高管薪酬粘性、创新投入与企业全要素生产率：理论与实证的深度剖析

高管薪酬粘性、创新投入与企业全要素生产率：理论与实证的深度剖析一、引言1.1研究背景与意义1.1.1研究背景在当今竞争激烈的商业环境中，企业的发展与诸多因素息息相关。其中，高管薪酬粘性、创新投入以及企业全要素生产率成为学术界和实务界共同关注的焦点。随着现代企业所有权与经营权的分离，高管作为企业决策和运营的核心人物，其薪酬机制备受关注。高管薪酬粘性是指企业业绩上升时高管薪酬对企业业绩的敏感性大于企业业绩下降时高管薪酬对企业业绩的敏感性。在实际情况中，不少企业存在这样的现象：当企业业绩增长时，高管薪酬会显著提高，而当企业业绩下滑时，高管薪酬却并未相应大幅下降。例如，某些上市公司在业绩增长年度，高管薪酬涨幅可达50%甚至更高，而在业绩下滑年度，薪酬降幅可能仅为10%左右。这种薪酬粘性现象可能会影响高管的决策行为和企业的资源配置，进而对企业的长期发展产生重要影响。创新投入是企业发展的核心动力之一。在科技飞速发展的时代，企业只有不断投入资源进行创新，才能在市场中保持竞争力。以华为公司为例，其每年将大量资金投入到研发领域，不断推出新的技术和产品，从而在全球通信市场占据领先地位。创新投入不仅有助于企业开发新产品、开拓新市场，还能提高生产效率、降低生产成本，对企业的可持续发展至关重要。然而，创新投入具有高风险、高不确定性和长期回报的特点，这使得企业在进行创新决策时需要谨慎权衡。企业全要素生产率是衡量企业生产效率和经济增长质量的关键指标，它反映了企业在生产过程中对各种生产要素的综合利用效率，体现了技术进步、管理创新、资源配置优化等因素对企业产出的贡献。在宏观经济层面，企业全要素生产率的提升是推动经济增长和产业升级的重要力量。例如，美国在20世纪90年代通过信息技术革命，众多企业的全要素生产率大幅提高，推动了美国经济的持续增长和产业结构的优化升级。在微观企业层面，高全要素生产率的企业往往能够在市场竞争中脱颖而出，实现更高的利润和市场份额。综上所述，高管薪酬粘性、创新投入与企业全要素生产率之间可能存在着紧密的联系。高管薪酬粘性可能会影响高管对创新投入的决策，进而影响企业的全要素生产率。然而，目前对于这三者之间关系的研究还存在一定的不足，深入探讨它们之间的内在联系，对于企业制定合理的薪酬政策、优化创新决策以及提升全要素生产率具有重要的现实意义。1.1.2研究意义从理论层面来看，当前关于高管薪酬、创新投入和企业全要素生产率的研究大多是分别进行的，对于三者之间的联动关系研究相对较少。本研究深入剖析高管薪酬粘性对创新投入的影响机制，以及创新投入在高管薪酬粘性与企业全要素生产率之间的中介作用，有助于丰富和完善公司治理、创新管理和企业绩效等领域的理论体系。通过揭示三者之间的内在联系，可以为后续相关研究提供新的视角和思路，进一步拓展理论研究的边界。在实践方面，本研究对企业的经营管理具有重要的指导意义。对于企业而言，合理的薪酬制度是吸引和激励高管的关键。了解高管薪酬粘性对创新投入和企业全要素生产率的影响，有助于企业设计更加科学合理的薪酬契约，使其既能激励高管积极投入创新活动，又能确保薪酬与企业绩效的紧密挂钩，从而提高企业的运营效率和竞争力。在创新决策方面，企业可以根据研究结论，更加准确地评估高管薪酬政策对创新投入的影响，合理配置创新资源，提高创新成功率。从宏观层面看，政府可以依据本研究结果，制定相关政策引导企业优化高管薪酬结构，鼓励企业加大创新投入，从而促进整个行业和地区的经济增长和产业升级，推动经济高质量发展。1.2研究目标与内容1.2.1研究目标本研究旨在深入探究高管薪酬粘性、创新投入与企业全要素生产率之间的内在联系，具体目标如下：一是揭示高管薪酬粘性对企业创新投入的作用机制。通过理论分析和实证研究，明确高管薪酬粘性如何影响高管的创新决策动机和行为，进而确定其对企业创新投入规模和方向的影响，为企业制定合理的薪酬激励政策提供理论依据。二是剖析创新投入与企业全要素生产率之间的关联。研究创新投入在提升企业生产效率、促进技术进步和优化资源配置等方面的具体作用路径，以及创新投入的不同维度（如研发投入强度、创新人才投入等）对企业全要素生产率的差异化影响，为企业优化创新资源配置提供参考。三是综合分析高管薪酬粘性、创新投入与企业全要素生产率三者之间的相互关系。探讨创新投入在高管薪酬粘性与企业全要素生产率之间是否起到中介作用，以及三者之间的动态变化关系，为企业构建全面的战略管理体系提供决策支持。四是基于研究结果，为企业提出针对性的优化策略和建议。帮助企业在制定薪酬政策、创新战略和运营管理等方面做出科学决策，以提高企业的创新能力和全要素生产率，增强企业的市场竞争力，实现可持续发展。1.2.2研究内容本研究主要围绕以下几个方面展开：相关概念与度量方法：对高管薪酬粘性、创新投入和企业全要素生产率的概念进行明确界定，梳理相关理论基础。同时，系统介绍和分析各变量的度量方法，为后续实证研究提供科学的测量工具。对于高管薪酬粘性，将详细阐述基于业绩变动的薪酬敏感性分析方法，以及如何通过构建计量模型来准确衡量薪酬粘性程度；在创新投入度量方面，探讨研发投入金额、研发人员占比等常用指标的优缺点，并结合研究目的选择最合适的度量方式；针对企业全要素生产率，介绍数据包络分析（DEA）、随机前沿分析（SFA）等主流测算方法，并根据数据特点和研究需求确定具体的测算模型。高管薪酬粘性与创新投入关系分析：从理论层面深入探讨高管薪酬粘性对创新投入的影响机制。基于委托代理理论、激励理论等，分析高管在薪酬粘性环境下的决策行为动机，以及这种动机如何影响企业的创新投入决策。通过实证研究，运用面板数据模型、中介效应模型等计量方法，检验高管薪酬粘性与创新投入之间的关系，并进一步分析不同企业特征（如企业规模、行业竞争程度、产权性质等）对两者关系的调节作用。创新投入与企业全要素生产率关系分析：理论上阐述创新投入对企业全要素生产率的作用路径，包括创新投入如何促进技术进步、产品创新、管理创新，进而提升企业的生产效率和资源配置效率。在实证研究中，构建计量模型，采用倾向得分匹配法（PSM）、双重差分法（DID）等方法克服内生性问题，检验创新投入对企业全要素生产率的影响，并分析创新投入的滞后效应以及不同类型创新投入（如基础研究投入、应用研究投入）对企业全要素生产率的影响差异。高管薪酬粘性、创新投入与企业全要素生产率综合影响分析：综合考虑三者之间的关系，构建联立方程模型或结构方程模型，分析高管薪酬粘性如何通过创新投入间接影响企业全要素生产率，以及三者之间的交互作用对企业绩效的综合影响。通过脉冲响应函数、方差分解等方法，动态分析三者之间的相互关系和影响程度随时间的变化趋势，为企业制定长期战略提供依据。策略建议：基于上述研究结果，为企业提供针对性的策略建议。在薪酬政策制定方面，提出如何优化高管薪酬结构，降低薪酬粘性，使其更好地激励高管积极推动企业创新；在创新管理方面，指导企业如何合理配置创新资源，提高创新投入的效率和效果；在企业运营管理方面，探讨如何通过加强内部治理、提升管理水平等措施，促进高管薪酬粘性、创新投入与企业全要素生产率之间的良性互动，实现企业的可持续发展。