股权性质视角下政治关联与企业价值、高管薪酬的相关性剖析

股权性质视角下政治关联与企业价值、高管薪酬的相关性剖析一、引言1.1研究背景在市场经济环境中，企业的运营与发展受到多种因素的共同作用，其中政治关联作为一个重要的非市场因素，对企业的影响日益凸显。政治关联是指企业与政府部门、政治人物或政治机构之间建立的一种特殊联系，这种联系可以通过企业高管的政治背景、企业参与政治活动、企业与政府的合作项目等多种方式体现出来。在不同的国家和地区，由于政治体制、经济发展水平以及市场环境的差异，政治关联在企业运营中所扮演的角色和产生的影响也不尽相同。在中国，随着改革开放的不断深入和市场经济体制的逐步完善，企业在经济发展中的主体地位日益突出。与此同时，政府在经济运行中依然发挥着重要的引导和调控作用，这使得政治关联成为企业发展过程中不可忽视的重要因素。特别是在一些资源依赖型、政策敏感型行业，政治关联对于企业获取资源、争取政策支持、开拓市场等方面具有重要的影响。例如，在能源行业，企业需要获得政府的资源开采许可、项目审批等支持，具有政治关联的企业往往更容易在这些方面占据优势；在基础设施建设领域，政府的项目招标和合同授予也会对企业的发展产生关键影响，政治关联可以帮助企业在激烈的市场竞争中脱颖而出。从企业价值的角度来看，政治关联对企业价值的影响是复杂而多面的。一方面，政治关联可以为企业带来诸多优势，从而提升企业价值。拥有政治关联的企业更容易获取政府的政策支持，如税收优惠、财政补贴、低息贷款等，这些政策支持可以直接降低企业的运营成本，提高企业的盈利能力，进而增加企业价值。政治关联还可以帮助企业获取稀缺资源，如土地、矿产等，这些资源的获取不仅可以为企业的生产经营提供保障，还可能成为企业未来发展的重要增长点。政治关联还能够为企业提供信息优势，帮助企业更好地了解政府的政策导向和市场动态，从而及时调整企业战略，抓住市场机遇，提升企业价值。另一方面，政治关联也可能给企业带来一些负面影响，进而降低企业价值。过度依赖政治关联可能导致企业忽视自身核心竞争力的培养，降低企业的创新动力和市场适应能力。政治关联可能引发寻租行为，增加企业的非生产性支出，损害企业的利益相关者的利益，影响企业的声誉和形象，最终对企业价值产生负面影响。政治环境的不确定性也会给具有政治关联的企业带来风险，一旦政治关系发生变化，企业可能面临政策支持减少、资源获取困难等问题，从而对企业价值造成冲击。高管薪酬作为公司治理的重要组成部分，不仅关系到高管的工作积极性和企业的经营绩效，还反映了企业内部的权力结构和利益分配关系。政治关联与高管薪酬之间也存在着密切的联系。政治关联可能会影响企业的薪酬决策机制，使得高管薪酬不仅仅取决于企业的业绩和高管的个人能力，还受到政治因素的影响。具有政治关联的高管可能利用其政治资源和影响力，为自己争取更高的薪酬待遇，而这种薪酬水平可能与企业的实际业绩和高管的贡献并不匹配。政治关联还可能通过影响企业的经营决策和财务状况，间接影响高管薪酬。例如，政治关联为企业带来的政策支持和资源优势可能会提高企业的业绩，从而使得高管获得更高的薪酬回报；相反，政治关联带来的风险和负面影响也可能导致企业业绩下滑，进而影响高管薪酬。目前，学术界对于政治关联与企业价值、高管薪酬之间的关系尚未形成一致的结论。不同的研究基于不同的样本、方法和理论视角，得出了相互矛盾或不一致的结果。部分研究认为政治关联对企业价值具有显著的正向影响，能够提升企业的市场竞争力和盈利能力；而另一些研究则发现政治关联可能会导致企业资源配置效率低下，增加企业的经营风险，从而对企业价值产生负面影响。在政治关联与高管薪酬的关系方面，也存在类似的争议。有的研究表明政治关联会导致高管薪酬的增加，而有的研究则认为政治关联与高管薪酬之间并没有显著的相关性。现有研究中，较少有学者从股权性质的视角对政治关联与企业价值、高管薪酬的相关性进行深入研究。股权性质作为企业的重要特征之一，会对企业的治理结构、经营目标和决策机制产生深远影响，进而可能调节政治关联与企业价值、高管薪酬之间的关系。国有企业由于其国有产权的性质，往往与政府有着更为紧密的联系，政治关联对国有企业的影响可能与民营企业存在显著差异。因此，从不同股权性质的视角出发，深入研究政治关联与企业价值、高管薪酬的相关性，不仅可以丰富和完善相关理论研究，还能够为企业的经营决策、政府的政策制定以及投资者的投资决策提供更加科学、准确的依据。1.2研究目的与意义1.2.1研究目的本研究旨在深入剖析政治关联与企业价值、高管薪酬之间的内在联系，并着重探究不同股权性质在其中所起到的调节作用。通过严谨的实证研究方法，利用相关数据构建合理的计量模型，具体达成以下目标：一是准确衡量政治关联对企业价值的影响方向与程度，明晰政治关联在提升企业价值方面的积极作用，以及可能因不当关联而导致的企业价值损耗，为企业评估政治关联策略提供量化依据；二是深入探究政治关联如何作用于高管薪酬的决定机制，包括政治关联是否促使高管薪酬水平上升、是否改变薪酬结构以及薪酬与企业业绩的关联程度，从而为企业设计科学合理的高管薪酬体系提供参考；三是全面分析不同股权性质（如国有企业、民营企业、外资企业等）下，政治关联与企业价值、高管薪酬相关性的差异表现，揭示股权性质在政治关联影响企业运营中的调节效应，为不同类型企业制定针对性的发展战略和管理决策提供理论支持。1.2.2理论意义从理论层面来看，本研究具有多方面的重要意义。首先，丰富和拓展了政治关联相关理论研究的范畴。当前学术界对政治关联的研究虽然已取得一定成果，但仍存在诸多未明确的领域。本研究从不同股权性质视角切入，深入探究政治关联与企业价值、高管薪酬的相关性，填补了这一领域在股权性质调节效应研究方面的部分空白，有助于完善政治关联理论体系，使其更加全面和深入。其次，为公司治理理论提供新的研究视角。高管薪酬作为公司治理的关键环节，与政治关联之间的关系研究较少。本研究通过实证分析二者的关联，能够为公司治理理论在薪酬决策机制方面提供新的思考方向，有助于进一步理解公司内部权力结构和利益分配关系在政治因素影响下的变化规律。最后，促进不同学科理论的交叉融合。政治关联涉及经济学、政治学、社会学等多个学科领域，本研究将这些学科理论运用到企业价值和高管薪酬研究中，推动了跨学科研究的发展，为解决复杂的企业管理问题提供了综合性的理论分析框架。1.2.3实践意义在实践领域，本研究的成果具有广泛的应用价值。对于企业而言，有助于企业管理者科学评估政治关联对企业的影响，从而合理制定战略决策。例如，民营企业可以根据研究结果判断是否应建立政治关联以及如何有效利用政治关联来提升企业价值，同时避免因过度依赖政治关联而带来的风险；国有企业则可以在深化改革过程中，依据不同股权性质下政治关联的特点，优化企业治理结构和薪酬激励机制，提高企业运营效率。对于投资者来说，研究结果可以作为投资决策的重要参考依据。投资者在评估企业投资价值时，可以充分考虑企业的政治关联情况以及股权性质，更加准确地判断企业的潜在风险和收益，从而做出更为明智的投资选择。对于政府部门而言，本研究能够为政策制定和监管提供科学依据。政府可以通过了解政治关联对企业的影响，制定更加公平、合理的政策，引导企业健康发展，同时加强对企业政治关联行为的监管，防止不正当的政治关联和寻租行为，维护市场公平竞争的环境。1.3研究方法与创新点1.3.1研究方法本研究将采用多种研究方法相结合的方式，以确保研究结果的科学性、可靠性和全面性。具体如下：数据来源与样本选择：本研究将选取2010-2023年中国A股上市公司作为初始研究样本，数据主要来源于Wind数据库、CSMAR数据库以及各上市公司的年报。为保证数据的有效性和可靠性，对样本进行如下筛选：剔除金融类上市公司，因其业务性质和监管环境与其他行业存在显著差异；剔除ST、*ST公司，这类公司通常面临财务困境或经营异常，可能影响研究结果的准确性；剔除数据缺失严重的公司，确保研究样本具有完整的财务数据和公司治理数据。