管理层权力与高管薪酬的关联探究：基于多维度的实证分析

管理层权力与高管薪酬的关联探究：基于多维度的实证分析一、引言1.1研究背景与动因在现代企业的发展进程中，所有权与经营权的分离已成为一种普遍的现象。随着企业规模的不断扩张和业务的日益复杂，企业所有者往往难以直接有效地管理企业的日常运营，于是将经营权委托给具有专业管理知识和技能的高管团队。这种两权分离的模式在一定程度上提高了企业的运营效率，促进了企业的专业化发展，但同时也引发了一系列的委托代理问题。其中，高管薪酬作为解决委托代理问题的重要手段之一，逐渐成为公司治理领域的核心议题。高管薪酬不仅直接关系到高管的工作积极性和努力程度，还对公司的业绩和股东的利益产生深远影响。合理的高管薪酬体系能够激励高管为实现股东利益最大化而努力工作，提高公司的运营效率和竞争力；相反，不合理的高管薪酬则可能导致高管追求个人利益而非公司利益，引发道德风险和逆向选择问题，损害公司和股东的利益。近年来，一些公司出现的高管薪酬过高、与公司业绩不匹配等现象，引发了社会各界的广泛关注和质疑。例如，某些公司在业绩下滑甚至亏损的情况下，高管薪酬却依然居高不下，这不仅违背了薪酬激励的初衷，也损害了股东和其他利益相关者的权益，加剧了社会分配的不公平。在这种背景下，管理层权力作为影响高管薪酬的一个重要因素，逐渐受到学术界和实务界的重视。管理层权力理论认为，高管并非完全被动地接受薪酬契约，而是有动机和能力利用自身的权力影响薪酬制定过程。当管理层权力较大时，他们可能会在薪酬谈判中占据优势地位，通过各种方式为自己谋取更高的薪酬，甚至可能导致薪酬与业绩的脱节。在一些公司中，高管兼任董事长或在董事会中拥有较大的话语权，使得薪酬决策过程缺乏有效的监督和制衡，从而为高管操纵薪酬提供了机会。此外，公司治理结构的不完善也可能为管理层权力的滥用提供土壤。股权结构不合理、董事会独立性不足、监事会监督失效等问题，都可能导致管理层权力过度集中，难以受到有效的约束和监督。在这种情况下，高管薪酬的制定可能更多地体现了管理层的意志，而忽视了公司的业绩和股东的利益。研究管理层权力对高管薪酬的影响具有重要的理论和现实意义。从理论层面来看，深入研究管理层权力与高管薪酬之间的关系，有助于丰富和完善公司治理理论，进一步揭示薪酬契约的形成机制和影响因素，为后续的相关研究提供理论基础和实证依据。从现实层面而言，准确把握管理层权力对高管薪酬的影响，能够为公司制定合理的薪酬政策提供参考，有助于优化公司治理结构，加强对管理层权力的监督和制衡，提高高管薪酬的合理性和公正性，从而降低代理成本，提升公司的绩效和价值，维护股东和其他利益相关者的合法权益，促进企业的可持续发展和社会的和谐稳定。1.2研究价值与意义本研究在理论与实践层面均具有重要价值和意义，有望为学术界和企业界提供多维度的贡献。在理论层面，本研究致力于完善管理层权力与高管薪酬关系的研究，丰富相关理论体系。尽管现有研究已对两者关系有所探讨，但仍存在诸多未解决的问题和待拓展的领域。本研究将通过深入剖析管理层权力的来源、维度及其对高管薪酬的作用机制，进一步揭示薪酬契约背后的复杂逻辑，为公司治理理论提供更为坚实的实证依据。研究将细致考察管理层权力在不同公司治理结构和市场环境下对高管薪酬的差异化影响，填补这方面研究的空白，使学术界对薪酬决定因素的理解更加全面和深入。这不仅有助于深化对公司治理本质的认识，还能为后续研究提供新的视角和方法，推动公司治理理论的不断发展与创新。在实践层面，本研究成果对企业优化薪酬体系、提升治理水平具有直接的指导意义。企业在制定薪酬政策时，往往面临如何平衡高管激励与股东利益的难题。本研究通过实证分析，能够帮助企业准确识别管理层权力对高管薪酬的影响路径和程度，从而制定出更加科学合理的薪酬体系。企业可以依据研究结果，合理设计薪酬结构，增加薪酬与业绩的关联性，降低管理层权力对薪酬的不当影响，提高薪酬激励的有效性。研究还能为企业完善公司治理结构提供参考，帮助企业加强对管理层权力的监督和制衡，减少内部人控制现象，提高公司治理的透明度和公正性，保护股东的合法权益。在当前市场竞争日益激烈的环境下，合理的薪酬体系和有效的公司治理是企业吸引和留住优秀人才、提升竞争力的关键。本研究成果能够为企业提供有益的借鉴，助力企业实现可持续发展。1.3研究设计与方法本研究将采用实证研究方法，以定量分析为主，结合定性分析，深入探讨管理层权力对高管薪酬的影响。选择实证研究方法主要基于以下考虑：实证研究能够通过系统地收集和分析实际数据，验证理论假设，为研究问题提供客观、科学的证据。在管理层权力与高管薪酬关系的研究中，实证研究方法有助于克服主观判断的局限性，准确揭示两者之间的内在联系和作用机制，使研究结论更具说服力和可靠性，能够为企业实践和政策制定提供有力的支持。在数据收集方面，本研究将选取[具体时间段]内[具体范围，如沪深两市A股上市公司]的相关数据作为研究样本。数据来源主要包括以下几个渠道：一是上市公司的年度报告，从中获取高管薪酬、公司财务指标、公司治理结构等基本信息；二是权威的金融数据库，如万得（Wind）数据库、国泰安（CSMAR）数据库等，这些数据库提供了丰富的上市公司数据，且经过整理和验证，具有较高的准确性和可靠性；三是公司官网及其他公开披露信息，用于补充和核实相关数据。为确保数据的质量和有效性，在收集数据过程中，将对数据进行严格的筛选和清理，剔除数据缺失严重、异常值较多以及不符合研究条件的样本。为了准确衡量管理层权力和高管薪酬，本研究将构建相应的指标体系。对于管理层权力的衡量，参考已有研究成果，并结合我国上市公司的实际情况，从以下四个维度选取指标：两职合一，即董事长与总经理是否兼任，若兼任则赋值为1，否则为0，该指标反映了管理层在公司决策中的集中程度；董事会规模，以董事会成员的人数来衡量，董事会规模越大，管理层在董事会中的影响力可能相对越大；独立董事比例，用独立董事人数占董事会总人数的比例表示，独立董事比例越低，管理层权力相对越大；管理层持股比例，指管理层持有的公司股份占总股本的比例，持股比例越高，管理层对公司的控制能力越强。对于高管薪酬的衡量，选取高管前三名薪酬总额的自然对数作为主要指标，该指标能够综合反映高管团队的薪酬水平，且经过对数化处理后，可以在一定程度上消除数据的异方差问题，使数据更加平稳。在构建模型时，以高管薪酬为被解释变量，管理层权力为解释变量，并引入公司规模、资产负债率、净资产收益率、行业和年度等控制变量，构建多元线性回归模型，具体模型设定如下：Ln(Salary)=\alpha_0+\alpha_1Power+\sum_{i=2}^{n}\alpha_iControl_i+\varepsilon其中，Ln(Salary)表示高管前三名薪酬总额的自然对数；Power表示管理层权力，通过上述四个维度的指标综合衡量；Control_i表示第i个控制变量，包括公司规模（以总资产的自然对数衡量）、资产负债率、净资产收益率等；\alpha_0为常数项，\alpha_1,\alpha_2,\cdots,\alpha_n为回归系数，\varepsilon为随机误差项。通过对该模型进行回归分析，检验管理层权力对高管薪酬的影响是否显著，并分析各控制变量对高管薪酬的作用方向和程度。除了上述多元线性回归分析外，还将采用多种方法对研究结果进行稳健性检验，以确保研究结论的可靠性。例如，更换变量的衡量方式，采用其他能够反映管理层权力和高管薪酬的指标重新进行回归分析；采用不同的样本筛选标准，如扩大或缩小样本范围，重新估计模型；运用工具变量法，解决可能存在的内生性问题，进一步验证研究结论的稳健性。