1.3研究方法与技术路线1.3.1研究方法文献研究法：全面收集和整理国内外关于高管薪酬粘性、创新投入和企业全要素生产率的相关文献资料，包括学术期刊论文、学位论文、研究报告、政策文件等。通过对这些文献的深入研读和分析，梳理相关理论基础，如委托代理理论、激励理论、创新理论、生产函数理论等，明确各变量的概念、度量方法和研究现状，找出已有研究的不足和空白点，为本文的研究提供坚实的理论依据和研究思路。例如，通过对委托代理理论的研究，深入理解高管与股东之间的利益关系，以及薪酬契约在解决代理问题中的作用，从而为分析高管薪酬粘性对创新投入的影响机制奠定理论基础。实证研究法：以我国上市公司为研究样本，收集相关数据，运用计量经济学方法进行实证分析。构建面板数据模型，来检验高管薪酬粘性与创新投入之间的关系，以及创新投入与企业全要素生产率之间的关系；运用中介效应模型，验证创新投入在高管薪酬粘性与企业全要素生产率之间的中介作用。在数据处理过程中，采用倾向得分匹配法（PSM）、双重差分法（DID）等方法克服内生性问题，提高研究结果的准确性和可靠性。例如，在研究创新投入对企业全要素生产率的影响时，可能存在企业自身特征等因素同时影响创新投入和全要素生产率的情况，通过倾向得分匹配法，可以选取与创新投入企业特征相似的非创新投入企业作为对照组，从而更准确地评估创新投入对企业全要素生产率的影响。案例研究法：选取具有代表性的企业进行深入的案例分析，结合实证研究结果，进一步剖析高管薪酬粘性、创新投入与企业全要素生产率之间的关系。通过对案例企业的详细调研，收集企业的财务数据、经营管理信息、薪酬政策、创新活动等资料，从实际运营的角度深入分析高管薪酬粘性如何影响企业的创新决策和创新投入，以及创新投入又是如何促进企业全要素生产率的提升。例如，以华为公司为例，深入研究其高额的研发投入以及独特的薪酬激励机制，如何共同作用于企业全要素生产率的提升，为其他企业提供实践经验和借鉴。1.3.2技术路线本研究的技术路线如下：理论研究：首先，通过文献研究法，对高管薪酬粘性、创新投入和企业全要素生产率的相关理论和研究现状进行全面梳理，明确研究的理论基础和研究背景，找出已有研究的不足，为后续研究提供理论支持和研究方向。提出假设：基于理论分析，结合实际情况，提出关于高管薪酬粘性与创新投入、创新投入与企业全要素生产率以及三者之间关系的研究假设。例如，假设高管薪酬粘性与企业创新投入呈负相关关系，即高管薪酬粘性越高，企业创新投入越低；假设创新投入与企业全要素生产率呈正相关关系，即创新投入越多，企业全要素生产率越高；假设创新投入在高管薪酬粘性与企业全要素生产率之间起到中介作用。数据收集：选取合适的研究样本，收集相关数据。以我国沪深A股上市公司为研究对象，收集其2010-2023年的年度财务报告、公司治理报告等资料，获取高管薪酬、企业业绩、创新投入、研发人员数量、专利申请数量、固定资产、流动资产、员工数量等数据。同时，收集宏观经济数据，如国内生产总值增长率、通货膨胀率等，作为控制变量。实证分析：运用统计分析软件，如Stata、SPSS等，对收集到的数据进行描述性统计分析、相关性分析、回归分析等。通过描述性统计分析，了解各变量的基本特征和分布情况；通过相关性分析，初步判断变量之间的相关性；通过回归分析，验证研究假设，分析高管薪酬粘性对创新投入的影响，创新投入对企业全要素生产率的影响，以及创新投入在高管薪酬粘性与企业全要素生产率之间的中介作用。同时，采用稳健性检验，如替换变量、改变样本区间等方法，检验研究结果的可靠性。结果讨论：对实证分析结果进行深入讨论，分析研究结果与理论预期是否一致，解释研究结果的原因和意义。探讨研究结果对企业管理实践的启示，以及对政府制定相关政策的参考价值。同时，分析研究的局限性，为后续研究提供改进方向。提出建议：根据研究结果，为企业提供针对性的策略建议。在薪酬政策制定方面，建议企业优化高管薪酬结构，降低薪酬粘性，建立与企业业绩和创新成果挂钩的薪酬激励机制；在创新管理方面，建议企业加大创新投入，优化创新资源配置，提高创新效率；在企业运营管理方面，建议企业加强内部治理，提升管理水平，促进高管薪酬粘性、创新投入与企业全要素生产率之间的良性互动，实现企业的可持续发展。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，其核心在于解释在企业所有权与经营权分离的背景下，委托人和代理人之间的关系以及由此产生的问题。在企业中，股东作为委托人，将企业的经营管理权力委托给高管等代理人。由于委托人和代理人的目标函数存在差异，股东追求企业价值最大化，而高管可能更关注自身的薪酬、声誉和职业发展等个人利益，这就导致了利益冲突的产生。同时，委托人和代理人之间存在信息不对称。高管直接参与企业的日常经营活动，掌握着关于企业运营状况、市场机会和风险等方面的大量信息，而股东往往只能通过财务报表、管理层报告等有限的渠道获取信息。这种信息不对称使得股东难以全面、准确地了解高管的行为和决策，从而为高管追求个人利益提供了机会，增加了代理成本，如道德风险和逆向选择问题。道德风险是指高管可能会采取一些不利于股东利益的行为，如过度在职消费、偷懒等；逆向选择则是指在签订委托代理合同之前，高管可能会隐瞒一些对自己不利的信息，导致股东选择了不合适的代理人。高管薪酬粘性在委托代理关系中具有重要影响。合理的薪酬粘性可以在一定程度上缓解委托代理问题。当企业业绩上升时，高管薪酬相应增加幅度较大，能够激励高管更加努力地工作，积极寻找和把握市场机会，推动企业的发展，从而实现股东利益的最大化。然而，当薪酬粘性过高时，也会带来负面影响。在企业业绩下降时，高管薪酬却没有相应大幅下降，这可能导致高管缺乏足够的动力去改善企业业绩，甚至可能会为了维持自身的高薪酬而采取一些短期行为，忽视企业的长期发展，进一步加剧委托代理问题。例如，高管可能会减少对研发等长期投资项目的投入，以提高短期业绩，从而损害企业的创新能力和核心竞争力。2.1.2激励理论激励理论主要研究如何通过各种激励手段来影响人的行为和动机，以实现组织的目标。在企业中，薪酬激励是一种重要的激励方式，对高管的行为具有显著影响。根据激励理论，薪酬不仅是对高管工作的一种回报，更是一种激励工具，能够激发高管的工作积极性和创造力。当高管的薪酬与企业的业绩紧密挂钩时，他们会更加关注企业的经营状况，努力提高企业的绩效，以获取更高的薪酬回报。对于创新投入，激励理论同样适用。创新投入对于企业的长期发展至关重要，但创新活动往往具有高风险、高不确定性和长期回报的特点。因此，需要通过合理的薪酬激励机制来鼓励高管积极推动企业的创新投入。例如，给予高管与创新成果相关的薪酬激励，如股票期权、绩效奖金等，使高管能够从创新成功中获得直接的经济利益，从而增强他们对创新投入的积极性和主动性。这样的激励机制可以促使高管克服创新过程中的困难和风险，加大对研发的投入，引进创新人才，推动企业的技术创新和产品创新，提高企业的核心竞争力。从激励理论的角度来看，创新投入与企业绩效之间也存在着紧密的激励关系。当企业进行创新投入并取得成果时，如开发出新产品、新技术，拓展了新市场，提高了生产效率等，企业的绩效往往会得到提升，包括增加销售收入、提高利润、增强市场份额等。这些绩效的提升又会进一步为高管带来更高的薪酬回报和职业声誉，从而形成一种正向的激励循环。