经过筛选，最终得到[X]个有效样本。变量定义与模型构建：本研究将政治关联作为核心解释变量，参考以往研究，若企业高管（包括董事长、总经理等）曾在政府部门任职、担任人大代表或政协委员，则认为企业具有政治关联，赋值为1，否则为0。被解释变量方面，企业价值采用托宾Q值衡量，托宾Q值等于企业市场价值与资产重置成本之比，能够综合反映企业的市场价值和未来成长潜力；高管薪酬则采用高管前三名薪酬总额的自然对数来衡量。此外，选取企业规模、资产负债率、盈利能力等作为控制变量。基于研究目的，构建多元线性回归模型，以检验政治关联与企业价值、高管薪酬之间的关系，同时在模型中加入股权性质变量及其与政治关联的交互项，以探究不同股权性质下政治关联的影响差异。多元回归分析：运用Stata统计软件对数据进行描述性统计、相关性分析和多元回归分析。描述性统计用于了解各变量的基本特征，如均值、标准差、最大值和最小值等；相关性分析旨在初步判断变量之间的线性相关关系，为回归分析提供基础；多元回归分析则是本研究的核心方法，通过回归模型估计各变量的系数，检验政治关联对企业价值和高管薪酬的影响是否显著，并分析股权性质在其中的调节作用。为确保研究结果的稳健性，还将进行一系列稳健性检验，如替换变量度量方法、采用不同的样本区间、控制行业和年度固定效应等。1.3.2创新点研究视角创新：以往研究大多从整体上探讨政治关联与企业价值、高管薪酬的关系，较少考虑股权性质的差异。本研究从不同股权性质的视角出发，深入分析国有企业、民营企业等在政治关联对企业价值和高管薪酬影响方面的异质性，为该领域的研究提供了新的视角，有助于更全面、深入地理解政治关联的经济后果。理论拓展创新：将公司治理理论、委托代理理论与政治关联研究相结合，不仅关注政治关联对企业价值和高管薪酬的直接影响，还深入探究股权性质如何通过影响公司治理结构和决策机制，进而调节政治关联与企业价值、高管薪酬之间的关系，丰富和拓展了相关理论的研究边界。实践指导创新：研究结果能够为不同股权性质的企业提供针对性的决策建议。国有企业可以依据研究结论，在深化改革过程中更好地规范政治关联行为，优化公司治理和薪酬激励机制；民营企业则可以合理利用政治关联，避免过度依赖，提升自身的核心竞争力和可持续发展能力，为企业的实际运营提供更具实践价值的参考。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，其核心在于揭示了在所有权与经营权分离的情况下，委托人与代理人之间的利益冲突和信息不对称问题。在企业中，股东作为委托人，将企业的经营权委托给高管（代理人），由于双方的目标函数不一致，高管可能会追求自身利益最大化，而忽视股东的利益，从而产生代理成本。在政治关联的背景下，委托代理理论的作用机制更为复杂。具有政治关联的高管，其行为不仅受到企业内部利益关系的影响，还受到政治因素的制约。从积极方面来看，政治关联可能为高管提供更多获取资源和信息的渠道，使他们能够更好地为企业创造价值。这些高管可以凭借自身的政治背景，与政府部门建立紧密联系，获取政策支持、项目审批、资源分配等方面的优势，从而为企业带来更多的发展机会，提升企业价值，进而也可能使高管获得更高的薪酬回报。比如，在一些基础设施建设项目中，具有政治关联的高管能够帮助企业更顺利地获得政府的项目招标，为企业带来丰厚的利润，企业为了奖励高管的贡献，可能会给予其高额薪酬。然而，政治关联也可能加剧委托代理问题。政治关联可能导致高管权力的过度集中，使得他们在决策过程中更倾向于追求个人政治利益或满足政治关系的需求，而偏离企业的长期发展目标。一些具有政治背景的高管可能会利用企业资源进行政治寻租活动，将企业的资金用于与政治关联相关的非生产性支出，如为政治活动提供赞助、为政治人物谋取私利等，这不仅损害了企业的利益，降低了企业价值，还可能导致高管薪酬与企业业绩的脱节。在这种情况下，高管可能凭借其政治影响力获取高额薪酬，而不顾企业的实际经营状况，从而引发股东与高管之间的利益冲突，增加代理成本。2.1.2资源依赖理论资源依赖理论认为，企业作为一个开放的系统，其生存和发展依赖于外部环境中的各种资源，而这些资源往往具有稀缺性和分布不均衡的特点。企业为了获取所需资源，必须与外部环境中的其他组织建立联系和合作关系，以降低资源获取的不确定性和成本。政治关联作为企业与外部政治环境建立联系的一种重要方式，对企业获取资源具有关键作用。政府在经济运行中掌握着大量的关键资源，如政策制定权、行政审批权、财政补贴、土地资源、矿产资源等，企业通过与政府建立政治关联，可以在资源分配中占据优势地位。具有政治关联的企业更容易获得政府的政策支持，如税收优惠、财政补贴等。这些政策支持可以直接降低企业的运营成本，增加企业的现金流，从而提升企业价值。在税收优惠方面，一些具有政治关联的企业可能会获得更低的税率或税收减免，使其在市场竞争中具有成本优势；在财政补贴方面，政府可能会对符合政策导向的具有政治关联的企业给予资金支持，帮助企业进行技术研发、扩大生产规模等，促进企业的发展。政治关联还可以帮助企业获取稀缺的生产要素。在一些资源依赖型行业，如能源、房地产等，企业需要获得政府的资源开采许可、土地使用权等才能开展业务。具有政治关联的企业在这些资源的获取过程中往往更具竞争力，能够优先获得所需资源，为企业的生产经营提供保障。在房地产行业，具有政治关联的企业可能更容易获得优质的土地资源，降低土地成本，从而提高项目的盈利能力，进而提升企业价值。此外，政治关联还能够为企业提供信息优势。政府在制定政策和规划时，会掌握大量关于市场动态、行业发展趋势等方面的信息。具有政治关联的企业可以通过与政府的密切联系，及时了解这些信息，从而提前调整企业战略，抓住市场机遇，避免市场风险，提升企业的适应能力和竞争力，最终实现企业价值的提升。2.2文献综述2.2.1政治关联与企业价值研究综述政治关联对企业价值的影响是学术界长期关注的焦点问题，但目前尚未达成一致结论。部分学者认为政治关联能够为企业带来诸多优势，从而提升企业价值。Faccio（2006）通过对42个国家企业样本的研究发现，当企业高管或大股东具有政府背景时，企业更容易获得政府的支持和资源，如优惠政策、政府合同等，进而提高企业的市场竞争力和盈利能力，使企业价值得到提升。Huang和Luo（2008）以中国民营企业为研究对象，实证结果表明，企业与政府建立的政治关联能够帮助企业获取更多的资源，如银行贷款、税收优惠等，这些资源优势有助于企业降低成本、扩大生产规模，从而对企业价值产生积极影响。国内学者吴文峰、刘晓薇等（2008）研究发现，在政府干预比较厉害的地区，高管的政府任职背景能增加公司价值，且政府干预越强烈，这种正面影响越明显，这表明政治关联在特定的市场环境下能够成为企业获取资源和支持的重要途径，进而提升企业价值。然而，也有许多学者持相反观点，认为政治关联会对企业价值产生负面影响。Shleifer和Vishny（1994）提出“掠夺之手”理论，认为政府可能会利用政治关联对企业进行干预，以实现自身的政治目标，如增加就业、促进地区经济平衡发展等，这可能导致企业偏离利润最大化的经营目标，从而降低企业价值。王灿、孙维章、干胜道（2010）以我国上市公司为样本进行研究，发现由于寻租利益的存在，政治关联会引起企业价值的减损，政治关联可能导致企业在获取资源过程中产生额外的非生产性支出，这些支出不仅增加了企业的成本，还可能损害企业的声誉和形象，对企业的长期发展产生不利影响。创业板上市公司政治关联对企业价值的影响机制研究中也指出，政治关系会侵害公司价值，造成公司的减损，政治关联层级与企业价值具有明显负向相关的关系。还有一些研究认为政治关联与企业价值之间的关系并不显著或存在不确定性。邓建平、曾勇（2009）对民营企业政治关联与企业绩效的关系进行实证分析，发现民营企业的政治关联程度与企业的经营效率之间并没有显著的相关性，这可能是由于不同企业对政治关联资源的利用能力和方式存在差异，导致政治关联对企业价值的影响并不稳定。