二、理论基础与文献综述2.1相关理论剖析2.1.1委托代理理论委托代理理论是现代公司治理理论的重要基石，旨在解释在所有权与经营权分离的背景下，企业所有者（委托人）与管理者（代理人）之间的关系及其产生的问题。该理论认为，由于委托人和代理人的目标函数存在差异，以及信息不对称和契约不完备等因素，代理人可能会采取与委托人利益不一致的行为，从而产生代理问题。在企业中，股东作为所有者，追求的是企业价值最大化，以实现自身财富的增长；而管理层作为代理人，负责企业的日常经营管理，其目标除了企业业绩外，还可能包括个人薪酬、职业声誉、在职消费等个人利益的最大化。这种目标的不一致性使得管理层在决策过程中可能会优先考虑自身利益，而忽视股东的利益。管理层可能为了追求短期业绩以提升个人薪酬和声誉，而采取一些短期行为，如削减研发投入、过度投资等，这些行为虽然在短期内可能会提升企业的业绩，但从长期来看，却可能损害企业的核心竞争力和可持续发展能力，降低企业的价值。信息不对称也是委托代理问题产生的重要原因之一。在企业运营过程中，管理层直接参与企业的日常经营活动，掌握着大量关于企业内部运营、市场动态、项目投资等方面的详细信息；而股东由于不直接参与企业的经营管理，获取信息的渠道相对有限，信息的及时性和准确性也难以保证。这种信息不对称使得股东难以全面了解管理层的行为和决策过程，无法对管理层进行有效的监督和约束，从而为管理层的机会主义行为提供了空间。管理层可能会利用信息优势，隐瞒企业的真实经营状况，夸大业绩，或者为了自身利益而进行内幕交易等。为了降低代理成本，解决委托代理问题，企业通常会设计一系列的激励约束机制，其中高管薪酬就是一种重要的激励手段。通过合理设计高管薪酬结构，将高管的薪酬与企业的业绩紧密挂钩，如采用股票期权、绩效奖金等形式，使高管的个人利益与企业的利益趋于一致，从而激励高管努力工作，提高企业的业绩，实现股东利益最大化。然而，在实际操作中，由于各种因素的影响，高管薪酬机制可能无法完全有效地解决委托代理问题，甚至可能会产生新的问题。2.1.2管理层权力理论管理层权力理论是在对传统委托代理理论进行反思和拓展的基础上发展起来的，该理论强调管理层在公司决策和薪酬制定过程中具有一定的权力和影响力，并且这种权力可能会导致管理层为自身谋取私利，从而影响公司的治理效率和股东的利益。管理层权力主要来源于多个方面。企业内部的组织结构和权力分配是管理层权力的重要来源之一。在一些公司中，董事长与总经理两职合一，这使得管理层在公司决策中拥有绝对的控制权，能够主导公司的战略方向和重大决策。董事会规模和独立董事比例也会影响管理层权力。如果董事会规模较大，管理层在董事会中的话语权可能相对较大；而独立董事比例较低，则难以对管理层形成有效的制衡，使得管理层权力得以增强。管理层持股比例也是影响其权力的重要因素。当管理层持有较高比例的公司股份时，其对公司的控制能力增强，在公司决策和薪酬制定中具有更大的影响力。管理层运用权力影响薪酬制定的方式多种多样。在薪酬谈判过程中，管理层可能凭借其在公司中的地位和权力，占据主导地位，与董事会进行讨价还价，从而为自己争取更高的薪酬水平。管理层可能会利用信息优势，向董事会提供有利于自己的信息，夸大自己的工作业绩和对公司的贡献，同时隐瞒一些不利信息，误导董事会做出不合理的薪酬决策。管理层还可能通过操纵公司的业绩指标来影响薪酬。通过盈余管理等手段，调整公司的财务报表，使公司业绩看起来更好，从而为自己获取更高的薪酬。管理层权力对薪酬制定的影响可能导致一系列问题。过高的薪酬可能会增加公司的运营成本，降低公司的盈利能力，损害股东的利益。当薪酬与业绩脱节时，会削弱薪酬的激励作用，使高管缺乏努力工作的动力，导致公司治理效率低下。管理层权力过大还可能引发公司内部的不公平感，影响员工的工作积极性和团队合作精神，进而对公司的整体发展产生负面影响。2.2文献综述2.2.1管理层权力的度量研究学术界对于管理层权力度量指标的研究较为丰富，不同学者从多个维度提出了相应的度量指标。一些研究将总经理任职年限作为衡量管理层权力的指标之一。Finkelstein（1992）认为，总经理任职年限越长，其在公司内部积累的人脉资源、对公司运营的熟悉程度以及对决策的影响力就越大，从而拥有更大的管理层权力。长期任职的总经理可能会在董事会中培养自己的支持者，使得董事会在决策时更倾向于其意志。在某些公司中，总经理任职超过十年，在公司战略规划、重大投资决策等方面具有绝对的话语权，董事会往往只是对其决策的形式上的批准。两职合一也是常用的管理层权力度量指标。当董事长与总经理由同一人担任时，公司的决策权和执行权高度集中，管理层权力得以极大增强。Jensen（1993）指出，两职合一使得管理层在公司治理结构中缺乏有效的制衡，容易导致管理层为追求自身利益而忽视股东利益，在薪酬制定、投资决策等方面可能会做出不利于公司长期发展的决策。一些公司的两职合一高管利用权力，为自己制定高额薪酬，却未能提升公司业绩，引发了股东的不满和市场的质疑。董事会规模与管理层权力也存在密切关系。一般来说，董事会规模越大，管理层在董事会中的影响力相对越大。Yermack（1996）的研究表明，较大的董事会规模可能会导致决策效率低下，成员之间的沟通协调成本增加，使得管理层更容易操纵董事会决策，从而增强自身权力。在一些董事会成员众多的公司中，管理层可以通过分化董事会成员、控制信息传递等方式，使董事会的决策朝着有利于自己的方向发展。独立董事比例则是从制衡管理层权力的角度来衡量管理层权力的指标。独立董事被期望能够独立于管理层，对公司决策进行监督和制衡。当独立董事比例较低时，管理层面临的外部监督相对较弱，权力相对较大。Forker（1999）发现，独立董事比例低的公司，管理层在薪酬制定、关联交易等方面更易出现自利行为，因为缺乏足够的外部监督来约束其权力的行使。在某些独立董事比例不足三分之一的公司中，管理层在进行关联交易时，可能会为自身谋取私利，损害公司和股东的利益。除了上述常用指标外，还有学者从其他角度提出了度量指标。管理层持股比例也是衡量管理层权力的重要指标之一，管理层持股比例越高，其对公司的控制能力越强，权力也就越大。股权结构的分散程度也会影响管理层权力，股权越分散，管理层越容易掌握公司的实际控制权，权力相应增大。公司的行业地位和市场竞争优势也可能与管理层权力相关，处于垄断地位或具有强大市场竞争力的公司，管理层权力往往更大，因为公司的业绩相对稳定，管理层在决策时受到的外部压力较小。2.2.2高管薪酬的衡量指标研究衡量高管薪酬的指标丰富多样，不同指标具有各自的特点和适用场景，在学术研究和企业实践中发挥着不同的作用。基本工资是高管薪酬的基础组成部分，具有稳定性和保障性的特点。它通常根据高管的职位、工作经验、行业薪酬水平等因素确定，为高管提供了基本的生活保障和经济收入。基本工资在一定程度上反映了高管的职位价值和市场行情，但相对固定，难以充分体现高管的工作绩效和对公司的贡献程度。在一些成熟行业的大型企业中，高管的基本工资相对较高，且调整幅度较小，以维持高管团队的稳定性。绩效奖金则与公司的业绩和高管的个人绩效紧密挂钩，具有较强的激励性。企业通常会设定一系列绩效目标，如净利润、营业收入、市场份额等，当公司或高管个人达到这些目标时，高管将获得相应的绩效奖金。绩效奖金能够有效激励高管努力工作，提升公司业绩，因为高管的收入直接取决于其工作成果。但绩效奖金也存在一定的局限性，容易导致高管追求短期业绩，忽视公司的长期发展。