模（Size）与高管薪酬、公司绩效、风险承担均呈正相关关系，说明规模较大的公司通常会为高管提供更高的薪酬，其经营绩效和风险承担水平也相对较高。资产负债率（Lev）与高管薪酬、公司绩效呈负相关关系，与风险承担呈负相关关系，表明较高的资产负债率可能会增加公司的财务风险，限制高管薪酬的增长，对公司绩效产生负面影响，同时也会使公司在决策时更加谨慎，降低风险承担水平。独立董事比例（Indep）与各变量之间的相关性不显著，说明独立董事在样本公司中的监督作用可能尚未充分发挥。股权集中度（Top1）与高管薪酬、公司绩效呈正相关关系，与风险承担的相关性不显著，这表明股权集中度较高的公司可能会对高管给予更高的薪酬激励，有助于提升公司绩效，但对风险承担的影响不明显。公司成长性（Growth）与高管薪酬、公司绩效、风险承担均呈正相关关系，说明成长性较好的公司往往具有更高的高管薪酬水平，经营绩效更好，也更愿意承担风险，以追求更高的发展速度。相关性分析结果初步表明，高管薪酬、风险承担与公司绩效之间存在显著的相关关系，且与研究假设方向一致。但相关性分析只能反映变量之间的线性相关程度，无法确定变量之间的因果关系，因此，还需要进一步进行回归分析，以深入探究三者之间的内在联系。4.3回归结果分析4.3.1高管薪酬与公司绩效回归结果对模型（1）进行回归分析，结果如表3所示。|变量|系数|标准误|t值|P>|t||[95%置信区间]||---|---|---|---|---|---||LnSalary|0.032***|0.006|5.33|0.000|[0.020,0.044]||Size|0.015***|0.003|5.00|0.000|[0.009,0.021]||Lev|-0.064***|0.011|-5.82|0.000|[-0.086,-0.042]||Indep|0.025|0.016|1.56|0.119|[-0.006,0.056]||Top1|0.008**|0.004|2.00|0.046|[0.000,0.016]||Growth|0.047***|0.007|6.71|0.000|[0.033,0.061]||Industry|控制|控制|控制|控制|控制||常数项|-0.284***|0.062|-4.58|0.000|[-0.406,-0.162]||N|[X]||||||R²|0.265||||||---|---|---|---|---|---||LnSalary|0.032***|0.006|5.33|0.000|[0.020,0.044]||Size|0.015***|0.003|5.00|0.000|[0.009,0.021]||Lev|-0.064***|0.011|-5.82|0.000|[-0.086,-0.042]||Indep|0.025|0.016|1.56|0.119|[-0.006,0.056]||Top1|0.008**|0.004|2.00|0.046|[0.000,0.016]||Growth|0.047***|0.007|6.71|0.000|[0.033,0.061]||Industry|控制|控制|控制|控制|控制||常数项|-0.284***|0.062|-4.58|0.000|[-0.406,-0.162]||N|[X]||||||R²|0.265||||||LnSalary|0.032***|0.006|5.33|0.000|[0.020,0.044]||Size|0.015***|0.003|5.00|0.000|[0.009,0.021]||Lev|-0.064***|0.011|-5.82|0.000|[-0.086,-0.042]||Indep|0.025|0.016|1.56|0.119|[-0.006,0.056]||Top1|0.008**|0.004|2.00|0.046|[0.000,0.016]||Growth|0.047***|0.007|6.71|0.000|[0.033,0.061]||Industry|控制|控制|控制|控制|控制||常数项|-0.284***|0.062|-4.58|0.000|[-0.406,-0.162]||N|[X]||||||R²|0.265||||||Size|0.015***|0.003|5.00|0.000|[0.009,0.021]||Lev|-0.064***|0.011|-5.82|0.000|[-0.086,-0.042]||Indep|0.025|0.016|1.56|0.119|[-0.006,0.056]||Top1|0.008**|0.004|2.00|0.046|[0.000,0.016]||Growth|0.047***|0.007|6.71|0.000|[0.033,0.061]||Industry|控制|控制|控制|控制|控制||常数项|-0.284***|0.062|-4.58|0.000|[-0.406,-0.162]||N|[X]||||||R²|0.265||||||Lev|-0.064***|0.011|-5.82|0.000|[-0.086,-0.042]||Indep|0.025|0.016|1.56|0.119|[-0.006,0.056]||Top1|0.008**|0.004|2.00|0.046|[0.000,0.016]||Growth|0.047***|0.007|6.71|0.000|[0.033,0.061]||Industry|控制|控制|控制|控制|控制||常数项|-0.284***|0.062|-4.58|0.000|[-0.406,-0.162]||N|[X]||||||R²|0.265||||||Indep|0.025|0.016|1.56|0.119|[-0.006,0.056]||Top1|0.008**|0.004|2.00|0.046|[0.000,0.016]||Growth|0.047***|0.007|6.71|0.000|[0.033,0.061]||Industry