2.2.2政治关联与高管薪酬研究综述关于政治关联与高管薪酬的相关性研究，也取得了一系列成果。部分研究表明，政治关联会导致高管薪酬的增加。企业赋予政治关联的高管更高的薪酬，是为了更好地利用高管的政治资源，为企业获取更多外界资源提供保障，现有研究证明，政治关联企业的薪酬水平普遍高于非政治关联企业。有学者通过对我国上市公司的研究发现，具有政治关联的高管往往能够获得更高的薪酬回报，这可能是因为政治关联高管能够为企业带来更多的政策支持、资源获取机会等，企业为了激励他们充分发挥政治资源优势，会给予较高的薪酬待遇。然而，也有研究认为政治关联与高管薪酬之间并没有必然的联系。一些学者指出，高管薪酬主要还是由企业的业绩、规模等因素决定，政治关联对高管薪酬的影响并不显著。企业在制定高管薪酬时，更注重的是高管的经营管理能力和对企业业绩的贡献，而不是单纯的政治关联背景。此外，还有研究从不同角度探讨了政治关联影响高管薪酬的机制。有学者认为，政治关联可能会影响企业内部的权力结构和决策机制，使得具有政治关联的高管在薪酬谈判中具有更强的话语权，从而能够为自己争取更高的薪酬。政治关联还可能通过影响企业的经营决策和财务状况，间接影响高管薪酬，如政治关联为企业带来的资源优势可能会提高企业业绩，进而使得高管获得更高的薪酬回报；相反，政治关联带来的风险和负面影响也可能导致企业业绩下滑，从而影响高管薪酬。2.2.3股权性质在政治关联研究中的作用综述在政治关联的研究中，股权性质的作用逐渐受到关注。不同股权性质的企业，其政治关联的形成机制、表现形式以及对企业价值和高管薪酬的影响可能存在差异。对于国有企业，由于其国有产权的性质，与政府天然存在紧密的联系。国有企业的高管往往具有一定的行政级别，企业在经营过程中也更容易受到政府的政策引导和支持。这种政治关联在一定程度上有助于国有企业获取资源、承担社会责任，但也可能导致企业面临更多的行政干预，影响企业的市场灵活性和创新动力。在资源获取方面，国有企业凭借政治关联更容易获得政府的项目审批、财政补贴等支持，从而提升企业价值；然而，过多的行政干预可能会使国有企业在决策过程中偏离市场规律，降低企业的运营效率，对企业价值产生负面影响。在高管薪酬方面，国有企业的薪酬体系往往受到政府政策和监管的约束，政治关联对高管薪酬的影响可能相对较为复杂，不仅要考虑企业的业绩和高管的贡献，还要兼顾公平性和社会责任等因素。民营企业与政府的联系更多是通过高管的个人政治背景建立起来的。民营企业建立政治关联的主要目的是为了获取资源、降低经营风险和获得政策支持，以弥补自身在市场竞争中的劣势。一些研究表明，民营企业的政治关联对企业价值具有显著的正向影响，能够帮助企业获得更多的融资机会、税收优惠等，从而提升企业价值；但也有研究指出，过度依赖政治关联可能会导致民营企业忽视自身核心竞争力的培养，增加企业的经营风险。在高管薪酬方面，民营企业相对更加灵活，政治关联可能会使具有政治背景的高管获得更高的薪酬，但这种薪酬与企业业绩的关联程度可能因企业而异。外资企业由于其特殊的股权结构和经营背景，在政治关联方面与国内企业存在一定差异。外资企业通常更注重遵循国际市场规则和公司治理标准，但在进入和运营过程中，也不可避免地需要与当地政府进行沟通和合作。政治关联对外资企业价值和高管薪酬的影响可能受到多种因素的制约，如国家政策、市场环境、企业文化等。一些研究发现，外资企业通过与当地政府建立良好的关系，可以获得更多的市场准入机会和政策支持，从而提升企业价值；但也有研究指出，过度依赖政治关联可能会使外资企业面临政治风险和舆论压力，对企业的声誉和长期发展产生不利影响。在高管薪酬方面，外资企业的薪酬体系通常更加国际化和市场化，政治关联对高管薪酬的影响相对较小，但在一些特殊情况下，如企业参与当地重大项目或政策导向性业务时，政治关联可能会对高管薪酬产生一定的影响。2.2.4文献评述综上所述，现有研究在政治关联与企业价值、高管薪酬的相关性方面取得了一定的成果，但仍存在一些不足之处。首先，在政治关联对企业价值的影响研究中，虽然已经从不同角度进行了探讨，但由于研究样本、方法和理论视角的差异，导致研究结论存在较大分歧，尚未形成统一的定论。其次，在政治关联与高管薪酬的关系研究中，虽然部分研究表明两者存在相关性，但对于政治关联如何影响高管薪酬的具体机制，以及这种影响在不同企业环境下的差异，还缺乏深入的分析。最后，现有研究中较少有学者从股权性质的视角对政治关联与企业价值、高管薪酬的相关性进行系统研究，未能充分揭示股权性质在政治关联影响企业运营中的调节作用。本研究从不同股权性质的视角出发，深入分析政治关联与企业价值、高管薪酬的相关性，具有重要的理论和实践意义。在理论上，有助于丰富和完善政治关联相关理论体系，为公司治理理论提供新的研究视角，促进不同学科理论的交叉融合；在实践中，能够为不同股权性质的企业制定针对性的发展战略和管理决策提供科学依据，帮助企业合理利用政治关联资源，提升企业价值，优化高管薪酬体系，实现可持续发展。三、研究设计3.1研究假设3.1.1政治关联与企业价值的关系假设基于前文的理论分析和文献综述，政治关联对企业价值的影响存在多种可能性，故提出以下竞争性假设：假设H1a：政治关联与企业价值呈正相关关系。企业通过建立政治关联，能够获取更多的政策支持、资源优势和信息优势，从而降低企业的运营成本，增加企业的盈利能力，提升企业价值。具有政治关联的企业可能更容易获得政府的财政补贴、税收优惠，或者在项目审批、资源分配中得到优先考虑，这些都有助于提高企业的市场竞争力和业绩表现，进而提升企业价值。假设H1b：政治关联与企业价值呈负相关关系。政治关联可能导致企业面临更多的政府干预，使得企业的决策受到政治目标的影响，偏离利润最大化的经营目标。政治关联还可能引发寻租行为，增加企业的非生产性支出，损害企业的利益相关者的利益，降低企业的声誉和形象，最终对企业价值产生负面影响。一些企业为了维持政治关联，可能会将资源用于非生产性活动，如政治公关、赞助政治活动等，这些行为不仅无法为企业创造价值，反而会消耗企业的资源，降低企业的运营效率。假设H1c：政治关联与企业价值之间存在非线性关系。在政治关联程度较低时，政治关联为企业带来的资源获取、政策支持等优势能够显著提升企业价值；然而，当政治关联程度超过一定阈值后，过度的政治关联可能导致企业对政府的过度依赖，削弱企业自身的创新能力和市场竞争力，同时增加企业面临的政治风险和不确定性，从而对企业价值产生负面影响，呈现出倒U型关系。当企业与政府建立适度的政治关联时，能够充分利用政府资源推动企业发展；但如果企业过度依赖政治关联，忽视自身核心竞争力的培养，一旦政治环境发生变化，企业可能会面临较大的经营风险，导致企业价值下降。3.1.2政治关联与高管薪酬的关系假设政治关联对高管薪酬的影响主要体现在薪酬水平和薪酬结构两个方面，据此提出以下假设：假设H2a：政治关联与高管薪酬水平正相关。具有政治关联的高管能够利用其政治资源和影响力为企业带来更多的利益，如获取政策支持、资源优势等，企业为了激励高管充分发挥其政治资源优势，会给予他们更高的薪酬水平作为回报。政治关联高管可以帮助企业获得政府的项目合同、优惠政策等，为企业创造更多的价值，因此企业会通过提高薪酬水平来奖励他们的贡献。假设H2b：政治关联会影响高管薪酬结构。政治关联可能使高管薪酬结构中与企业短期业绩挂钩的部分减少，而与政治关联带来的长期利益或非财务目标实现相关的部分增加。由于政治关联为企业带来的利益可能并非立即体现在财务业绩上，而是通过长期的政策支持、资源获取等方式实现，因此企业在制定高管薪酬结构时，会更加注重这些长期利益和非财务目标的实现，相应地调整薪酬结构。3.1.3股权性质的调节作用假设不同股权性质的企业在治理结构、经营目标和资源获取能力等方面存在差异，这些差异可能导致政治关联对企业价值和高管薪酬的影响有所不同，故提出以下假设：假设H3a：股权性质对政治关联与企业价值的关系具有调节作用。