一些公司为了在短期内提升业绩，可能会削减研发投入、过度压缩成本，虽然短期内获得了高额绩效奖金，但从长期来看，损害了公司的核心竞争力。股票期权作为一种长期激励工具，近年来在高管薪酬中得到了广泛应用。股票期权赋予高管在未来一定期限内以约定价格购买公司股票的权利，高管的收益取决于公司股票价格的上涨幅度。股票期权能够将高管的个人利益与公司的长期利益紧密结合，激励高管关注公司的长期发展，提升公司的市场价值。由于股票市场的不确定性和波动性较大，股票期权的价值受到多种因素的影响，如宏观经济环境、行业竞争态势、公司战略决策等，这使得股票期权的激励效果存在一定的不确定性。一些公司的股票期权计划在实施过程中，由于市场行情不佳，股票价格长期低迷，导致高管的股票期权收益甚微，无法达到预期的激励效果。除了上述主要指标外，高管薪酬还可能包括津贴、福利、养老金计划等其他组成部分。津贴和福利为高管提供了额外的经济补偿和生活便利，如交通补贴、住房补贴、商业保险等，虽然金额相对较小，但也能在一定程度上提高高管的满意度和忠诚度。养老金计划则是为高管的退休生活提供保障，增强高管对公司的归属感和长期服务的意愿。这些其他组成部分在高管薪酬中所占的比例相对较小，且在不同公司之间存在较大差异。2.2.3管理层权力对高管薪酬影响的研究现状已有研究在探讨管理层权力对高管薪酬的影响方面取得了一定成果，但观点存在差异。众多学者发现管理层权力对高管薪酬具有正向影响。Finkelstein和Hambrick（1989）的研究表明，当管理层权力较大时，高管有能力在薪酬谈判中占据优势地位，从而为自己谋取更高的薪酬。在公司治理结构不完善、缺乏有效监督制衡机制的情况下，管理层能够利用手中的权力影响薪酬制定过程，使薪酬水平偏离公司业绩和市场合理水平。一些公司的管理层通过兼任董事长、控制董事会等方式增强自身权力，进而大幅提高自己的薪酬，而公司业绩却并未相应提升。也有部分研究得出了不同结论。Core、Holthausen和Larcker（1999）认为，在某些情况下，管理层权力的增加并不一定会导致高管薪酬的上升。当公司面临财务困境或业绩下滑时，即使管理层权力较大，也可能会受到股东和市场的压力，难以提高薪酬。如果公司处于亏损状态，股东对高管薪酬的关注度会更高，对不合理的薪酬增长会坚决抵制，此时管理层权力在薪酬提升方面的作用会受到限制。还有研究关注到管理层权力对高管薪酬结构的影响。权小锋、吴世农和文芳（2010）指出，管理层权力会影响高管薪酬中各组成部分的比例。随着管理层权力的增大，高管可能会更倾向于增加股票期权等长期激励在薪酬中的比重，以获取更多的潜在收益。这是因为股票期权的价值与公司长期业绩挂钩，管理层通过操纵公司战略和决策，有可能提升公司股票价格，从而实现自身利益最大化。但这种行为也可能导致管理层过度冒险，为追求股票价格上涨而忽视公司的风险控制和稳健发展。尽管已有研究取得了一定进展，但仍存在不足和空白。现有研究在管理层权力和高管薪酬的度量指标选择上尚未达成一致，不同的度量方法可能导致研究结果的差异，影响了研究结论的普适性和可比性。对于管理层权力影响高管薪酬的内在作用机制，研究还不够深入和全面，未能充分揭示权力在薪酬制定过程中的具体运作方式和影响因素。在不同行业、不同规模企业以及不同市场环境下，管理层权力对高管薪酬的影响可能存在差异，但相关研究相对较少，缺乏系统性的分析和比较。未来研究可以在这些方面进一步深入探讨，以完善对管理层权力与高管薪酬关系的理解。三、研究设计3.1样本选取与数据来源本研究选取[具体时间段，如2015-2023年]在沪深两市上市的A股公司作为研究样本。选择上市公司作为研究对象，主要基于以下原因：上市公司的信息披露相对较为规范和全面，能够为研究提供丰富的数据来源，满足实证研究对数据质量和数量的要求；上市公司在我国经济体系中占据重要地位，其治理结构和薪酬政策具有一定的代表性，研究上市公司管理层权力对高管薪酬的影响，对于理解我国企业的薪酬决定机制和公司治理问题具有重要的参考价值；上市公司面临着更为严格的市场监管和投资者监督，其管理层权力与高管薪酬的关系可能受到多种内外部因素的影响，研究这一群体有助于更全面地揭示两者之间的复杂关系。在样本筛选过程中，遵循以下标准：首先，剔除金融行业上市公司，因为金融行业具有独特的监管要求和业务模式，其财务指标和公司治理结构与其他行业存在较大差异，可能会对研究结果产生干扰。其次，剔除ST、*ST公司，这类公司通常面临财务困境或经营异常，其高管薪酬和管理层权力可能受到特殊因素的影响，不符合研究的一般性假设。再者，剔除数据缺失严重或存在异常值的样本，以确保数据的完整性和可靠性。经过上述筛选，最终得到[具体样本数量]个有效样本。数据来源主要包括以下几个方面：一是国泰安（CSMAR）数据库，该数据库提供了丰富的上市公司财务数据、公司治理数据以及高管薪酬数据等，涵盖了公司的基本信息、财务报表、股权结构、董事会构成等多个维度，为研究提供了重要的数据支持；二是万得（Wind）数据库，从中获取公司的市场交易数据、行业分类数据等，这些数据能够补充和完善研究所需的信息，有助于更全面地分析公司的市场表现和行业特征对管理层权力与高管薪酬关系的影响；三是上市公司的年度报告，通过手工收集年度报告中的相关信息，如高管的个人特征、薪酬结构的详细信息等，进一步丰富了数据的细节，确保研究数据的准确性和全面性。在收集数据过程中，对不同来源的数据进行交叉核对和验证，以提高数据的质量，为后续的实证分析奠定坚实的基础。3.2变量定义3.2.1被解释变量：高管薪酬本研究选用高管前三名薪酬总额的自然对数（Ln(Salary)）作为衡量高管薪酬的主要指标。在上市公司披露的年度报告中，高管薪酬数据通常以总额形式呈现，选取前三名高管薪酬总额，能够较为全面地反映公司核心管理层的薪酬水平，避免因个别高管薪酬异常而对整体薪酬水平的判断产生偏差。对薪酬总额取自然对数，一方面可以使数据更加平稳，减少数据的波动和异方差问题，提高回归分析的准确性和可靠性；另一方面，对数变换后的数据更符合正态分布的假设，便于运用各种统计方法进行分析。在实际计算过程中，首先从样本公司的年度报告中获取高管前三名薪酬总额的数据，然后利用对数函数进行计算，得到Ln(Salary)的值。例如，若某公司高管前三名薪酬总额为1000万元，经过对数变换后，Ln(Salary)=ln(1000)=6.907755。3.2.2解释变量：管理层权力为全面衡量管理层权力，从以下四个维度选取变量：两职合一（Dual）：若董事长与总经理由同一人担任，赋值为1；否则赋值为0。两职合一意味着公司的决策权和执行权高度集中于一人手中，使得管理层在公司决策中拥有更大的话语权和影响力。在这种情况下，管理层能够更直接地推动自己的决策主张，减少决策过程中的制衡和阻碍，从而增强了管理层权力。许多公司治理理论和实证研究都表明，两职合一往往会导致管理层权力的增强，进而对公司的战略决策、经营管理以及薪酬制定等方面产生重要影响。董事会规模（Boardsize）：以董事会成员的人数来衡量。董事会作为公司治理的核心机构，其规模大小会影响管理层在董事会中的影响力。一般来说，董事会规模越大，成员之间的意见分歧可能越大，协调成本也越高，这使得管理层更容易通过各种方式影响董事会的决策，从而增强自身权力。在一些大型公司中，董事会成员众多，管理层可以利用成员之间的信息不对称、利益差异等因素，分化董事会成员，使董事会的决策更倾向于自己的意志。独立董事比例（Indep）：用独立董事人数占董事会总人数的比例表示。独立董事的职责是独立监督公司管理层的行为，维护公司和股东的利益。