这种激励关系促使高管更加重视创新投入，不断推动企业进行创新活动，以实现企业绩效的持续提升和企业的可持续发展。然而，如果薪酬激励机制不合理，如薪酬与创新成果和企业绩效的挂钩不紧密，可能会导致高管对创新投入的积极性降低，影响企业的创新能力和发展潜力。2.1.3企业创新理论企业创新理论认为，创新是企业发展的核心动力，是企业在激烈的市场竞争中获取竞争优势和实现可持续发展的关键。创新不仅仅是指技术创新，还包括产品创新、管理创新、商业模式创新等多个方面。技术创新是企业创新的重要组成部分，通过研发新技术、新工艺，企业可以提高生产效率，降低生产成本，开发出更具竞争力的产品和服务。产品创新则是指企业对现有产品进行改进或推出全新的产品，以满足市场不断变化的需求。管理创新涉及企业的组织架构、管理流程、决策机制等方面的变革，旨在提高企业的运营效率和管理水平。商业模式创新则是对企业的商业逻辑、盈利模式、价值创造方式等进行重新设计，以适应市场环境的变化和客户需求的演变。企业创新投入是实现创新的重要前提。创新投入包括人力、物力和财力等多个方面。在人力方面，企业需要吸引和培养高素质的创新人才，组建专业的研发团队。这些创新人才具备丰富的知识和技能，能够为企业的创新活动提供智力支持。物力投入主要包括研发设备、实验室设施等，为创新活动提供物质基础。财力投入则是指企业为创新活动提供资金支持，如研发经费、创新项目投资等。只有通过充足的创新投入，企业才能够开展各种创新活动，推动技术进步和产品升级。企业创新投入对提升全要素生产率具有重要意义。全要素生产率是衡量企业生产效率和经济增长质量的关键指标，它反映了企业在生产过程中对各种生产要素的综合利用效率。创新投入可以通过多种途径促进全要素生产率的提升。一方面，创新投入可以推动技术进步，使企业能够采用更先进的生产技术和工艺，提高生产效率，降低生产成本，从而提高全要素生产率。例如，企业通过研发投入，开发出自动化生产设备，能够大幅提高生产效率，减少人工成本，提高产品质量。另一方面，创新投入还可以促进产品创新和管理创新。产品创新可以使企业开拓新的市场，增加销售收入，提高企业的经济效益。管理创新可以优化企业的资源配置，提高企业的运营效率，降低管理成本，从而进一步提高全要素生产率。例如，企业通过引入先进的管理理念和方法，如精益生产、六西格玛管理等，优化生产流程，减少浪费，提高资源利用效率。2.2文献综述2.2.1高管薪酬粘性的研究现状在高管薪酬粘性的定义方面，Jackson等（2008）首次明确提出薪酬粘性概念，即高管薪酬在业绩上升时的边际增量大于业绩下降时的边际减少量。这一定义得到了广泛的认可和引用，后续学者在此基础上进一步深入研究。我国学者方军雄（2009）通过实证研究，证实了我国公司普遍存在高管薪酬粘性现象，即业绩下降时高管薪酬的下降幅度显著低于业绩上升时高管薪酬的增长幅度，进一步丰富了对薪酬粘性概念的理解。在度量方法上，学者们主要采用基于业绩变动的薪酬敏感性分析方法。Gaver和Gaver（1998）以1971-1997年间福布斯高管薪酬调查的美国公司为样本，通过考察公司高管货币性薪酬随公司业绩上升和下降的变化情况，来度量薪酬粘性。国内研究中，李雯等（2013）、张丽娜（2014）等学者也运用类似方法，通过构建计量模型，计算薪酬业绩敏感度的差异，来衡量高管薪酬粘性程度。此外，还有学者从薪酬调整的滞后性等角度进行度量，如研究高管薪酬在企业业绩变化后多久才进行相应调整，以及调整的幅度是否与业绩变化程度相匹配。关于影响因素，研究从公司内外部治理机制等多个视角展开。在内部治理机制方面，股权结构对高管薪酬粘性有重要影响。张继德等（2016）、徐霞（2016）、耿金岭（2017）发现第一大股东持股比例越高，股权制衡度越低，高管薪酬粘性越高；而黄嘉磊（2019）则发现股权集中度对高管薪酬粘性具有一定的抑制作用。张汉南等（2019）基于掏空视角，发现掏空程度越高，高管薪酬粘性越大。内部控制也与高管薪酬粘性密切相关，罗莉等（2015）发现内部控制能够实质性地抑制高管薪酬粘性，刘静等（2018）研究表明内部控制质量改善可以抑制高管薪酬粘性，且在地方控股企业中提升内部控制质量对缓解高管薪酬粘性效果会更加明显；李百兴等（2018）从内部控制缺陷的视角实证检验发现，若缺陷内容同高管薪酬直接相关，则高管薪酬粘性程度较强；反之，则高管薪酬粘性相对较弱。此外，从薪酬委员会、董事会特征、高管自身特点等视角的研究也发现，薪酬委员会中包含女性董事显著抑制了高管薪酬粘性（李雯和江伟，2013）；女性高管对高管薪酬粘性有明显抑制作用，且女性高管职位越高，其抑制效果就越显著（罗宾等，2018）；管理者从军经历能够降低高管薪酬粘性，且在国企中降低幅度更大（蔡三希等，2019）。在外部治理机制方面，分析师关注（刘中燕等，2014）、外部审计（林伟平，2016）、社会责任信息披露（张秀敏和高云霞，2017）等都对高管薪酬粘性有抑制作用。在经济后果方面，已有研究表明高管薪酬粘性对企业投资决策、创新活动等产生影响。薪酬粘性会导致投资不足或过度投资（如前所述，当企业业绩下滑时，高管薪酬减少幅度有限，可能导致高管缺乏足够激励进行必要投资，产生投资不足；而当企业业绩上升时，高管薪酬增加幅度较大，可能导致高管过度追求短期业绩而进行过度投资）。在创新方面，高管薪酬粘性会降低企业的创新活力，导致高管对短期利润和股价更加关注，忽视企业的长期发展，最终降低企业的创新投资热情（如相关研究发现，高管薪酬粘性与企业的创新投资呈现负相关关系）。2.2.2创新投入的影响因素研究企业创新投入受到多种内部因素的影响。高管激励是关键因素之一，合理的薪酬激励机制能够激发高管推动企业创新投入的积极性。如前文激励理论所述，当高管的薪酬与创新成果相关联时，他们会更有动力加大创新投入。股权激励也能使高管与企业的长期利益紧密结合，增强其对创新活动的支持力度。企业文化同样重要，具有创新文化的企业，能够营造鼓励创新、包容失败的氛围，激发员工的创新意识和潜能，从而促进企业增加创新投入。企业的资源状况也制约着创新投入，资金雄厚、人才丰富的企业往往能够投入更多的资源进行创新活动。例如，大型科技企业如苹果、谷歌等，凭借其强大的资金实力和丰富的人才储备，每年在研发方面投入巨额资金，不断推出创新产品和技术。外部因素对企业创新投入也有着重要作用。政策环境是重要的外部影响因素，政府出台的税收优惠、财政补贴、产业政策等对企业创新投入有显著的引导和激励作用。政府对高新技术企业给予税收减免政策，能够降低企业的创新成本，提高其创新收益，从而鼓励企业加大创新投入。市场竞争也是推动企业创新投入的重要力量，在激烈的市场竞争环境下，企业为了获取竞争优势，不得不加大创新投入，开发新产品、新技术，提高产品质量和生产效率，以满足市场需求。例如，在智能手机市场，苹果、三星等企业为了争夺市场份额，不断投入大量资源进行技术研发和产品创新，推动了整个行业的快速发展。此外，行业技术发展水平、知识产权保护力度等外部因素也会影响企业的创新投入决策。行业技术发展迅速，企业为了跟上技术发展的步伐，就需要加大创新投入；而完善的知识产权保护制度能够保障企业的创新成果，提高企业创新的积极性。