国有企业由于与政府的天然紧密联系，其政治关联对企业价值的影响可能相对较弱。国有企业本身就承担着一定的社会责任和政策目标，政治关联带来的资源优势和政策支持可能对其企业价值的提升作用不如民营企业明显；而民营企业通过建立政治关联，能够在一定程度上弥补自身资源和政策支持不足的劣势，政治关联对其企业价值的提升作用可能更为显著。假设H3b：股权性质对政治关联与高管薪酬的关系具有调节作用。国有企业的薪酬体系受到政府政策和监管的约束，政治关联对高管薪酬的影响可能受到更多限制。国有企业在制定高管薪酬时，不仅要考虑高管的政治关联带来的贡献，还要兼顾公平性、社会责任等因素，因此政治关联对国有企业高管薪酬的影响相对较小；而民营企业的薪酬决策相对更加灵活，政治关联可能更容易影响民营企业高管的薪酬水平和结构。3.2变量选取与度量3.2.1被解释变量企业价值：采用托宾Q值作为企业价值的度量指标。托宾Q值等于企业市场价值与资产重置成本之比，能够综合反映企业的市场价值和未来成长潜力。其中，企业市场价值为流通股市场价值、非流通股账面价值与负债账面价值之和；资产重置成本以企业总资产账面价值近似替代。托宾Q值越高，表明企业价值越大，在市场中越被看好，具有较强的未来发展潜力和投资价值。计算公式为：托宾Q值=（流通股股数×流通股股价+非流通股股数×每股净资产+负债账面价值）/资产账面价值。高管薪酬：从货币薪酬和股权薪酬两个维度来衡量高管薪酬。货币薪酬采用高管前三名薪酬总额的自然对数来度量，该指标能够直观地反映高管所获得的现金报酬水平，自然对数的处理可以在一定程度上缓解数据的异方差问题，使数据更加平稳，便于后续的统计分析。股权薪酬则通过高管持股比例来体现，即高管持有的公司股份数量占公司总股份数量的比例，这一指标反映了高管与企业利益的绑定程度，持股比例越高，表明高管的利益与企业的长期发展联系越紧密，越有动力为提升企业价值而努力。3.2.2解释变量政治关联：参考已有研究，若企业高管（包括董事长、总经理、副总经理、财务总监等）曾在政府部门任职（如担任过公务员、政府官员等）、担任人大代表或政协委员，则认为企业具有政治关联，赋值为1；否则赋值为0，以此来判断企业是否存在政治关联这一关键属性。为进一步衡量政治关联的强度，设置定序变量政治关联级别（PCLevel）。若企业高管曾经或当前在政府、党委（纪委）、人大或政协常设机构、检察院和法院任职，分四级对PCLevel赋值：科级干部PCLevel取值为1、处级干部PCLevel取值为2、厅级干部PCLevel取值为3、部级干部PCLevel取值为4，无政治关联PCLevel取值为0；若企业高管曾经或当前担任党代表、人大代表或者政协委员，同样分四级对PCLevel赋值：区县级及以下PCLevel取值为1、市级PCLevel取值为2、省级PCLevel取值为3、国家级PCLevel取值为4，无政治关联PCLevel取值为0。若PCLevel两种级别定义方式都有数据，取两者的最大值作为企业的政治关联级别的最终取值。3.2.3控制变量企业规模：选取企业总资产的自然对数作为控制变量。企业规模对企业价值和高管薪酬都可能产生显著影响，大规模企业通常具有更丰富的资源、更强的市场影响力和更完善的内部管理体系，可能更容易获取资源和政策支持，进而影响企业价值；同时，企业规模也会影响高管的薪酬水平，一般来说，规模越大的企业，高管的薪酬水平可能越高。计算公式为：企业规模=ln（总资产）。行业：设置行业虚拟变量，依据证监会行业分类标准，将样本企业划分为不同行业，除制造业采用二级分类外，其他行业采用一级分类。由于不同行业具有不同的市场结构、竞争程度、技术水平和发展前景，这些因素会对企业价值和高管薪酬产生影响，通过控制行业变量，可以减少行业差异对研究结果的干扰。例如，对于制造业中的食品制造业赋值为1，其他行业赋值为0；对于信息技术行业赋值为1，其他行业赋值为0，以此类推，为每个行业设置相应的虚拟变量。财务杠杆：以资产负债率作为财务杠杆的衡量指标，即负债总额与资产总额的比值。财务杠杆反映了企业的债务融资程度，较高的资产负债率意味着企业面临较高的财务风险，可能会影响企业的价值和高管的薪酬决策。财务杠杆还会影响企业的融资成本和经营稳定性，进而对企业的绩效和薪酬政策产生间接影响。计算公式为：资产负债率=负债总额/资产总额。盈利能力：选用净资产收益率（ROE）来衡量企业的盈利能力，即净利润与股东权益的比率。盈利能力是企业经营绩效的重要体现，直接关系到企业价值的创造和高管薪酬的确定。盈利能力强的企业通常能够为股东创造更多的价值，也可能会给予高管更高的薪酬回报。计算公式为：净资产收益率=净利润/股东权益。股权集中度：采用第一大股东持股比例来度量股权集中度。股权集中度会影响企业的治理结构和决策机制，进而对企业价值和高管薪酬产生影响。较高的股权集中度可能导致大股东对企业的控制力较强，影响企业的决策方向和资源分配，也可能影响高管的薪酬制定和激励机制。计算公式为：第一大股东持股比例=第一大股东持股数量/总股数。3.3模型构建为了检验上述假设，构建以下多元回归模型：模型1：政治关联与企业价值关系模型TobinQ_{i,t}=\alpha_0+\alpha_1PC_{i,t}+\sum_{j=1}^{n}\alpha_{1+j}Control_{j,i,t}+\epsilon_{i,t}其中，TobinQ_{i,t}表示第i家企业在t时期的托宾Q值，用于衡量企业价值；PC_{i,t}为第i家企业在t时期的政治关联变量，若企业具有政治关联则取值为1，否则为0；Control_{j,i,t}代表一系列控制变量，包括企业规模（Size）、资产负债率（Lev）、净资产收益率（ROE）、股权集中度（Top1）以及行业虚拟变量（Industry）和年度虚拟变量（Year）等，j表示控制变量的个数，\alpha_0为常数项，\alpha_1,\alpha_{1+j}为各变量的回归系数，\epsilon_{i,t}为随机误差项。通过该模型，主要检验\alpha_1的正负和显著性，以判断政治关联与企业价值之间的关系，若\alpha_1显著为正，则支持假设H1a；若\alpha_1显著为负，则支持假设H1b；若无法通过该线性模型得到明确的线性关系，则进一步考虑非线性关系的检验，以验证假设H1c。模型2：政治关联与高管薪酬关系模型Salary_{i,t}=\beta_0+\beta_1PC_{i,t}+\sum_{k=1}^{m}\beta_{1+k}Control_{k,i,t}+\mu_{i,t}Stock_{i,t}=\gamma_0+\gamma_1PC_{i,t}+\sum_{l=1}^{s}\gamma_{1+l}Control_{l,i,t}+\nu_{i,t}其中，Salary_{i,t}表示第i家企业在t时期高管前三名薪酬总额的自然对数，用于衡量高管货币薪酬水平；Stock_{i,t}为第i家企业在t时期的高管持股比例，用于衡量高管股权薪酬；PC_{i,t}同样为政治关联变量；Control_{k,i,t}和Control_{l,i,t}分别为相应模型中的控制变量，涵盖企业规模、行业、财务杠杆、盈利能力、股权集中度等因素，k和l分别表示两个模型中控制变量的个数，\beta_0,\gamma_0为常数项，\beta_1,\beta_{1+k},\gamma_1,\gamma_{1+l}为各变量的回归系数，\mu_{i,t}和\nu_{i,t}为随机误差项。在模型2中，通过检验\beta_1的显著性和正负，判断政治关联与高管货币薪酬水平的关系，若\beta_1显著为正，则支持假设H2a中关于政治关联与高管薪酬水平正相关的观点；对于股权薪酬模型，通过检验\gamma_1的情况，分析政治关联对高管股权薪酬的影响，同时结合两个模型结果，综合判断政治关联是否影响高管薪酬结构，以验证假设H2b。