当独立董事比例较低时，董事会对管理层的监督制衡作用相对较弱，管理层面临的外部约束减少，权力相应增大。独立董事比例低的公司，管理层在薪酬制定、关联交易等方面更容易为自身谋取私利，因为缺乏足够的独立董事来对这些行为进行监督和制约。管理层持股比例（Mgshder）：指管理层持有的公司股份占总股本的比例。管理层持股比例越高，其利益与公司利益的绑定程度越高，对公司的控制能力也越强，在公司决策和薪酬制定过程中拥有更大的权力。管理层持股比例较高时，他们可以通过行使股东权利，影响公司的战略决策、管理层任免以及薪酬政策等，从而实现自身利益的最大化。3.2.3控制变量为更准确地研究管理层权力对高管薪酬的影响，选取以下控制变量：公司规模（Size）：以总资产的自然对数衡量。公司规模是影响高管薪酬的重要因素之一。规模较大的公司通常业务更为复杂，管理难度更大，对高管的能力和经验要求也更高，因此会支付更高的薪酬。大公司的高管需要具备更全面的管理知识、更强的决策能力和应对复杂情况的能力，以确保公司的正常运营和发展，相应地，他们也会获得更高的薪酬回报。公司规模越大，可分配的资源也越多，这为提高高管薪酬提供了物质基础。在计算公司规模时，对总资产取自然对数，同样是为了使数据更加平稳，便于后续的统计分析。资产负债率（Lev）：资产负债率反映了公司的负债水平和偿债能力。当公司资产负债率较高时，面临的财务风险较大，这可能会影响高管薪酬。一方面，高负债可能导致公司经营压力增大，对高管的管理能力提出更高要求，从而可能需要给予更高的薪酬作为补偿；另一方面，高负债也意味着公司的财务状况不稳定，股东可能会对高管的薪酬进行更严格的控制，以降低成本。因此，资产负债率对高管薪酬的影响方向具有不确定性，需要在研究中加以控制。净资产收益率（Roe）：净资产收益率是衡量公司盈利能力的重要指标，反映了股东权益的收益水平。根据委托代理理论，高管薪酬应与公司业绩挂钩，公司盈利能力越强，高管为股东创造的价值越大，其薪酬水平也应越高。因此，净资产收益率与高管薪酬通常呈正相关关系。在研究中控制净资产收益率，可以更准确地分析管理层权力对高管薪酬的影响，排除公司盈利能力对薪酬的干扰。行业（Industry）：不同行业的市场竞争环境、行业特点、盈利模式等存在差异，这些因素会影响高管薪酬。处于垄断行业或新兴行业的公司，由于市场竞争相对较小或具有较大的发展潜力，可能会支付较高的高管薪酬；而处于竞争激烈、传统行业的公司，高管薪酬可能相对较低。为控制行业因素对高管薪酬的影响，设置行业虚拟变量。根据证监会的行业分类标准，将样本公司划分为不同的行业类别，除某一行业作为参照组外，其他行业分别设置虚拟变量，当公司属于某一行业时，对应的虚拟变量赋值为1，否则为0。年度（Year）：宏观经济环境、政策法规等因素会随时间发生变化，这些变化可能会对高管薪酬产生影响。为控制年度因素的影响，设置年度虚拟变量。根据样本数据的时间跨度，对每一年分别设置虚拟变量，当公司数据属于某一年时，对应的年度虚拟变量赋值为1，否则为0。通过控制年度虚拟变量，可以在一定程度上消除宏观经济环境和政策法规等因素对高管薪酬的影响，使研究结果更能反映管理层权力与高管薪酬之间的内在关系。3.3模型构建为了深入探究管理层权力对高管薪酬的影响，基于前文所定义的变量，构建如下多元线性回归模型：Ln(Salary)=\alpha_0+\alpha_1Power+\sum_{i=2}^{n}\alpha_iControl_i+\varepsilon在该模型中，各变量含义如下：Ln(Salary)作为被解释变量，代表高管前三名薪酬总额的自然对数，用于衡量高管薪酬水平。之所以对薪酬总额取自然对数，是因为薪酬数据往往呈现出较大的数值范围和一定的偏态分布，取对数后能够使数据更加平稳，符合正态分布的假设，便于后续的统计分析和回归估计，提高模型的准确性和可靠性。在实际经济意义中，Ln(Salary)的变化反映了高管薪酬水平的相对变动情况，能够更直观地展示薪酬的变化趋势和幅度。Power是核心解释变量，用于衡量管理层权力。它综合了两职合一（Dual）、董事会规模（Boardsize）、独立董事比例（Indep）和管理层持股比例（Mgshder）四个维度的指标。两职合一（Dual）体现了公司决策权和执行权的集中程度，当董事长与总经理由同一人担任时，管理层在公司决策中拥有更大的话语权，对薪酬制定的影响力增强；董事会规模（Boardsize）反映了董事会的规模大小，一般来说，董事会规模越大，管理层在董事会中的影响力可能相对越大，更易通过各种方式影响董事会决策，进而影响高管薪酬；独立董事比例（Indep）则从制衡管理层权力的角度出发，独立董事比例越低，对管理层的监督制衡作用相对较弱，管理层权力相应增大，在薪酬制定过程中可能更具优势；管理层持股比例（Mgshder）越高，管理层对公司的控制能力越强，其利益与公司利益的绑定程度越高，在薪酬制定中拥有更大的权力。综合这四个维度构建的Power变量，能够较为全面地反映管理层权力的大小，深入研究其对高管薪酬的影响。\sum_{i=2}^{n}\alpha_iControl_i表示一系列控制变量，包括公司规模（Size）、资产负债率（Lev）、净资产收益率（Roe）、行业（Industry）和年度（Year）等。公司规模（Size）以总资产的自然对数衡量，规模较大的公司通常业务更为复杂，管理难度更大，对高管的能力和经验要求更高，因此会支付更高的薪酬，控制该变量可以排除公司规模对高管薪酬的影响，更准确地分析管理层权力与高管薪酬的关系；资产负债率（Lev）反映了公司的负债水平和偿债能力，高负债可能会对高管薪酬产生不同方向的影响，既可能因经营压力增大而需要给予更高薪酬作为补偿，也可能因财务状况不稳定而受到股东对薪酬的严格控制，控制该变量有助于分析在不同负债水平下管理层权力对高管薪酬的作用；净资产收益率（Roe）是衡量公司盈利能力的重要指标，根据委托代理理论，高管薪酬应与公司业绩挂钩，公司盈利能力越强，高管为股东创造的价值越大，其薪酬水平也应越高，控制该变量可以分离出公司盈利能力对高管薪酬的影响，专注于研究管理层权力的作用；行业（Industry）和年度（Year）作为虚拟变量，用于控制不同行业和不同年度的宏观经济环境、政策法规、行业竞争态势等因素对高管薪酬的影响。不同行业的市场竞争环境、行业特点、盈利模式等存在差异，会导致高管薪酬水平有所不同，设置行业虚拟变量可以捕捉这些行业间的差异；宏观经济环境和政策法规等因素随时间变化，会对高管薪酬产生影响，设置年度虚拟变量可以在一定程度上消除这些时间因素的干扰，使研究结果更能反映管理层权力与高管薪酬之间的内在关系。\alpha_0为常数项，代表模型中除解释变量和控制变量之外的其他未被考虑因素对高管薪酬的平均影响。\alpha_1,\alpha_2,\cdots,\alpha_n是回归系数，分别表示管理层权力和各控制变量对高管薪酬的影响程度和方向。\alpha_1反映了管理层权力每变动一个单位，高管薪酬（Ln(Salary)）的变动情况，若\alpha_1显著为正，则表明管理层权力的增大将导致高管薪酬上升；反之，若\alpha_1显著为负，则说明管理层权力的增大反而会使高管薪酬下降。其他控制变量的回归系数\alpha_i（i=2,\cdots,n）也具有类似的经济含义，分别反映了各控制变量对高管薪酬的影响方向和程度。\varepsilon为随机误差项，代表模型中无法被解释变量和控制变量所解释的部分，包括测量误差、遗漏变量以及其他随机因素对高管薪酬的影响。