2.2.3企业全要素生产率的影响因素研究要素投入是影响企业全要素生产率的基础因素。资本投入的增加可以为企业提供更先进的生产设备、技术和工艺，从而提高生产效率。例如，企业引进自动化生产线，能够提高生产的精准度和速度，降低生产成本，进而提高全要素生产率。劳动力投入的质量和数量也对全要素生产率有重要影响，高素质的劳动力具备更强的专业技能和创新能力，能够更好地利用生产要素，提高生产效率。企业通过培训和引进高素质人才，能够提升员工的整体素质，促进全要素生产率的提高。技术进步是提升企业全要素生产率的核心因素。技术创新能够推动企业生产方式的变革，开发出新产品、新工艺，提高资源利用效率，降低生产成本。新能源企业通过技术创新，开发出更高效的能源转换技术，提高了能源利用效率，从而提升了全要素生产率。管理效率的提升也对企业全要素生产率有着重要作用，科学合理的管理模式能够优化企业的资源配置，提高生产流程的协调性和效率，降低管理成本。企业采用精益生产管理模式，通过消除浪费、优化流程等措施，提高了生产效率和产品质量，提升了全要素生产率。此外，企业的规模经济效应、市场竞争环境、产业政策等因素也会对企业全要素生产率产生影响。规模经济效应可以使企业在扩大生产规模的过程中，降低单位生产成本，提高生产效率；激烈的市场竞争促使企业不断提高生产效率和管理水平，以在竞争中生存和发展；产业政策的支持能够为企业提供良好的发展环境，促进企业全要素生产率的提升。2.2.4三者关系的研究现状目前关于高管薪酬粘性与创新投入关系的研究，大多认为高管薪酬粘性会对创新投入产生负面影响。高管薪酬粘性会导致高管过于关注短期业绩和自身薪酬，而忽视企业的长期创新发展。如相关实证研究发现，高管薪酬粘性与企业的创新投资呈现负相关关系，高管薪酬粘性越高，企业的创新投入越低。在创新投入与企业全要素生产率关系方面，已有研究表明创新投入对企业全要素生产率具有显著的正向影响。新能源企业通过加大技术创新投入，提高了企业的技术水平和生产效率，优化了生产流程，降低了生产成本，从而推动了全要素生产率的提高。企业的创新投入还能够促进产业结构优化升级，提高资源配置效率，进一步提升企业全要素生产率。对于高管薪酬粘性与企业全要素生产率的关系，研究相对较少。但已有研究认为，高管薪酬粘性可能通过影响企业的投资决策、创新活动等间接影响企业全要素生产率。高管薪酬粘性导致的投资不足或过度投资，以及对创新投入的抑制作用，都可能损害企业的长期发展能力，进而降低企业全要素生产率。2.2.5文献述评尽管已有研究在高管薪酬粘性、创新投入和企业全要素生产率的各个方面取得了一定成果，但仍存在一些不足之处。首先，三者综合研究较少，大多研究仅关注其中两者之间的关系，缺乏对三者之间复杂联动关系的深入探讨。其次，在影响机制研究方面还不够深入，虽然已经认识到高管薪酬粘性对创新投入、创新投入对企业全要素生产率的影响，但对于具体的影响路径和作用机制，尚未形成全面、系统的理论框架。在研究方法上，部分研究可能存在样本选择局限性、内生性问题处理不当等不足，影响了研究结果的可靠性和普适性。本文将针对这些不足，以我国上市公司为研究样本，综合运用多种研究方法，深入分析高管薪酬粘性、创新投入与企业全要素生产率三者之间的关系，特别是创新投入在高管薪酬粘性与企业全要素生产率之间的中介作用，以期为企业管理实践和相关政策制定提供更有价值的参考。三、高管薪酬粘性、创新投入与企业全要素生产率的现状分析3.1高管薪酬粘性的现状3.1.1数据选取与样本描述本研究选取2015-2022年我国沪深A股上市公司作为研究样本，数据主要来源于国泰安数据库（CSMAR）和万得数据库（Wind）。之所以选择这一时间段，是因为在此期间我国资本市场不断完善，上市公司信息披露更加规范，数据的可得性和可靠性较高。同时，这一时期我国经济处于转型升级的关键阶段，企业面临着不同的市场环境和竞争压力，有利于研究高管薪酬粘性在不同经济背景下的表现。在样本筛选过程中，首先剔除了金融保险类上市公司，这类公司的业务模式和监管要求与其他行业存在较大差异，其高管薪酬粘性的形成机制和影响因素可能具有独特性，若将其纳入样本可能会干扰研究结果的准确性。其次，剔除了ST、*ST类上市公司，这些公司通常面临财务困境或经营异常，其高管薪酬政策可能受到特殊因素的影响，无法代表正常经营企业的情况。此外，还剔除了数据缺失或异常的样本，以确保数据的完整性和质量。经过上述筛选，最终得到有效样本公司[X]家，共计[X]个年度观测值。样本企业的基本特征如下：从行业分布来看，样本涵盖了制造业、信息技术业、批发零售业、房地产业等多个行业，其中制造业企业数量最多，占比约为[X]%，这与我国制造业在国民经济中的重要地位相符。不同行业的企业面临着不同的市场竞争环境、技术创新需求和行业发展规律，其高管薪酬粘性可能存在显著差异。从企业规模来看，样本企业的总资产规模分布较为广泛，最小值为[X]万元，最大值达到[X]亿元，平均值为[X]亿元。企业规模的差异可能会影响企业的治理结构、决策机制和资源配置能力，进而对高管薪酬粘性产生影响。在企业性质方面，国有企业占比为[X]%，非国有企业占比为[X]%。国有企业和非国有企业在产权结构、治理模式和经营目标等方面存在差异，这些差异可能导致高管薪酬粘性的不同表现。例如，国有企业可能受到更多的政府干预和监管，其高管薪酬政策可能需要考虑更多的非经济因素，而非国有企业则更注重市场导向和经济效益，高管薪酬粘性可能更多地受到市场竞争和企业业绩的影响。3.1.2高管薪酬粘性的度量方法借鉴徐悦等（2018）的研究方法，本研究以前三名高管薪酬衡量企业高管薪酬，并采用以下步骤计算高管薪酬粘性：计算薪酬和净利润增长率：计算样本年份内公司高管每年的薪酬相对上年薪酬的增长率（Comp_growth）以及公司净利润相对上年的增长率（NI_growth）。薪酬增长率的计算公式为：Comp_growth=（本年高管薪酬总额-上年高管薪酬总额）/上年高管薪酬总额；净利润增长率的计算公式为：NI_growth=（本年净利润-上年净利润）/上年净利润。若上年净利润为负，在计算净利润增长率时，分母取净利润的绝对值，以避免因分母为负导致计算结果异常。例如，某公司2020年高管薪酬总额为1000万元，2021年为1200万元，则2021年薪酬增长率为（1200-1000）/1000=0.2；若该公司2020年净利润为-500万元，2021年净利润为-300万元，则2021年净利润增长率为（-300-（-500））/|-500|=0.4。计算薪酬变动敏感性：用各年高管的薪酬增长率除以净利润增长率，得到各年高管的薪酬变动相对公司净利润变动的敏感性（Sensitivity），即Sensitivity=Comp_growth/NI_growth。这一指标反映了高管薪酬对企业净利润变动的敏感程度，敏感性越高，说明高管薪酬随企业净利润变动的幅度越大。计算滚动五年敏感性均值：计算样本期间每年及前四年的滚动五年期间内，净利润上升和净利润下降时高管薪酬变动相对公司净利润变动的敏感性均值。在计算过程中，如果滚动五年的期间内净利润增长都为正或负，这可能是由于企业处于特殊的发展阶段或受到特定事件的影响，导致数据不具有代表性，因此在这一步骤中自动剔除该样本。