模型3：股权性质调节作用模型TobinQ_{i,t}=\delta_0+\delta_1PC_{i,t}+\delta_2SOE_{i,t}+\delta_3PC_{i,t}\timesSOE_{i,t}+\sum_{p=1}^{q}\delta_{1+p}Control_{p,i,t}+\xi_{i,t}Salary_{i,t}=\theta_0+\theta_1PC_{i,t}+\theta_2SOE_{i,t}+\theta_3PC_{i,t}\timesSOE_{i,t}+\sum_{r=1}^{v}\theta_{1+r}Control_{r,i,t}+\omega_{i,t}Stock_{i,t}=\varphi_0+\varphi_1PC_{i,t}+\varphi_2SOE_{i,t}+\varphi_3PC_{i,t}\timesSOE_{i,t}+\sum_{w=1}^{u}\varphi_{1+w}Control_{w,i,t}+\tau_{i,t}其中，SOE_{i,t}为股权性质变量，若企业为国有企业则取值为1，否则为0；PC_{i,t}\timesSOE_{i,t}为政治关联与股权性质的交互项；其余变量含义与模型1和模型2一致，p,q,r,v,w,u分别表示各模型中控制变量的个数，\delta_0,\theta_0,\varphi_0为常数项，\delta_1,\delta_2,\delta_3,\theta_1,\theta_2,\theta_3,\varphi_1,\varphi_2,\varphi_3,\delta_{1+p},\theta_{1+r},\varphi_{1+w}为各变量的回归系数，\xi_{i,t},\omega_{i,t},\tau_{i,t}为随机误差项。在模型3中，主要通过检验交互项系数\delta_3,\theta_3,\varphi_3的显著性和正负，来判断股权性质对政治关联与企业价值、高管薪酬关系的调节作用。若\delta_3显著，则表明股权性质对政治关联与企业价值的关系具有调节作用，根据其正负进一步分析调节的方向和性质，以验证假设H3a；同理，通过\theta_3和\varphi_3的检验结果，判断股权性质对政治关联与高管薪酬关系的调节作用，验证假设H3b。3.4数据来源与样本选择本研究的数据主要来源于Wind数据库、CSMAR数据库以及各上市公司的年报。Wind数据库和CSMAR数据库是国内权威的金融经济数据平台，涵盖了丰富的上市公司财务数据、公司治理数据、高管信息等，能够为研究提供全面、准确的数据支持。上市公司年报则是获取企业详细经营信息和高管背景信息的重要来源，通过对年报的深入分析，可以补充和验证数据库中的数据，确保研究数据的可靠性。在样本选择方面，本研究选取2010-2023年中国A股上市公司作为初始研究样本。之所以选择这一时间段，是因为该时间段内中国资本市场经历了一系列重要的改革和发展，市场环境相对稳定且数据较为完整，能够更好地反映政治关联与企业价值、高管薪酬之间的关系在不同市场条件下的变化情况。为保证数据的有效性和可靠性，对样本进行如下筛选：剔除金融类上市公司：金融类上市公司由于其业务性质和监管环境与其他行业存在显著差异，其财务指标、经营模式和风险特征等方面与非金融企业有很大不同。金融企业的资产负债结构、盈利模式受到金融监管政策的严格约束，这使得它们在企业价值评估和高管薪酬决定机制上与其他行业不具有直接可比性。银行的资本充足率、流动性管理等指标是其经营的关键因素，而这些因素在非金融企业中并不存在。因此，为了避免行业特性对研究结果的干扰，本研究剔除了金融类上市公司。*剔除ST、ST公司：ST、*ST公司通常面临财务困境或经营异常，其财务数据可能无法真实反映企业的正常经营状况。这些公司可能存在连续亏损、债务违约、重大诉讼等问题，导致其企业价值和高管薪酬受到特殊因素的影响，与正常经营的企业存在本质区别。ST公司可能由于财务造假被特别处理，其财务数据的真实性和可靠性存疑，若将这类公司纳入研究样本，可能会扭曲政治关联与企业价值、高管薪酬之间的真实关系，影响研究结果的准确性。剔除数据缺失严重的公司：确保研究样本具有完整的财务数据和公司治理数据是进行有效实证研究的基础。数据缺失严重的公司会导致研究变量无法准确度量，从而影响研究模型的估计和检验结果。若某公司缺失关键的财务指标如营业收入、净利润等，或者公司治理数据如高管任职信息不完整，将无法准确判断该公司的政治关联情况、企业价值和高管薪酬水平，因此这类公司被排除在研究样本之外。经过上述筛选，最终得到[X]个有效样本。这些有效样本涵盖了多个行业和不同规模的企业，具有广泛的代表性，能够较好地反映中国A股上市公司的整体情况，为后续的实证分析提供了坚实的数据基础。四、实证结果与分析4.1描述性统计分析对样本数据进行描述性统计，主要变量的统计结果如表1所示：表1：主要变量描述性统计变量观测值均值标准差最小值最大值TobinQ[X][具体均值][具体标准差][具体最小值][具体最大值]Salary[X][具体均值][具体标准差][具体最小值][具体最大值]Stock[X][具体均值][具体标准差][具体最小值][具体最大值]PC[X][具体均值][具体标准差]01Size[X][具体均值][具体标准差][具体最小值][具体最大值]Lev[X][具体均值][具体标准差][具体最小值][具体最大值]ROE[X][具体均值][具体标准差][具体最小值][具体最大值]Top1[X][具体均值][具体标准差][具体最小值][具体最大值]SOE[X][具体均值][具体标准差]01从表1可以看出，托宾Q值（TobinQ）的均值为[具体均值]，标准差为[具体标准差]，说明样本企业的价值存在一定差异。最小值为[具体最小值]，最大值为[具体最大值]，表明不同企业的市场价值和未来成长潜力参差不齐，部分企业具有较高的增长预期和市场认可度，而部分企业则面临较大的经营压力和市场挑战。高管薪酬方面，高管前三名薪酬总额自然对数（Salary）的均值为[具体均值]，标准差为[具体标准差]，反映出不同企业在高管货币薪酬水平上存在明显差距，这可能与企业规模、行业特点、经营业绩以及高管的能力和经验等多种因素有关。高管持股比例（Stock）的均值相对较小，为[具体均值]，标准差为[具体标准差]，说明整体上高管持股情况在企业间的分布较为分散，部分企业的高管持股比例较高，而部分企业的高管持股比例较低，这也反映了不同企业在公司治理结构和薪酬激励机制上的差异。政治关联变量（PC）的均值为[具体均值]，表明样本中有[具体百分比]的企业具有政治关联，说明政治关联在企业中具有一定的普遍性，是企业经营过程中不可忽视的重要因素。企业规模（Size）的均值为[具体均值]，标准差为[具体标准差]，体现出样本企业在规模上存在较大差异，涵盖了大型企业和中小型企业，这有助于研究不同规模企业在政治关联与企业价值、高管薪酬关系中的表现差异。资产负债率（Lev）的均值为[具体均值]，标准差为[具体标准差]，说明样本企业的财务杠杆水平存在一定波动，部分企业的负债水平较高，面临较大的财务风险，而部分企业的负债结构相对合理，财务风险相对可控。净资产收益率（ROE）的均值为[具体均值]，标准差为[具体标准差]，反映出样本企业的盈利能力存在差异，一些企业具有较强的盈利能力，能够为股东创造较高的回报，而一些企业的盈利能力较弱，需要进一步提升经营效率和管理水平。股权集中度（Top1）的均值为[具体均值]，标准差为[具体标准差]，表明样本企业的股权集中度存在一定差异，部分企业的股权较为集中，大股东对企业的控制力较强，而部分企业的股权相对分散，公司治理结构相对多元化。股权性质变量（SOE）的均值为[具体均值]，说明样本中[具体百分比]的企业为国有企业，这为研究不同股权性质下政治关联的影响提供了数据基础。