它服从均值为0、方差为\sigma^2的正态分布，即\varepsilon\simN(0,\sigma^2)。该模型的经济学意义在于，通过对各变量的设定和回归分析，能够定量地研究管理层权力对高管薪酬的影响，并控制其他可能影响高管薪酬的因素，从而揭示管理层权力在高管薪酬决定过程中的作用机制。从理论上来说，它基于委托代理理论和管理层权力理论，旨在验证管理层权力是否会影响高管薪酬以及这种影响的程度和方向。在实践中，该模型的研究结果可以为公司制定合理的薪酬政策提供科学依据，帮助公司优化薪酬体系，加强对管理层权力的监督和制衡，提高薪酬激励的有效性，促进公司的可持续发展。通过分析各控制变量对高管薪酬的影响，公司还可以了解到公司规模、财务状况、盈利能力以及行业和宏观经济环境等因素对薪酬的作用，从而在制定薪酬政策时综合考虑这些因素，使薪酬政策更加合理和科学。四、实证结果与分析4.1描述性统计对样本数据进行描述性统计分析，结果如表1所示：表1描述性统计结果变量观测值均值标准差最小值中位数最大值Ln(Salary)[样本数量][均值具体数值][标准差具体数值][最小值具体数值][中位数具体数值][最大值具体数值]Dual[样本数量][均值具体数值][标准差具体数值][最小值具体数值][中位数具体数值][最大值具体数值]Boardsize[样本数量][均值具体数值][标准差具体数值][最小值具体数值][中位数具体数值][最大值具体数值]Indep[样本数量][均值具体数值][标准差具体数值][最小值具体数值][中位数具体数值][最大值具体数值]Mgshder[样本数量][均值具体数值][标准差具体数值][最小值具体数值][中位数具体数值][最大值具体数值]Size[样本数量][均值具体数值][标准差具体数值][最小值具体数值][中位数具体数值][最大值具体数值]Lev[样本数量][均值具体数值][标准差具体数值][最小值具体数值][中位数具体数值][最大值具体数值]Roe[样本数量][均值具体数值][标准差具体数值][最小值具体数值][中位数具体数值][最大值具体数值]从表1可以看出，高管薪酬（Ln(Salary)）的均值为[均值具体数值]，标准差为[标准差具体数值]，表明不同公司之间的高管薪酬存在一定的差异。最小值为[最小值具体数值]，最大值为[最大值具体数值]，进一步说明样本公司中高管薪酬的分布范围较广，可能受到多种因素的影响。在管理层权力的衡量指标中，两职合一（Dual）的均值为[均值具体数值]，说明在样本公司中，约有[均值具体数值100]%的公司存在董事长与总经理兼任的情况，这在一定程度上反映了部分公司管理层权力较为集中。董事会规模（Boardsize）的均值为[均值具体数值]，表明样本公司董事会规模平均水平为[均值具体数值]人，不同公司的董事会规模存在一定波动，标准差为[标准差具体数值]。独立董事比例（Indep）的均值为[均值具体数值]，意味着独立董事在董事会中所占比例平均为[均值具体数值100]%，但从标准差[标准差具体数值]可以看出，各公司独立董事比例差异较为明显，这可能会影响其对管理层权力的制衡作用。管理层持股比例（Mgshder）的均值相对较低，为[均值具体数值]，说明整体上管理层持股水平不高，但最大值达到了[最大值具体数值]，表明存在部分公司管理层持股比例较高，对公司具有较强的控制权。控制变量方面，公司规模（Size）的均值为[均值具体数值]，反映出样本公司规模总体处于[根据均值范围描述规模水平]水平，标准差为[标准差具体数值]，说明不同公司规模之间存在较大差异。资产负债率（Lev）的均值为[均值具体数值]，表明样本公司平均资产负债水平为[均值具体数值]，但各公司之间的负债水平也存在一定波动，标准差为[标准差具体数值]。净资产收益率（Roe）的均值为[均值具体数值]，体现了样本公司整体的盈利能力，然而最小值为[最小值具体数值]，最大值为[最大值具体数值]，且标准差为[标准差具体数值]，说明公司之间的盈利能力差异较大，这可能对高管薪酬产生不同程度的影响。通过以上描述性统计分析，初步了解了样本数据中各变量的基本特征和分布情况，为后续的回归分析奠定了基础。这些统计结果也揭示了不同公司在高管薪酬、管理层权力以及其他相关因素方面存在的差异，为进一步探究管理层权力对高管薪酬的影响提供了直观的认识，有助于更深入地分析两者之间的关系。4.2相关性分析在进行回归分析之前，对各变量进行相关性分析，以初步了解变量之间的关系，并判断是否存在多重共线性问题。相关性分析结果如表2所示：表2相关性分析结果变量Ln(Salary)DualBoardsizeIndepMgshderSizeLevRoeLn(Salary)1[Dual与Ln(Salary)的相关系数][Boardsize与Ln(Salary)的相关系数][Indep与Ln(Salary)的相关系数][Mgshder与Ln(Salary)的相关系数][Size与Ln(Salary)的相关系数][Lev与Ln(Salary)的相关系数][Roe与Ln(Salary)的相关系数]Dual[Dual与Ln(Salary)的相关系数]1[Dual与Boardsize的相关系数][Dual与Indep的相关系数][Dual与Mgshder的相关系数][Dual与Size的相关系数][Dual与Lev的相关系数][Dual与Roe的相关系数]Boardsize[Boardsize与Ln(Salary)的相关系数][Dual与Boardsize的相关系数]1[Boardsize与Indep的相关系数][Boardsize与Mgshder的相关系数][Boardsize与Size的相关系数][Boardsize与Lev的相关系数][Boardsize与Roe的相关系数]Indep[Indep与Ln(Salary)的相关系数][Dual与Indep的相关系数][Boardsize与Indep的相关系数]1[Indep与Mgshder的相关系数][Indep与Size的相关系数][Indep与Lev的相关系数][Indep与Roe的相关系数]Mgshder[Mgshder与Ln(Salary)的相关系数][Dual与Mgshder的相关系数][Boardsize与Mgshder的相关系数][Indep与Mgshder的相关系数]1[Mgshder与Size的相关系数][Mgshder与Lev的相关系数][Mgshder与Roe的相关系数]Size[Size与Ln(Salary)的相关系数][Dual与Size的相关系数][Boardsize与Size的相关系数][Indep与Size的相关系数][Mgshder与Size的相关系数]1[Size与Lev的相关系数][Size与Roe的相关系数]Lev[Lev与Ln(Salary)的相关系数][Dual与Lev的相关系数][Boardsize与Lev的相关系数][Indep与Lev的相关系数][Mgshder与Lev的相关系数][Size与Lev的相关系数]1[Lev与Roe的相关系数]Roe[Roe与Ln(Salary)的相关系数][Dual与Roe的相关系数][Boardsize与Roe的相关系数][Indep与Roe的相关系数][Mgshder与Roe的相关系数][Size与Roe的相关系数][Lev与Roe的相关系数]1从表2可以看出，高管薪酬（Ln(Salary)）与两职合一（Dual）的相关系数为[Dual与Ln(Salary)的相关系数]，且在[具体显著性水平，如0.01]水平上显著正相关，这初步表明当董事长与总经理兼任时，高管薪酬水平可能更高，即两职合一增强了管理层权力，进而使得管理层有更大的能力为自己谋取更高的薪酬，与研究假设相符。