|控制|控制|控制|控制|控制||常数项|-0.284***|0.062|-4.58|0.000|[-0.406,-0.162]||N|[X]||||||R²|0.265||||||Top1|0.008**|0.004|2.00|0.046|[0.000,0.016]||Growth|0.047***|0.007|6.71|0.000|[0.033,0.061]||Industry|控制|控制|控制|控制|控制||常数项|-0.284***|0.062|-4.58|0.000|[-0.406,-0.162]||N|[X]||||||R²|0.265||||||Growth|0.047***|0.007|6.71|0.000|[0.033,0.061]||Industry|控制|控制|控制|控制|控制||常数项|-0.284***|0.062|-4.58|0.000|[-0.406,-0.162]||N|[X]||||||R²|0.265||||||Industry|控制|控制|控制|控制|控制||常数项|-0.284***|0.062|-4.58|0.000|[-0.406,-0.162]||N|[X]||||||R²|0.265||||||常数项|-0.284***|0.062|-4.58|0.000|[-0.406,-0.162]||N|[X]||||||R²|0.265||||||N|[X]||||||R²|0.265||||||R²|0.265|||||注：*、、*分别表示在1%、5%、10%的水平上显著。从表3可以看出，高管薪酬（LnSalary）的系数为0.032，且在1%的水平上显著为正，这表明高管薪酬与公司绩效（ROA）之间存在显著的正相关关系，即高管薪酬水平越高，公司绩效越好，假设1得到验证。这一结果与委托-代理理论和激励理论相符，合理的高管薪酬能够激励高管更加努力地工作，积极采取措施提升公司绩效。当高管薪酬较高时，他们会更有动力投入更多的时间和精力，运用自身的专业知识和管理技能，制定科学合理的战略决策，优化公司的资源配置，提高公司的运营效率，从而推动公司绩效的提升。公司规模（Size）的系数为0.015，在1%的水平上显著为正，说明公司规模对公司绩效具有显著的正向影响，规模较大的公司通常具有更强的市场竞争力和资源整合能力，更有利于提升公司绩效。资产负债率（Lev）的系数为-0.064，在1%的水平上显著为负，表明资产负债率越高，公司绩效越低，较高的资产负债率会增加公司的财务风险和偿债压力，对公司绩效产生负面影响。股权集中度（Top1）的系数为0.008，在5%的水平上显著为正，说明股权集中度较高的公司，大股东有更强的动力监督管理层，对公司绩效有一定的促进作用。公司成长性（Growth）的系数为0.047，在1%的水平上显著为正，表明公司成长性越好，公司绩效越高，具有良好成长性的公司通常具有更多的投资机会和发展潜力，能够为公司带来更高的绩效。独立董事比例（Indep）的系数不显著，说明独立董事在样本公司中的监督作用尚未充分发挥，可能需要进一步完善独立董事制度，提高独立董事的独立性和专业性，以增强其对公司绩效的积极影响。行业虚拟变量（Industry）已控制，表明不同行业对公司绩效存在一定的影响，但在控制其他变量后，行业因素对公司绩效的影响在回归结果中未通过显著性检验，可能是由于其他变量对公司绩效的影响更为显著，掩盖了行业因素的作用。4.3.2高管薪酬与风险承担回归结果对模型（2）进行回归分析，结果如表4所示。|变量|系数|标准误|t值|P>|t||[95%置信区间]||---|---|---|---|---|---||LnSalary|0.018***|0.004|4.50|0.000|[0.010,0.026]||Size|0.007**|0.003|2.33|0.020|[0.001,0.013]||Lev|-0.025***|0.007|-3.57|0.000|[-0.039,-0.011]||Indep|0.012|0.010|1.20|0.230|[-0.008,0.032]||Top1|0.003|0.002|1.50|0.134|[-0.001,0.007]||Growth|0.015***|0.004|3.75|0.000|[0.007,0.023]||Industry|控制|控制|控制|控制|控制||常数项|-0.116***|0.038|-3.05|0.002|[-0.191,-0.041]||N|[X]||||||R²|0.158||||||---|---|---|---|---|---||LnSalary|0.018***|0.004|4.50|0.000|[0.010,0.026]||Size|0.007**|0.003|2.33|0.020|[0.001,0.013]||Lev|-0.025***|0.007|-3.57|0.000|[-0.039,-0.011]||Indep|0.012|0.010|1.20|0.230|[-0.008,0.032]||Top1|0.003|0.002|1.50|0.134|[-0.001,0.007]||Growth|0.015***|0.004|3.75|0.000|[0.007,0.023]||Industry|控制|控制|控制|控制|控制||常数项|-0.116***|0.038|-3.05|0.002|[-0.191,-0.041]||N|[X]||||||R²|0.158||||||LnSalary|0.018***|0.004|4.50|0.000|[0.010,0.026]||Size|0.007**|0.003|2.33|0.020|[0.001,0.013]||Lev|-0.025***|0.007|-3.57|0.000|[-0.039,-0.011]||Indep|0.012|0.010|1.20|0.230|[-0.008,0.032]||Top1|0.003|0.002|1.50|0.134|[-0.001,0.007]||Growth|0.015***|0.004|3.75|0.000|[0.007,0.023]||Industry|控制|控制|控制|控制|控制||常数项|-0.116***|0.038|-3.05|0.002|[-0.191,-0.041]||N|[X]||||||R²|0.158||||||Size|0.007**|0.003|2.33|0.020|[0.001,0.013]||Lev|-0.025***|0.007|-3.57|0.000|[-0.039,-0.011]||Indep|0.012|0.010|1.20|0.230|[-0.008,0.032]||Top1|0.003|0.002|1.50|0.134|[-0.001,0.007]||Growth|0.015***|0.004|3.75|0.000|[0.007,0.023]||Industry|控制|控制|控制|控制|控制||常数项|-0.116***|0.038|-3.05|0.002|[-0.191,-0.041]||N|[X]||||||R²|0.158||||||Lev|-0.025***|0.007|-3.57|0.000|[-0.039,-0.011]||Indep|0.012|0.010|1.20|0.230|[-0.008,0.032]||Top1|0.003|0.002|1.50|0.134|[-0.001,0.007]||Growth|0.015***|0.004|3.75|0.000|[0.007,0.023]||Industry|控制|控制|控制|控制|控制||常数项|-0.116***|0.038|-3.05|0.002|[-0.191,-0.041]||N|[X]||||||R²|0.158||||||Indep|0.012|0.010|1.20|0.230|[-0.008,0.032]||Top1|0.003|0.002|1.50|0.134|[-0.001,0.007]||Growth|0.015***|0.004|3.75|0.000|[0.007,0.023]||Industry|控制|控制|控制|控制|控制||常数项|-0.116***|0.038|-3.05|0.002|[-0.191,-0.041]||N|[X]||||||R²|0.158||||||Top1|0.003|0.002|1.50|0.134|[-0.001,0.007]||Growth|0.015***|0.004|3.75|0.000|[0.007,0.023]||Industry|控制|控制|控制|控制|控制||常数项|-0.116***|0.038|-3.05|0.002|[-0.191,-0.041]||N|[X]||||||R²|0.158||||||Growth|0.015***|0.004|3.75|0.000|[0.007,0.023]||Industry|控制|控制|控制|控制|控制||常数项|-0.116***|0.038|-3.05|0.002|[-0.191,-0.041]||N|[X]||||||R²|0.158||||||Industry|控制|控制|控制|控制|控制||常数项|-0.116***|0.038|-3.05|0.002|[-0.191,-0.041]||N|[X]||||||R²|0.158||||||常数项|-0.116***|0.038|-3.05|0.002|[-0.191,-0.041]||N|[X]||||||R²|0.158||||||N|[X]||||||R²|0.158||||||R²|0.158|||||注：*、、*分别表示在1%、5%、10%的水平上显著。从表4的回归结果来看，高管薪酬（LnSalary）的系数为0.018，在1%的水平上显著为正，这表明高管薪酬与风险承担（Risk）之间存在显著的正相关关系，即高管薪酬水平越高，公司的风险承担水平越高，假设2得到验证。这一结果符合预期，当高管薪酬较高时，高管有更强的经济实力和心理承受能力来承担风险，他们更愿意追求高风险、高回报的投资项目，以获取更高的薪酬收益。较高的薪酬也使得高管在公司中的地位更加稳固，他们可能会更加注重公司的长期发展，愿意承担一定的风险来推动公司的创新和扩张。公司规模（Size）的系数为0.007，在5%的水平上显著为正，说明规模较大的公司通常具有更强的风险承受能力，更倾向于承担较高的风险。资产负债率（Lev）的系数为-0.025，在1%的水平上显著为负，表明资产负债率越高，公司的风险承担水平越低，较高的资产负债率会使公司面临较大的财务风险和偿债压力，导致公司在决策时更加谨慎，减少风险承担。公司成长性（Growth）的系数为0.015，在1%的水平上显著为正，表明成长性较好的公司更愿意承担风险，以追求更高的发展速度和市场份额。股权集中度（Top1）和独立董事比例（Indep）的系数均不显著，说明股权集中度和独立董事比例对公司风险承担水平的影响不明显。行业虚拟变量（Industry）已控制，说明不同行业的风险特征对公司风险承担水平存在一定的影响，但在控制其他变量后，行业因素对风险承担的影响在回归结果中未通过显著性检验，可能是由于其他变量对风险承担的影响更为突出，使得行业因素的作用相对减弱。4.3.3风险承担与公司绩效回归结果对模型（3）进行回归分析，结果如表5所示。|变量|系数|标准误|t值|P>|t||[95%置信区间]||---|---|---|---|---|---||LnSalary|0.025***|0.006|4.17|0.000|[0.013,0.037]||Risk|0.214***|0.038|5.63|0.000|[0.140,0.288]||Size|0.012***|0.003|4.00|0.000|[0.006,0.018]||Lev|-0.056***|0.011|-5.09|0.000|[-0.078,-0.034]||Indep|0.022|0.016|1.38|0.167|[-0.009,0.053]||T