例如，对于2022年的数据，计算2018-2022年这一滚动五年期间内，净利润上升和下降时的敏感性均值。计算薪酬粘性：用各年的滚动五年净利润上升敏感性均值减去净利润下降敏感性均值，即得到各公司高管每年的滚动五年薪酬粘性（NX）。若NX大于0，则表明存在薪酬粘性，即企业业绩上升时高管薪酬对业绩的敏感性大于企业业绩下降时高管薪酬对业绩的敏感性；NX值越大，说明薪酬粘性程度越高。例如，某公司2022年滚动五年净利润上升敏感性均值为0.8，净利润下降敏感性均值为0.3，则该公司2022年的薪酬粘性NX=0.8-0.3=0.5。3.1.3高管薪酬粘性的描述性统计与分析对样本企业高管薪酬粘性进行描述性统计，结果如表1所示：变量观测值均值标准差最小值最大值NX[样本数量][均值][标准差][最小值][最大值]从表1可以看出，样本企业高管薪酬粘性的均值为[均值]，说明整体上我国上市公司存在一定程度的高管薪酬粘性。标准差为[标准差]，表明不同企业之间的高管薪酬粘性存在较大差异。最小值为[最小值]，部分企业的高管薪酬粘性较低，甚至可能不存在薪酬粘性，这可能与这些企业完善的公司治理结构、合理的薪酬政策以及有效的监督机制有关。最大值为[最大值]，这表明少数企业的高管薪酬粘性极高，可能存在较为严重的代理问题，高管薪酬未能充分反映企业的业绩变化，导致薪酬激励机制失效。进一步分析高管薪酬粘性在不同年份的变化趋势，如图1所示：[此处插入高管薪酬粘性随年份变化的折线图]从图1可以看出，2015-2022年期间，高管薪酬粘性整体呈现出先上升后下降的趋势。在2015-2018年，高管薪酬粘性逐渐上升，这可能是由于这一时期我国经济处于结构调整阶段，企业面临较大的市场不确定性，为了稳定高管团队，企业可能给予高管更多的薪酬保护，导致薪酬粘性增加。2018-2022年，高管薪酬粘性呈现下降趋势，这可能得益于我国资本市场改革的不断推进，公司治理结构的逐步完善，以及监管力度的加强，使得企业更加注重薪酬与业绩的挂钩，从而降低了薪酬粘性。通过对不同行业高管薪酬粘性的比较分析发现，信息技术业、医药生物业等高科技行业的高管薪酬粘性相对较低，平均值分别为[行业1均值]和[行业2均值]。这些行业竞争激烈，技术更新换代快，企业需要不断创新以保持竞争力，因此更加注重高管的创新能力和业绩表现，薪酬与业绩的关联度较高，薪酬粘性较低。而房地产、公用事业等行业的高管薪酬粘性相对较高，平均值分别为[行业3均值]和[行业4均值]。这些行业受政策影响较大，市场竞争相对较小，企业业绩的稳定性较高，高管薪酬对业绩的敏感性相对较弱，导致薪酬粘性较高。在企业规模方面，大型企业的高管薪酬粘性均值为[大型企业均值]，中型企业为[中型企业均值]，小型企业为[小型企业均值]。大型企业通常具有更完善的治理结构和更严格的监督机制，能够更好地约束高管的行为，使薪酬与业绩更加紧密地结合，因此薪酬粘性相对较低。而小型企业可能由于资源有限、治理结构不完善等原因，对高管的约束能力较弱，薪酬粘性相对较高。综上所述，我国上市公司高管薪酬粘性存在一定的差异，且受到多种因素的影响，不同行业、不同规模企业的高管薪酬粘性表现出不同的特征。3.2创新投入的现状3.2.1创新投入的度量方法在衡量企业创新投入时，学界常用的指标主要有研发投入金额和研发投入强度。研发投入金额是指企业在一定时期内投入到研究与开发活动中的资金总额，它直观地反映了企业在创新活动上的资源投入规模。以华为公司为例，2023年其研发投入金额高达1615亿元，如此庞大的资金投入为其在通信技术、芯片研发等领域的创新突破提供了坚实的物质基础。然而，研发投入金额受企业规模影响较大，大型企业通常在研发投入金额上远超小型企业，这使得单纯比较研发投入金额难以准确衡量不同规模企业的创新投入积极性和相对水平。研发投入强度则弥补了这一不足，它是研发投入金额与营业收入或总资产的比值，反映了企业在创新投入方面的相对力度。例如，某小型科技企业年营业收入为5亿元，研发投入金额为5000万元，其研发投入强度为10%；而某大型传统制造企业年营业收入为500亿元，研发投入金额为20亿元，研发投入强度仅为4%。通过研发投入强度的对比，可以更清晰地看出小型科技企业在创新投入上的积极性和相对投入水平更高，更能体现企业对创新的重视程度和资源配置倾向，在研究不同规模企业的创新投入时具有重要的参考价值。除了上述两个常用指标，研发人员占比也是衡量创新投入的重要维度。研发人员是企业创新活动的核心主体，研发人员占比指的是企业研发人员数量占员工总数的比例。这一指标反映了企业在人力资源配置上对创新活动的重视程度和投入力度。具有较高研发人员占比的企业，通常在创新能力和创新潜力方面具有优势。如一些专注于生物医药研发的企业，研发人员占比可能高达50%以上，这些专业人才凭借其深厚的专业知识和创新能力，推动企业在新药研发、生物技术创新等方面不断取得突破。此外，专利申请数量也在一定程度上反映了企业的创新投入情况。虽然专利申请数量并非直接等同于创新投入，但它是创新投入的一种产出结果。企业在进行创新投入后，通过研发活动产生新的技术、产品或方法，往往会以专利的形式进行保护。因此，专利申请数量可以从侧面反映企业在创新投入方面的成果和努力程度。例如，某通信企业在5G技术研发方面投入大量资源，随着研发的推进，其专利申请数量大幅增加，在5G技术标准制定中占据重要地位，这些专利申请数量不仅体现了企业在5G技术研发上的创新投入成果，也为企业在市场竞争中赢得了优势。3.2.2创新投入的描述性统计与分析对样本企业的创新投入数据进行描述性统计，结果如表2所示：变量观测值均值标准差最小值最大值研发投入金额（万元）[样本数量][均值金额][标准差金额][最小值金额][最大值金额]研发投入强度（%）[样本数量][均值强度][标准差强度][最小值强度][最大值强度]研发人员占比（%）[样本数量][均值占比][标准差占比][最小值占比][最大值占比]从研发投入金额来看，样本企业的均值为[均值金额]万元，这表明整体上我国上市公司在创新投入方面有一定的资金规模。然而，标准差达到[标准差金额]万元，说明不同企业之间的研发投入金额存在较大差异。最小值仅为[最小值金额]万元，反映出部分企业对创新投入的重视程度不足，投入资金较少；而最大值高达[最大值金额]万元，这些高投入企业通常是行业内的领军企业，它们凭借雄厚的资金实力和战略眼光，积极投入研发，以保持在市场中的竞争优势。在研发投入强度方面，均值为[均值强度]%，说明平均来看，企业将[均值强度]%的营业收入或总资产投入到创新活动中。标准差为[标准差强度]%，显示出企业间研发投入强度的离散程度较大。最小值为[最小值强度]%，意味着一些企业的创新投入相对不足，可能面临较大的市场竞争压力；最大值为[最大值强度]%，这些高投入强度的企业往往处于技术密集型行业，如信息技术、生物医药等，创新是它们生存和发展的关键，因此对创新投入的力度较大。研发人员占比的均值为[均值占比]%，表明平均每100名员工中约有[均值占比]名研发人员。标准差为[标准差占比]%，体现了企业间在研发人员配置上的差异。