高管薪酬（Ln(Salary)）与董事会规模（Boardsize）的相关系数为[Boardsize与Ln(Salary)的相关系数]，呈正相关关系，但相关性相对较弱。这可能是因为虽然董事会规模的增大理论上会增加管理层在董事会中的影响力，但在实际情况中，董事会成员之间的意见分歧和决策过程的复杂性可能会削弱这种影响力，使得董事会规模对高管薪酬的影响不够明显。高管薪酬（Ln(Salary)）与独立董事比例（Indep）的相关系数为[Indep与Ln(Salary)的相关系数]，呈负相关关系，且在[具体显著性水平，如0.05]水平上显著。这意味着独立董事比例越高，对管理层权力的制衡作用越强，高管薪酬水平相对越低，说明独立董事在一定程度上能够发挥监督作用，抑制管理层利用权力提高自身薪酬的行为。高管薪酬（Ln(Salary)）与管理层持股比例（Mgshder）的相关系数为[Mgshder与Ln(Salary)的相关系数]，呈正相关关系，表明管理层持股比例越高，其对公司的控制能力越强，权力越大，从而可能获得更高的薪酬。这是因为管理层持股使得管理层利益与公司利益更加紧密地绑定，管理层在薪酬制定过程中可能更倾向于提高自身薪酬水平，以实现自身利益最大化。在控制变量方面，公司规模（Size）与高管薪酬（Ln(Salary)）的相关系数为[Size与Ln(Salary)的相关系数]，在[具体显著性水平，如0.01]水平上显著正相关，这与理论预期一致。公司规模越大，业务越复杂，对高管的管理能力和经验要求越高，相应地会支付更高的薪酬。资产负债率（Lev）与高管薪酬（Ln(Salary)）的相关系数为[Lev与Ln(Salary)的相关系数]，相关性不显著，说明资产负债率对高管薪酬的影响不明确，可能受到多种因素的综合作用，需要在回归分析中进一步控制。净资产收益率（Roe）与高管薪酬（Ln(Salary)）的相关系数为[Roe与Ln(Salary)的相关系数]，在[具体显著性水平，如0.01]水平上显著正相关，表明公司盈利能力越强，高管薪酬越高，符合委托代理理论中薪酬与业绩挂钩的观点。通过观察各变量之间的相关性系数，发现所有解释变量之间的相关系数绝对值均小于0.8，初步判断变量之间不存在严重的多重共线性问题。但为了进一步确保研究结果的准确性和可靠性，后续还将采用方差膨胀因子（VIF）等方法对多重共线性进行更严格的检验。4.3回归结果分析4.3.1管理层权力对高管薪酬的总体影响运用构建的多元线性回归模型，对样本数据进行回归分析，结果如表3所示：表3回归结果|变量|系数|标准误|t值|P>|t|||----|----|----|----|----||Power|[Power系数估计值]|[Power标准误估计值]|[Power的t值]|[Power的P值]||Size|[Size系数估计值]|[Size标准误估计值]|[Size的t值]|[Size的P值]||Lev|[Lev系数估计值]|[Lev标准误估计值]|[Lev的t值]|[Lev的P值]||Roe|[Roe系数估计值]|[Roe标准误估计值]|[Roe的t值]|[Roe的P值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[常数项系数估计值]|[常数项标准误估计值]|[常数项的t值]|[常数项的P值]||R²|[调整后的R²值]|F值|[F检验统计量值]||----|----|----|----|----||Power|[Power系数估计值]|[Power标准误估计值]|[Power的t值]|[Power的P值]||Size|[Size系数估计值]|[Size标准误估计值]|[Size的t值]|[Size的P值]||Lev|[Lev系数估计值]|[Lev标准误估计值]|[Lev的t值]|[Lev的P值]||Roe|[Roe系数估计值]|[Roe标准误估计值]|[Roe的t值]|[Roe的P值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[常数项系数估计值]|[常数项标准误估计值]|[常数项的t值]|[常数项的P值]||R²|[调整后的R²值]|F值|[F检验统计量值]||Power|[Power系数估计值]|[Power标准误估计值]|[Power的t值]|[Power的P值]||Size|[Size系数估计值]|[Size标准误估计值]|[Size的t值]|[Size的P值]||Lev|[Lev系数估计值]|[Lev标准误估计值]|[Lev的t值]|[Lev的P值]||Roe|[Roe系数估计值]|[Roe标准误估计值]|[Roe的t值]|[Roe的P值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[常数项系数估计值]|[常数项标准误估计值]|[常数项的t值]|[常数项的P值]||R²|[调整后的R²值]|F值|[F检验统计量值]||Size|[Size系数估计值]|[Size标准误估计值]|[Size的t值]|[Size的P值]||Lev|[Lev系数估计值]|[Lev标准误估计值]|[Lev的t值]|[Lev的P值]||Roe|[Roe系数估计值]|[Roe标准误估计值]|[Roe的t值]|[Roe的P值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[常数项系数估计值]|[常数项标准误估计值]|[常数项的t值]|[常数项的P值]||R²|[调整后的R²值]|F值|[F检验统计量值]||Lev|[Lev系数估计值]|[Lev标准误估计值]|[Lev的t值]|[Lev的P值]||Roe|[Roe系数估计值]|[Roe标准误估计值]|[Roe的t值]|[Roe的P值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[常数项系数估计值]|[常数项标准误估计值]|[常数项的t值]|[常数项的P值]||R²|[调整后的R²值]|F值|[F检验统计量值]||Roe|[Roe系数估计值]|[Roe标准误估计值]|[Roe的t值]|[Roe的P值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[常数项系数估计值]|[常数项标准误估计值]|[常数项的t值]|[常数项的P值]||R²|[调整后的R²值]|F值|[F检验统计量值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[常数项系数估计值]|[常数项标准误估计值]|[常数项的t值]|[常数项的P值]||R²|[调整后的R²值]|F值|[F检验统计量值]||Year|控制|控制|控制|控制||Constant|[常数项系数估计值]|[常数项标准误估计值]|[常数项的t值]|[常数项的P值]||R²|[调整后的R²值]|F值|[F检验统计量值]||Constant|[常数项系数估计值]|[常数项标准误估计值]|[常数项的t值]|[常数项的P值]||R²|[调整后的R²值]|F值|[F检验统计量值]||R²|[调整后的R²值]|F值|[F检验统计量值]|从表3回归结果可以看出，管理层权力（Power）的系数估计值为[Power系数估计值]，在[具体显著性水平，如0.01]水平上显著，且系数符号为正。