通过对主要变量的描述性统计分析，初步了解了样本数据的基本特征和分布情况，为后续的相关性分析和回归分析奠定了基础。4.2相关性分析在进行多元回归分析之前，先对各变量进行相关性分析，以初步判断变量之间的线性相关关系，同时检验是否存在多重共线性问题。变量间的Pearson相关性分析结果如表2所示：表2：变量相关性分析变量TobinQSalaryStockPCSizeLevROETop1SOETobinQ1Salary0.325***1Stock0.186***0.254***1PC0.152***0.213***0.098**1Size0.256***0.458***0.127***0.115***1Lev-0.234***-0.167***-0.085*0.076*0.412***1ROE0.378***0.275***0.156***0.134***0.189***-0.256***1Top1-0.105***-0.092**-0.078*0.065*0.083**0.077*0.114***1SOE-0.098**0.068*0.0430.147***0.245***0.193***0.0510.079*1注：*、、*分别表示在1%、5%、10%的水平上显著相关。从表2可以看出，政治关联（PC）与企业价值（TobinQ）之间的相关系数为0.152，且在1%的水平上显著正相关，初步表明政治关联与企业价值可能存在正向关系，这在一定程度上支持了假设H1a，但还需要通过回归分析进一步验证。政治关联与高管薪酬水平（Salary）的相关系数为0.213，在1%的水平上显著正相关，与假设H2a中政治关联与高管薪酬水平正相关的观点相符，初步说明具有政治关联的企业可能会给予高管更高的薪酬。企业规模（Size）与企业价值、高管薪酬水平和政治关联均呈现显著正相关关系。规模较大的企业往往在市场上具有更强的影响力和资源获取能力，更容易建立政治关联，同时也可能会为高管提供更高的薪酬，并且企业价值相对较高。资产负债率（Lev）与企业价值呈显著负相关，说明企业的财务杠杆水平越高，面临的财务风险可能越大，对企业价值产生负面影响；资产负债率与政治关联呈正相关，可能是因为具有政治关联的企业在融资方面具有一定优势，更容易获得债务融资，从而导致资产负债率较高。净资产收益率（ROE）与企业价值、高管薪酬水平和政治关联都显著正相关，表明企业的盈利能力越强，企业价值越高，高管获得的薪酬也可能越高，并且盈利能力强的企业可能更有能力和机会建立政治关联。股权集中度（Top1）与政治关联呈正相关，说明股权相对集中的企业可能更倾向于利用政治关联来维护自身利益和实现企业目标。股权性质（SOE）与政治关联呈显著正相关，反映出国有企业与政府的联系更为紧密，具有政治关联的国有企业比例相对较高。此外，通过观察各变量之间的相关系数，发现大部分变量之间的相关系数绝对值均小于0.5，初步判断不存在严重的多重共线性问题。为进一步验证，在后续的回归分析中，将通过方差膨胀因子（VIF）等方法对多重共线性进行检验，以确保回归结果的准确性和可靠性。相关性分析只是对变量之间关系的初步探索，具体的影响关系和程度还需要通过多元回归分析来深入研究。4.3回归结果分析4.3.1政治关联对企业价值的影响运用Stata软件对模型1进行回归，得到政治关联对企业价值影响的回归结果，如表3所示：表3：政治关联对企业价值的回归结果|变量|系数|标准误|t值|P>|t||[95%置信区间]||---|---|---|---|---|---||PC|[具体系数α1]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Size|[具体系数α2]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Lev|[具体系数α3]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||ROE|[具体系数α4]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Top1|[具体系数α5]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Industry|控制|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制|控制||Constant|[具体常数项α0]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||R-squared|[具体R方值]|||||||AdjR-squared|[具体调整R方值]|||||||F-statistic|[具体F值]|||||||---|---|---|---|---|---||PC|[具体系数α1]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Size|[具体系数α2]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Lev|[具体系数α3]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||ROE|[具体系数α4]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Top1|[具体系数α5]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Industry|控制|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制|控制||Constant|[具体常数项α0]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||R-squared|[具体R方值]|||||||AdjR-squared|[具体调整R方值]|||||||F-statistic|[具体F值]|||||||PC|[具体系数α1]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Size|[具体系数α2]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Lev|[具体系数α3]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||ROE|[具体系数α4]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Top1|[具体系数α5]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Industry|控制|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制|控制||Constant|[具体常数项α0]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||R-squared|[具体R方值]|||||||AdjR-squared|[具体调整R方值]|||||||F-statistic|[具体F值]|||||||Size|[具体系数α2]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Lev|[具体系数α3]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||ROE|[具体系数α4]