最小值为[最小值占比]%，说明部分企业在人力资源配置上对创新活动的重视程度不够；最大值为[最大值占比]%，这些企业高度重视研发人才的引进和培养，构建了强大的研发团队，为企业的创新发展提供了有力的人才支撑。进一步分析不同行业的创新投入情况，发现信息技术、生物医药等高科技行业的研发投入强度和研发人员占比明显高于其他行业。信息技术行业的研发投入强度均值达到[行业1强度均值]%，研发人员占比均值为[行业1占比均值]%；生物医药行业的研发投入强度均值为[行业2强度均值]%，研发人员占比均值为[行业2占比均值]%。这些行业的技术更新换代迅速，市场竞争激烈，企业为了在市场中立足并取得竞争优势，必须不断加大创新投入，提高研发能力，以推出具有创新性和竞争力的产品和服务。而传统制造业、批发零售业等行业的创新投入相对较低，传统制造业的研发投入强度均值为[行业3强度均值]%，研发人员占比均值为[行业3占比均值]%；批发零售业的研发投入强度均值为[行业4强度均值]%，研发人员占比均值为[行业4占比均值]%。这些行业的产品和服务相对成熟，技术创新的需求和紧迫性相对较弱，导致创新投入水平较低。从企业规模角度来看，大型企业的研发投入金额和研发人员占比普遍高于小型企业。大型企业凭借其雄厚的资金实力和广泛的资源渠道，能够投入大量资金用于研发活动，同时吸引更多的优秀研发人才。大型企业的研发投入金额均值为[大型企业金额均值]万元，研发人员占比均值为[大型企业占比均值]%；小型企业的研发投入金额均值为[小型企业金额均值]万元，研发人员占比均值为[小型企业占比均值]%。然而，小型企业在研发投入强度方面并不逊色于大型企业，部分小型企业为了实现快速发展和突破，会将较高比例的营业收入投入到研发中，其研发投入强度均值为[小型企业强度均值]%，与大型企业的[大型企业强度均值]%相差不大，这表明小型企业在创新投入上具有较强的积极性和灵活性。综上所述，我国上市公司的创新投入存在明显的行业差异和企业规模差异，不同行业和规模的企业在创新投入的规模、强度和人才配置上呈现出不同的特点。3.3企业全要素生产率的现状3.3.1企业全要素生产率的度量方法在学术研究与企业实践中，企业全要素生产率的度量方法丰富多样，不同方法各有其特点与适用场景。数据包络分析（DEA）是一种基于线性规划的非参数方法，无需预先设定生产函数的具体形式，避免了因函数设定不当而产生的误差。该方法通过构建生产前沿面，将决策单元（企业）与前沿面进行对比，从而衡量企业的生产效率。DEA方法能够处理多投入多产出的复杂生产系统，可同时考虑资本、劳动、技术等多种生产要素的投入与产出情况，适用于对不同行业、不同规模企业的全要素生产率进行比较分析。在研究制造业企业时，DEA方法可综合考量原材料投入、劳动力投入、设备投入等多种投入要素，以及产品产量、销售额、利润等多种产出要素，全面评估企业的生产效率。然而，DEA方法对数据质量要求较高，若数据存在异常值或缺失值，可能会影响结果的准确性。同时，DEA方法假设所有企业都面临相同的生产技术和市场环境，这在实际中可能并不完全符合情况。随机前沿分析（SFA）是一种参数方法，需要预先设定生产函数的具体形式，如柯布-道格拉斯生产函数或超越对数生产函数。通过估计生产函数中的参数，SFA可以得到企业的生产效率。该方法能够考虑随机因素对生产效率的影响，将生产效率的变动分解为技术效率变动和随机误差两部分，从而更准确地分析企业生产效率的影响因素。SFA方法适用于对特定行业或企业群体进行深入分析，通过设定合适的生产函数，可以更好地捕捉行业或企业的生产特征。在研究电力行业企业时，根据电力生产的特点，设定合适的生产函数，运用SFA方法可以准确分析技术进步、管理水平等因素对企业全要素生产率的影响。但SFA方法对生产函数的设定较为敏感，若函数设定不合理，可能会导致估计结果偏差较大。OP法（Olley-Pakes方法）是一种半参数估计方法，旨在解决传统估计方法中存在的内生性问题。该方法利用企业的投资决策作为生产率冲击的代理变量，通过控制投资与生产率之间的相关性，来估计企业的全要素生产率。OP法能够较好地处理企业在面临生产率冲击时的动态调整行为，适用于研究企业在不同市场环境下的生产效率变化。在研究面临市场需求波动的企业时，OP法可以通过投资变量捕捉企业对市场变化的反应，从而更准确地评估企业的全要素生产率。然而，OP法对数据的要求较高，需要详细的企业投资数据，且在实际应用中，投资与生产率之间的关系可能较为复杂，可能会影响估计结果的准确性。LP法（Levinsohn-Petrin方法）也是一种半参数估计方法，它采用中间投入作为生产率冲击的代理变量，以克服内生性问题。LP法在一定程度上解决了OP法中投资数据难以获取以及投资与生产率关系复杂的问题，具有更强的可操作性。该方法通过中间投入的变化来反映企业生产技术和效率的变化，适用于多种行业的企业全要素生产率估计。在研究化工行业企业时，LP法可以利用原材料等中间投入数据，准确估计企业的全要素生产率。但LP法同样对数据质量有一定要求，且在处理一些特殊行业或企业时，可能需要对方法进行适当调整。在本研究中，考虑到样本数据的特点以及研究目的，选择LP法来度量企业全要素生产率。LP法在处理多投入多产出的企业生产系统时，能够较好地利用样本数据中的中间投入信息，克服内生性问题，从而得到较为准确的全要素生产率估计结果。同时，LP法的计算过程相对较为简便，在满足研究需求的前提下，提高了研究效率。3.3.2企业全要素生产率的描述性统计与分析对样本企业全要素生产率进行描述性统计，结果如表3所示：变量观测值均值标准差最小值最大值TFP[样本数量][均值TFP][标准差TFP][最小值TFP][最大值TFP]从表3可以看出，样本企业全要素生产率的均值为[均值TFP]，表明整体上我国上市公司的全要素生产率处于一定水平。标准差为[标准差TFP]，说明不同企业之间的全要素生产率存在较大差异。最小值为[最小值TFP]，这部分企业的生产效率较低，可能在技术创新、管理水平、资源配置等方面存在不足，需要进一步优化改进以提高全要素生产率。最大值为[最大值TFP]，这些企业在生产效率方面表现出色，可能在技术研发、生产流程优化、市场拓展等方面具有优势，能够更有效地利用生产要素，实现较高的产出水平。进一步分析企业全要素生产率在不同年份的变化趋势，如图2所示：[此处插入企业全要素生产率随年份变化的折线图]从图2可以看出，2015-2022年期间，企业全要素生产率整体呈现出波动上升的趋势。在2015-2017年，全要素生产率略有下降，这可能是由于这一时期我国经济处于结构调整阶段，部分企业面临市场需求变化、成本上升等压力，导致生产效率受到一定影响。2017-2022年，全要素生产率逐渐上升，这得益于我国经济结构调整的成效逐渐显现，企业加大了技术创新和管理创新的力度，提高了资源配置效率，从而推动了全要素生产率的提升。通过对不同行业企业全要素生产率的比较分析发现，信息技术、医药生物等高科技行业的全要素生产率相对较高，平均值分别为[行业1均值TFP]和[行业2均值TFP]。这些行业技术创新活跃，企业不断投入研发资源，推动技术进步和产品创新，从而提高了生产效率和资源利用效率。同时，高科技行业的企业通常具有较高的管理水平和先进的生产模式，能够更好地适应市场变化，实现高效生产。