这表明管理层权力对高管薪酬具有显著的正向影响，即管理层权力越大，高管薪酬水平越高。当管理层权力增强时，高管能够利用其在公司中的地位和影响力，在薪酬制定过程中为自己争取更高的薪酬，这与管理层权力理论的预期相符。管理层权力较大的公司，高管可能通过兼任董事长等方式，在董事会中拥有更大的话语权，从而主导薪酬决策，使薪酬水平向有利于自己的方向倾斜。在控制变量方面，公司规模（Size）的系数在[具体显著性水平，如0.01]水平上显著为正，说明公司规模越大，高管薪酬越高。这是因为规模较大的公司通常业务更为复杂，管理难度和责任更大，需要高管具备更高的能力和经验，因此会支付更高的薪酬作为补偿。资产负债率（Lev）的系数不显著，表明资产负债率对高管薪酬的影响不明确，可能受到多种因素的综合作用，如公司的行业特点、财务政策等。净资产收益率（Roe）的系数在[具体显著性水平，如0.01]水平上显著为正，表明公司盈利能力越强，高管薪酬越高，这符合委托代理理论中薪酬与业绩挂钩的观点，公司业绩的提升为高管获得更高薪酬提供了合理依据。调整后的R²值为[调整后的R²值]，说明模型整体对高管薪酬的解释能力较强，能够解释高管薪酬变动的[调整后的R²值*100]%。F检验统计量值为[F检验统计量值]，在[具体显著性水平，如0.01]水平上显著，表明模型整体是显著的，即管理层权力以及各控制变量对高管薪酬的联合影响是显著的。4.3.2分样本回归分析为进一步探究管理层权力对高管薪酬的影响在不同情况下是否存在差异，根据公司性质和行业竞争程度对样本进行分组，分别进行分样本回归分析。首先，按公司性质将样本分为国有企业和非国有企业两组。国有企业在我国经济体系中具有特殊地位，其经营目标和公司治理结构与非国有企业存在一定差异，可能会导致管理层权力对高管薪酬的影响有所不同。分样本回归结果如表4所示：表4按公司性质分组的分样本回归结果变量国有企业非国有企业Power[国有企业中Power系数估计值][非国有企业中Power系数估计值]Size[国有企业中Size系数估计值][非国有企业中Size系数估计值]Lev[国有企业中Lev系数估计值][非国有企业中Lev系数估计值]Roe[国有企业中Roe系数估计值][非国有企业中Roe系数估计值]Industry控制控制Year控制控制Constant[国有企业中常数项系数估计值][非国有企业中常数项系数估计值]R²[国有企业调整后的R²值][非国有企业调整后的R²值]F值[国有企业F检验统计量值][非国有企业F检验统计量值]从表4可以看出，在国有企业组中，管理层权力（Power）的系数为[国有企业中Power系数估计值]，在[具体显著性水平，如0.05]水平上显著为正；在非国有企业组中，管理层权力的系数为[非国有企业中Power系数估计值]，在[具体显著性水平，如0.01]水平上显著为正，且系数绝对值大于国有企业组。这表明管理层权力对高管薪酬均具有正向影响，但在非国有企业中，管理层权力对高管薪酬的影响更为显著。这可能是因为国有企业受到政府监管和政策约束较强，在薪酬制定过程中需要考虑更多的政策因素和社会影响，相对限制了管理层利用权力提高薪酬的空间；而非国有企业的市场化程度更高，管理层在薪酬决策中拥有更大的自主权，使得管理层权力对薪酬的影响更为明显。国有企业的薪酬体系可能受到政府薪酬指导线等政策的限制，即使管理层权力较大，也难以大幅提高薪酬水平；而非国有企业更注重市场竞争和人才吸引，管理层为了自身利益和公司发展，更有动力利用权力争取更高的薪酬。其次，根据行业竞争程度对样本进行分组。采用赫芬达尔-赫希曼指数（HHI）来衡量行业竞争程度，将HHI值大于行业中位数的行业定义为低竞争行业，HHI值小于行业中位数的行业定义为高竞争行业。分样本回归结果如表5所示：表5按行业竞争程度分组的分样本回归结果变量低竞争行业高竞争行业Power[低竞争行业中Power系数估计值][高竞争行业中Power系数估计值]Size[低竞争行业中Size系数估计值][高竞争行业中Size系数估计值]Lev[低竞争行业中Lev系数估计值][高竞争行业中Lev系数估计值]Roe[低竞争行业中Roe系数估计值][高竞争行业中Roe系数估计值]Industry控制控制Year控制控制Constant[低竞争行业中常数项系数估计值][高竞争行业中常数项系数估计值]R²[低竞争行业调整后的R²值][高竞争行业调整后的R²值]F值[低竞争行业F检验统计量值][高竞争行业F检验统计量值]从表5可以看出，在低竞争行业组中，管理层权力（Power）的系数为[低竞争行业中Power系数估计值]，在[具体显著性水平，如0.01]水平上显著为正；在高竞争行业组中，管理层权力的系数为[高竞争行业中Power系数估计值]，在[具体显著性水平，如0.05]水平上显著为正，但系数绝对值小于低竞争行业组。这说明在不同竞争程度的行业中，管理层权力对高管薪酬均有正向影响，但在低竞争行业中，管理层权力对高管薪酬的影响更为显著。在低竞争行业中，企业面临的市场竞争压力较小，可能拥有更多的垄断利润或资源优势，使得管理层有更多的资源和空间利用权力提高自身薪酬；而在高竞争行业中，企业面临激烈的市场竞争，需要更加注重成本控制和业绩提升，管理层在薪酬制定时会受到更多的市场约束，因此管理层权力对薪酬的影响相对较弱。一些垄断行业的企业，由于市场竞争小，管理层可以凭借权力获取更高的薪酬；而在充分竞争的制造业等行业，企业为了保持竞争力，会严格控制成本，管理层难以随意提高薪酬。4.3.3稳健性检验为确保研究结果的可靠性，采用多种方法进行稳健性检验。一是替换变量。将高管薪酬指标替换为高管薪酬的自然对数（Ln(Salary2)），其中高管薪酬为剔除了公司规模影响后的薪酬水平；将管理层权力指标中的董事会规模替换为董事会持股比例（Boardsh），重新进行回归分析。替换变量后的回归结果如表6所示：表6替换变量后的回归结果|变量|系数|标准误|t值|P>|t|||----|----|----|----|----||Power2|[替换变量后Power2系数估计值]|[替换变量后Power2标准误估计值]|[替换变量后Power2的t值]|[替换变量后Power2的P值]||Size|[替换变量后Size系数估计值]|[替换变量后Size标准误估计值]|[替换变量后Size的t值]|[替换变量后Size的P值]||Lev|[替换变量后Lev系数估计值]|[替换变量后Lev标准误估计值]|[替换变量后Lev的t值]|[替换变量后Lev的P值]||Roe|[替换变量后Roe系数估计值]|[替换变量后Roe标准误估计值]|[替换变量后Roe的t值]|[替换变量后Roe的P值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[替换变量后常数项系数估计值]|[替换变量后常数项标准误估计值]|[替换变量后常数项的t值]|[替换变量后常数项的P值]||R²|[替换变量后调整后的R²值]|F值|[替换变量后F检验统计量值]||----|----|----|----|----||Power2|[替换变量后Power2系数估计值]|[替换变量后Power2标准误估计值]|[替换变量后Power2的t值]|[替换变量后Power2的P值]||Size|[替换变量后Size系数估计值]|[替换变量后Size标准误估计值]|[替换变量后Size