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Top1|[具体系数α5]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Industry|控制|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制|控制||Constant|[具体常数项α0]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||R-squared|[具体R方值]|||||||AdjR-squared|[具体调整R方值]|||||||F-statistic|[具体F值]|||||||Lev|[具体系数α3]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||ROE|[具体系数α4]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Top1|[具体系数α5]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Industry|控制|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制|控制||Constant|[具体常数项α0]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||R-squared|[具体R方值]|||||||AdjR-squared|[具体调整R方值]|||||||F-statistic|[具体F值]|||||||ROE|[具体系数α4]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Top1|[具体系数α5]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Industry|控制|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制|控制||Constant|[具体常数项α0]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||R-squared|[具体R方值]|||||||AdjR-squared|[具体调整R方值]|||||||F-statistic|[具体F值]|||||||Top1|[具体系数α5]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||Industry|控制|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制|控制||Constant|[具体常数项α0]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||R-squared|[具体R方值]|||||||AdjR-squared|[具体调整R方值]|||||||F-statistic|[具体F值]|||||||Industry|控制|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制|控制||Constant|[具体常数项α0]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||R-squared|[具体R方值]|||||||AdjR-squared|[具体调整R方值]|||||||F-statistic|[具体F值]|||||||Year|控制|控制|控制|控制|控制|控制||Constant|[具体常数项α0]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||R-squared|[具体R方值]|||||||AdjR-squared|[具体调整R方值]|||||||F-statistic|[具体F值]|||||||Constant|[具体常数项α0]|[具体标准误]|[具体t值]|[具体P值]|[下限]|[上限]||R-squared|[具体R方值]|||||||AdjR-squared|[具体调整R方值]|||||||F-statistic|[具体F值]|||||||R-squared|[具体R方值]|||||||AdjR-squared|[具体调整R方值]|||||||F-statistic|[具体F值]|||||||AdjR-squared|[具体调整R方值]|||||||F-statistic|[具体F值]|||||||F-statistic|[具体F值]||||||从表3的回归结果来看，政治关联（PC）的系数为[具体系数α1]，且在[具体显著性水平]上显著。当[具体系数α1]大于0时，说明政治关联与企业价值呈正相关关系，即具有政治关联的企业，其托宾Q值相对更高，企业价值更大，这为假设H1a提供了有力的支持。这可能是因为具有政治关联的企业能够凭借其与政府的紧密联系，更容易获取政策支持，如税收优惠、财政补贴等，从而降低企业的运营成本，提高企业的盈利能力；在资源获取方面，这类企业在项目审批、土地资源、矿产资源分配等方面具有优势，为企业的发展提供了坚实的物质基础；政治关联还能使企业及时了解政府的政策导向和市场动态，提前布局，抓住市场机遇，提升企业的市场竞争力，进而增加企业价值。若[具体系数α1]小于0，则表明政治关联与企业价值呈负相关关系，即政治关联程度越高，企业价值越低，支持假设H1b。这可能是由于政治关联导致企业面临过多的政府干预，企业的决策可能会受到政治目标的左右，偏离了利润最大化的经营目标；政治关联引发的寻租行为也会增加企业的非生产性支出，损害企业利益相关者的利益，降低企业的声誉和形象，最终对企业价值产生负面影响。若政治关联（PC）的系数不显著，则需要进一步考虑政治关联与企业价值之间是否存在非线性关系，以验证假设H1c。可通过在模型中加入政治关联的平方项（PC^2）等方式进行检验，若平方项系数显著，则可能存在非线性关系，如倒U型关系，即政治关联在一定程度内对企业价值有正向影响，但超过一定阈值后，可能会对企业价值产生负面影响。此外，控制变量的回归结果也具有一定的解释意义。企业规模（Size）的系数显著为正，说明企业规模越大，企业价值越高，这与理论预期相符，大规模企业通常具有更强的市场影响力、更丰富的资源和更完善的管理体系，有利于提升企业价值。资产负债率（Lev）的系数显著为负，表明企业的财务杠杆水平越高，面临的财务风险越大，对企业价值产生负面影响，高负债可能导致企业面临较高的利息支出和偿债压力，影响企业的正常运营和发展。净资产收益率（ROE）的系数显著为正，体现了企业盈利能力对企业价值的正向影响，盈利能力强的企业能够为股东创造更多的价值，市场对其估值也相对较高。股权集中度（Top1）的系数符号和显著性反映了股权结构对企业价值的影响，若系数为正且显著，说明股权相对集中有利于企业价值的提升，大股东可能更有动力和能力监督管理层，提高企业的运营效率；若系数为负或不显著，则表明股权集中度对企业价值的影响较为复杂，可能存在大股东侵占小股东利益等问题，影响企业价值。