而传统制造业、批发零售业等行业的全要素生产率相对较低，平均值分别为[行业3均值TFP]和[行业4均值TFP]。传统制造业可能存在技术设备老化、生产流程繁琐等问题，导致生产效率低下；批发零售业由于行业特点，附加值相对较低，生产要素的利用效率不高，从而影响了全要素生产率。在企业规模方面，大型企业的全要素生产率均值为[大型企业均值TFP]，中型企业为[中型企业均值TFP]，小型企业为[小型企业均值TFP]。大型企业通常具有规模经济效应，能够在采购、生产、销售等环节降低成本，提高生产效率。同时，大型企业往往拥有更雄厚的资金和技术实力，能够投入更多资源进行技术研发和管理创新，进一步提升全要素生产率。小型企业虽然在灵活性和创新活力方面具有一定优势，但由于资源有限，在技术设备、人才储备等方面相对薄弱，可能会限制其全要素生产率的提升。综上所述，我国上市公司的全要素生产率存在行业差异和企业规模差异，不同行业和规模的企业在全要素生产率水平和发展趋势上呈现出不同的特点。四、高管薪酬粘性对创新投入的影响4.1理论分析与研究假设4.1.1高管薪酬粘性对创新投入的正向影响机制从风险承担角度来看，创新活动具有高风险性和不确定性，其成功与否往往受到多种因素的影响，包括技术难题、市场需求变化、竞争对手反应等。在传统的薪酬模式下，企业业绩下滑时高管薪酬会大幅下降，这使得高管在面对创新决策时，往往会过度关注风险，担心创新失败导致自身薪酬受损，从而对创新投入持谨慎态度。然而，高管薪酬粘性的存在改变了这种局面。当企业业绩下降时，高管薪酬由于粘性的作用并不会大幅降低，这在一定程度上降低了高管对创新失败风险的担忧，使他们更有动力和勇气去尝试创新活动，增加创新投入。例如，某科技企业在研发一款新型产品时，面临着技术研发难度大、市场前景不明朗等风险。在高管薪酬粘性较高的情况下，即使该产品研发失败可能导致企业短期业绩下滑，但高管的薪酬不会受到太大影响，这使得高管能够更从容地决策，加大对该产品研发的投入，包括投入更多的资金用于技术研发、人才引进和市场调研等，从而提高了企业的创新投入水平。从长期激励角度分析，高管薪酬粘性体现了企业对高管的长期信任和支持。这种长期信任会激发高管的责任感和使命感，使其更加关注企业的长期发展目标。创新投入是企业实现长期可持续发展的关键因素，高管为了实现企业的长期价值增长，会积极推动创新活动，加大创新投入。以华为公司为例，华为长期坚持高研发投入，其高管薪酬体系也具有一定的粘性特征。这种薪酬粘性使得高管能够从企业的长期发展角度出发，坚定地支持公司的研发战略，不断投入大量资源进行技术创新，从而使华为在通信技术领域取得了众多领先成果，提升了企业的核心竞争力。此外，高管薪酬粘性还可以通过减少高管的短期行为，促使他们更加注重企业的长期创新能力建设。高管会积极培养企业的创新人才队伍，建立长期稳定的创新合作关系，为企业的持续创新提供坚实的基础。4.1.2高管薪酬粘性对创新投入的负向影响机制高管薪酬粘性可能导致高管的短视行为。当高管薪酬粘性较高时，高管的薪酬与企业短期业绩的关联度相对降低，这可能使得高管对短期业绩的关注度下降，而更加关注自身的薪酬稳定性和职业安全。在这种情况下，高管可能会采取一些短期行为来维持企业的表面业绩，而忽视企业的长期创新发展。例如，高管可能会削减研发投入，将资金用于短期盈利项目或进行财务操纵，以提高企业的短期利润，从而确保自己的薪酬不受影响。某企业为了在短期内提高股价和业绩，高管减少了对研发部门的资金投入，将资金用于市场推广和短期投资项目。虽然短期内企业的业绩有所提升，但长期来看，由于创新投入不足，企业的产品竞争力逐渐下降，市场份额被竞争对手抢占，最终导致企业的发展陷入困境。高管薪酬粘性还可能降低高管的创新动力。创新活动需要高管投入大量的时间和精力，并且面临着较高的失败风险。在薪酬粘性较高的情况下，高管即使不进行创新活动，也能获得相对稳定的薪酬。这可能会使高管产生懈怠心理，缺乏主动创新的动力。此外，高管薪酬粘性可能导致企业内部的不公平感，普通员工会认为高管在业绩下降时薪酬依然稳定，而自己却可能面临工资减少、裁员等风险，从而降低员工对企业的认同感和忠诚度，影响企业的创新氛围和团队合作，进一步削弱高管的创新动力。例如，某企业的高管薪酬粘性较高，普通员工在企业业绩下滑时感受到了明显的收入减少和工作压力增加，而高管薪酬却未受影响。这使得员工对企业的公平性产生质疑，工作积极性下降，创新团队的凝聚力和协作能力受到破坏，高管也因此缺乏推动创新的动力和支持，导致企业的创新投入逐渐减少。4.1.3研究假设的提出综合以上分析，高管薪酬粘性对创新投入的影响具有复杂性，既存在正向影响机制，也存在负向影响机制。因此，本文提出以下竞争性假设：H1a：高管薪酬粘性与企业创新投入呈正相关关系，即高管薪酬粘性越高，企业创新投入越多。H1b：高管薪酬粘性与企业创新投入呈负相关关系，即高管薪酬粘性越高，企业创新投入越少。4.2研究设计4.2.1变量定义与模型构建变量定义自变量：高管薪酬粘性（NX），采用前文所述的滚动五年薪酬粘性计算方法，即以前三名高管薪酬衡量企业高管薪酬，通过计算薪酬增长率、净利润增长率、薪酬变动敏感性以及滚动五年敏感性均值，最终得出滚动五年薪酬粘性（NX）。若NX大于0，则表明存在薪酬粘性，且NX值越大，薪酬粘性程度越高。因变量：创新投入（RD），选用研发投入强度来度量创新投入，即研发投入金额与营业收入的比值。该指标能够反映企业在创新投入方面的相对力度，消除企业规模对创新投入绝对金额的影响，更准确地衡量企业对创新的重视程度和资源配置倾向。控制变量：为了控制其他因素对创新投入的影响，选取以下控制变量：企业规模（Size），以企业总资产的自然对数来衡量，企业规模越大，可能拥有更多的资源用于创新投入；资产负债率（Lev），反映企业的偿债能力和财务风险，较高的财务风险可能会影响企业的创新投入决策；盈利能力（ROA），用净利润与总资产的比值表示，盈利能力强的企业通常有更多的资金用于创新活动；股权集中度（Top1），以第一大股东持股比例衡量，股权集中度可能会影响企业的决策机制和资源分配，进而影响创新投入；行业虚拟变量（Industry），根据证监会行业分类标准，设置行业虚拟变量，以控制不同行业的特征差异对创新投入的影响；年度虚拟变量（Year），用于控制宏观经济环境和政策变化等年度因素对创新投入的影响。模型构建为了检验高管薪酬粘性与创新投入之间的关系，构建如下回归模型：RD_{it}=\alpha_0+\alpha_1NX_{it}+\sum_{j=1}^{n}\alpha_{j+1}Controls_{jit}+\sum_{k=1}^{m}\beta_{k}Industry_{kit}+\sum_{l=1}^{p}\gamma_{l}Year_{lit}+\epsilon_{it}其中，i表示企业，t表示年份；\alpha_0为常数项；\alpha_1为高管薪酬粘性（NX）的回归系数，用于检验假设H1a和H1b，若\alpha_1\gt0，则支持假设H1a，即高管薪酬粘性与企业创新投入呈正相关关系；若\alpha_1\lt0，则支持假设H1b，即高管薪酬粘性与企业创新投入呈负相关关系；Controls_{jit}表示第j个控制变量在第i个企业第t年的值；\alpha_{j+1}为控制变量的回归系数；Industry_{kit}表示第k个行业虚拟变量在第i个企业第t年的值；\beta_{k}为行业虚拟变量的回归系数；Year_{lit}表示第l个年度虚拟变量在第i个企业第t年的值；\gamma_{l}为年度虚拟变量的回归系数；\epsilon_{it}为随机误差项。