的t值]|[替换变量后Size的P值]||Lev|[替换变量后Lev系数估计值]|[替换变量后Lev标准误估计值]|[替换变量后Lev的t值]|[替换变量后Lev的P值]||Roe|[替换变量后Roe系数估计值]|[替换变量后Roe标准误估计值]|[替换变量后Roe的t值]|[替换变量后Roe的P值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[替换变量后常数项系数估计值]|[替换变量后常数项标准误估计值]|[替换变量后常数项的t值]|[替换变量后常数项的P值]||R²|[替换变量后调整后的R²值]|F值|[替换变量后F检验统计量值]||Power2|[替换变量后Power2系数估计值]|[替换变量后Power2标准误估计值]|[替换变量后Power2的t值]|[替换变量后Power2的P值]||Size|[替换变量后Size系数估计值]|[替换变量后Size标准误估计值]|[替换变量后Size的t值]|[替换变量后Size的P值]||Lev|[替换变量后Lev系数估计值]|[替换变量后Lev标准误估计值]|[替换变量后Lev的t值]|[替换变量后Lev的P值]||Roe|[替换变量后Roe系数估计值]|[替换变量后Roe标准误估计值]|[替换变量后Roe的t值]|[替换变量后Roe的P值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[替换变量后常数项系数估计值]|[替换变量后常数项标准误估计值]|[替换变量后常数项的t值]|[替换变量后常数项的P值]||R²|[替换变量后调整后的R²值]|F值|[替换变量后F检验统计量值]||Size|[替换变量后Size系数估计值]|[替换变量后Size标准误估计值]|[替换变量后Size的t值]|[替换变量后Size的P值]||Lev|[替换变量后Lev系数估计值]|[替换变量后Lev标准误估计值]|[替换变量后Lev的t值]|[替换变量后Lev的P值]||Roe|[替换变量后Roe系数估计值]|[替换变量后Roe标准误估计值]|[替换变量后Roe的t值]|[替换变量后Roe的P值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[替换变量后常数项系数估计值]|[替换变量后常数项标准误估计值]|[替换变量后常数项的t值]|[替换变量后常数项的P值]||R²|[替换变量后调整后的R²值]|F值|[替换变量后F检验统计量值]||Lev|[替换变量后Lev系数估计值]|[替换变量后Lev标准误估计值]|[替换变量后Lev的t值]|[替换变量后Lev的P值]||Roe|[替换变量后Roe系数估计值]|[替换变量后Roe标准误估计值]|[替换变量后Roe的t值]|[替换变量后Roe的P值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[替换变量后常数项系数估计值]|[替换变量后常数项标准误估计值]|[替换变量后常数项的t值]|[替换变量后常数项的P值]||R²|[替换变量后调整后的R²值]|F值|[替换变量后F检验统计量值]||Roe|[替换变量后Roe系数估计值]|[替换变量后Roe标准误估计值]|[替换变量后Roe的t值]|[替换变量后Roe的P值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[替换变量后常数项系数估计值]|[替换变量后常数项标准误估计值]|[替换变量后常数项的t值]|[替换变量后常数项的P值]||R²|[替换变量后调整后的R²值]|F值|[替换变量后F检验统计量值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[替换变量后常数项系数估计值]|[替换变量后常数项标准误估计值]|[替换变量后常数项的t值]|[替换变量后常数项的P值]||R²|[替换变量后调整后的R²值]|F值|[替换变量后F检验统计量值]||Year|控制|控制|控制|控制||Constant|[替换变量后常数项系数估计值]|[替换变量后常数项标准误估计值]|[替换变量后常数项的t值]|[替换变量后常数项的P值]||R²|[替换变量后调整后的R²值]|F值|[替换变量后F检验统计量值]||Constant|[替换变量后常数项系数估计值]|[替换变量后常数项标准误估计值]|[替换变量后常数项的t值]|[替换变量后常数项的P值]||R²|[替换变量后调整后的R²值]|F值|[替换变量后F检验统计量值]||R²|[替换变量后调整后的R²值]|F值|[替换变量后F检验统计量值]|从表6结果可以看出，替换变量后，管理层权力（Power2）的系数在[具体显著性水平，如0.01]水平上显著为正，与原回归结果一致，表明研究结论在替换变量后依然稳健。二是改变样本区间。将样本数据的时间区间缩短为[具体时间段，如2017-2023年]，重新进行回归分析，以检验研究结果是否受到样本时间跨度的影响。改变样本区间后的回归结果如表7所示：表7改变样本区间后的回归结果|变量|系数|标准误|t值|P>|t|||----|----|----|----|----||Power|[改变样本区间后Power系数估计值]|[改变样本区间后Power标准误估计值]|[改变样本区间后Power的t值]|[改变样本区间后Power的P值]||Size|[改变样本区间后Size系数估计值]|[改变样本区间后Size标准误估计值]|[改变样本区间后Size的t值]|[改变样本区间后Size的P值]||Lev|[改变样本区间后Lev系数估计值]|[改变样本区间后Lev标准误估计值]|[改变样本区间后Lev的t值]|[改变样本区间后Lev的P值]||Roe|[改变样本区间后Roe系数估计值]|[改变样本区间后Roe标准误估计值]|[改变样本区间后Roe的t值]|[改变样本区间后Roe的P值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[改变样本区间后常数项系数估计值]|[改变样本区间后常数项标准误估计值]|[改变样本区间后常数项的t值]|[改变样本区间后常数项的P值]||R²|[改变样本区间后调整后的R²值]|F值|[改变样本区间后F检验统计量值]||----|----|----|----|----||Power|[改变样本区间后Power系数估计值]|[改变样本区间后Power标准误估计值]|[改变样本区间后Power的t值]|[改变样本区间后Power的P值]||Size|[改变样本区间后Size系数估计值]|[改变样本区间后Size标准误估计值]|[改变样本区间后Size的t值]|[改变样本区间后Size的P值]||Lev|[改变样本区间后Lev系数估计值]|[改变样本区间后Lev标准误估计值]|[改变样本区间后Lev的t值]|[改变样本区间后Lev的P值]||Roe|[改变样本区间后Roe系数估计值]|[改变样本区间后Roe标准误估计值]|[改变样本区间后Roe的t值]|[改变样本区间后Roe的P值]||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|[改变样本区间后常数项系数估计值]|[改变样本区间后常数项标准误估计值]|[改变样本区间后常数项的t值]|[改变样本区间后常数项的P值]||R²|[改变样本区