4.3.2政治关联对高管薪酬的影响对模型2中的货币薪酬模型和股权薪酬模型分别进行回归，得到政治关联对高管薪酬影响的回归结果，如表4所示：表4：政治关联对高管薪酬的回归结果|变量|Salary系数|Salary标准误|Salaryt值|SalaryP>|t||Stock系数|Stock标准误|Stockt值|StockP>|t|||---|---|---|---|---|---|---|---|---||PC|[具体系数β1]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ1]|[具体标准误]|[具体t值]|[具体P值]||Size|[具体系数β2]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ2]|[具体标准误]|[具体t值]|[具体P值]||Lev|[具体系数β3]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ3]|[具体标准误]|[具体t值]|[具体P值]||ROE|[具体系数β4]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ4]|[具体标准误]|[具体t值]|[具体P值]||Top1|[具体系数β5]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ5]|[具体标准误]|[具体t值]|[具体P值]||Industry|控制|控制|控制|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制|控制|控制|控制||Constant|[具体常数项β0]|[具体标准误]|[具体t值]|[具体P值]|[具体常数项γ0]|[具体标准误]|[具体t值]|[具体P值]||R-squared|[具体R方值]||||[具体R方值]|||||AdjR-squared|[具体调整R方值]||||[具体调整R方值]|||||F-statistic|[具体F值]||||[具体F值]|||||---|---|---|---|---|---|---|---|---||PC|[具体系数β1]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ1]|[具体标准误]|[具体t值]|[具体P值]||Size|[具体系数β2]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ2]|[具体标准误]|[具体t值]|[具体P值]||Lev|[具体系数β3]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ3]|[具体标准误]|[具体t值]|[具体P值]||ROE|[具体系数β4]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ4]|[具体标准误]|[具体t值]|[具体P值]||Top1|[具体系数β5]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ5]|[具体标准误]|[具体t值]|[具体P值]||Industry|控制|控制|控制|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制|控制|控制|控制||Constant|[具体常数项β0]|[具体标准误]|[具体t值]|[具体P值]|[具体常数项γ0]|[具体标准误]|[具体t值]|[具体P值]||R-squared|[具体R方值]||||[具体R方值]|||||AdjR-squared|[具体调整R方值]||||[具体调整R方值]|||||F-statistic|[具体F值]||||[具体F值]|||||PC|[具体系数β1]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ1]|[具体标准误]|[具体t值]|[具体P值]||Size|[具体系数β2]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ2]|[具体标准误]|[具体t值]|[具体P值]||Lev|[具体系数β3]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ3]|[具体标准误]|[具体t值]|[具体P值]||ROE|[具体系数β4]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ4]|[具体标准误]|[具体t值]|[具体P值]||Top1|[具体系数β5]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ5]|[具体标准误]|[具体t值]|[具体P值]||Industry|控制|控制|控制|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制|控制|控制|控制||Constant|[具体常数项β0]|[具体标准误]|[具体t值]|[具体P值]|[具体常数项γ0]|[具体标准误]|[具体t值]|[具体P值]||R-squared|[具体R方值]||||[具体R方值]|||||AdjR-squared|[具体调整R方值]||||[具体调整R方值]|||||F-statistic|[具体F值]||||[具体F值]|||||Size|[具体系数β2]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ2]|[具体标准误]|[具体t值]|[具体P值]||Lev|[具体系数β3]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ3]|[具体标准误]|[具体t值]|[具体P值]||ROE|[具体系数β4]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ4]|[具体标准误]|[具体t值]|[具体P值]||Top1|[具体系数β5]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ5]|[具体标准误]|[具体t值]|[具体P值]||Industry|控制|控制|控制|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制|控制|控制|控制||Constant|[具体常数项β0]|[具体标准误]|[具体t值]|[具体P值]|[具体常数项γ0]|[具体标准误]|[具体t值]|[具体P值]||R-squared|[具体R方值]||||[具体R方值]|||||AdjR-squared|[具体调整R方值]||||[具体调整R方值]|||||F-statistic|[具体F值]||||[具体F值]|||||Lev|[具体系数β3]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ3]|[具体标准误]|[具体t值]|[具体P值]||ROE|[具体系数β4]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ4]|[具体标准误]|[具体t值]|[具体P值]||Top1|[具体系数β5]|[具体标准误]|[具体t值]|[具体P值]|[具体系数γ5]|[具体标准误]|[具体t值]|[具体P值]||Industry|控制|控制|控制|控制|控制|控制|控制|控制||Year|控制|控制|控制|控制|控制|控制|控制|控制||Constant|[具体常数项β0]|[具体标准误]|[具体t值]|[具体P值]|[具体常数项γ0]|[具体标准误]|[具体t值]|[具体P值]||R-squared|[具体R方值]||||[具体R方值]|||||AdjR-squared|[具体调整R方值]||||[具体调整R方值]|||||F-statistic|[具体F值]||||[具体F