4.2.2数据来源与样本选择本研究的数据主要来源于国泰安数据库（CSMAR）和万得数据库（Wind）。国泰安数据库提供了丰富的上市公司财务数据、公司治理数据等，万得数据库则在宏观经济数据、行业数据等方面具有优势，两者的数据相互补充，能够为研究提供全面、准确的数据支持。样本选择方面，以2015-2022年我国沪深A股上市公司为初始研究样本。在数据筛选过程中，首先剔除了金融保险类上市公司，这类公司的业务性质和监管要求与其他行业存在显著差异，其高管薪酬粘性和创新投入的影响因素及作用机制可能与一般企业不同，若将其纳入样本可能会干扰研究结果的准确性。其次，剔除了ST、*ST类上市公司，这些公司通常面临财务困境或经营异常，其高管薪酬政策和创新投入决策可能受到特殊因素的影响，无法代表正常经营企业的情况。此外，还对数据缺失值进行了处理，对于关键变量存在缺失值的样本予以剔除，以确保样本数据的完整性和可靠性。经过上述筛选，最终得到有效样本公司[X]家，共计[X]个年度观测值。这样的样本选择和数据处理方法能够保证研究样本具有代表性，从而提高研究结果的可信度和有效性。4.3实证结果与分析4.3.1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，以初步了解变量之间的关系。表4展示了高管薪酬粘性（NX）、创新投入（RD）以及控制变量之间的皮尔逊相关系数。变量NXRDSizeLevROATop1NX1RD-0.256***1Size0.123**-0.085**1Lev-0.097**-0.152***0.345***1ROA0.187***0.201***0.452***-0.286***1Top1-0.063*-0.071**0.134***-0.058*0.116***1注：*、**、***分别表示在10%、5%、1%的水平上显著。从表4可以看出，高管薪酬粘性（NX）与创新投入（RD）的相关系数为-0.256，且在1%的水平上显著，初步表明高管薪酬粘性与创新投入呈负相关关系，这与假设H1b相符，但还需要进一步通过回归分析来验证。企业规模（Size）与创新投入（RD）呈负相关，相关系数为-0.085，在5%的水平上显著，说明企业规模越大，创新投入可能相对越少，这可能是因为大型企业的管理结构相对复杂，决策流程较长，对创新的响应速度可能较慢。资产负债率（Lev）与创新投入（RD）也呈负相关，相关系数为-0.152，在1%的水平上显著，较高的资产负债率意味着企业面临较大的财务风险，可能会限制企业的创新投入。盈利能力（ROA）与创新投入（RD）呈正相关，相关系数为0.201，在1%的水平上显著，表明盈利能力强的企业有更多的资金和资源用于创新活动。股权集中度（Top1）与创新投入（RD）呈负相关，相关系数为-0.071，在5%的水平上显著，说明股权集中度越高，企业的创新投入可能越低，这可能是因为股权高度集中时，大股东可能更注重短期利益，对创新这种长期投资的支持力度不足。此外，各控制变量之间也存在一定的相关性。企业规模（Size）与资产负债率（Lev）的相关系数为0.345，在1%的水平上显著，表明企业规模越大，资产负债率可能越高；企业规模（Size）与盈利能力（ROA）的相关系数为0.452，在1%的水平上显著，说明规模较大的企业通常盈利能力较强。这些相关性在后续的回归分析中需要加以控制，以避免多重共线性问题对研究结果的影响。4.3.2回归结果分析对模型进行回归分析，结果如表5所示：变量RDNX-0.185***Size-0.068**Lev-0.123***ROA0.156***Top1-0.054*Industry控制Year控制Constant0.085***N[样本数量]Adj.R²0.235注：*、**、***分别表示在10%、5%、1%的水平上显著。从回归结果来看，高管薪酬粘性（NX）的系数为-0.185，在1%的水平上显著，这表明高管薪酬粘性与企业创新投入呈显著的负相关关系，即高管薪酬粘性越高，企业创新投入越少，假设H1b得到了验证。这一结果与理论分析中的负向影响机制相符，高管薪酬粘性可能导致高管的短视行为和降低创新动力，从而减少企业的创新投入。企业规模（Size）的系数为-0.068，在5%的水平上显著，进一步证实了企业规模越大，创新投入相对越少的结论。资产负债率（Lev）的系数为-0.123，在1%的水平上显著，说明资产负债率对创新投入有显著的负面影响，企业财务风险越高，创新投入越低。盈利能力（ROA）的系数为0.156，在1%的水平上显著，表明盈利能力强的企业确实更有能力进行创新投入。股权集中度（Top1）的系数为-0.054，在10%的水平上显著，说明股权集中度对创新投入有一定的抑制作用。调整后的R²为0.235，说明模型对创新投入的解释能力较好，能够解释约23.5%的创新投入变动。F值在1%的水平上显著，表明模型整体是显著的，即自变量对因变量有显著的影响。从经济意义上解释，高管薪酬粘性每增加1个单位，企业创新投入（研发投入强度）将降低0.185个百分点。这意味着企业应关注高管薪酬粘性问题，合理设计薪酬制度，降低薪酬粘性，以提高高管对创新投入的积极性，促进企业的创新发展。例如，某企业通过优化薪酬结构，降低了高管薪酬粘性，使得高管更加关注企业的长期创新发展，企业的创新投入相应增加，从而推动了企业的技术进步和产品升级，提高了企业的市场竞争力。4.3.3稳健性检验为了确保研究结果的可靠性，采用多种方法进行稳健性检验。替换变量法：采用研发投入金额（RD_amount）作为创新投入的替代变量，重新进行回归分析。研发投入金额是企业在创新活动中投入的资金总量，能够直接反映企业在创新方面的资源投入规模。回归结果如表6所示：变量RD_amountNX-0.212***Size0.156***Lev-0.135***ROA0.187***Top1-0.062*Industry控制Year控制Constant-1.256***N[样本数量]Adj.R²0.256注：*、**、***分别表示在10%、5%、1%的水平上显著。从表6可以看出，高管薪酬粘性（NX）的系数为-0.212，在1%的水平上显著，依然与创新投入呈负相关关系，与原模型结果一致，说明研究结果具有一定的稳健性。改变样本区间：选取2016-2021年的数据进行回归分析，以检验研究结果是否受到样本区间的影响。在这一时间段内，我国经济环境和市场竞争态势相对稳定，企业的经营和发展也具有一定的连贯性。回归结果如表7所示：变量RDNX-0.178***Size-0.072**Lev-0.118***ROA0.148***Top1-0.058*Industry控制Year控制Constant0.088***N[样本数量]Adj.R²0.232注：*、**、***分别表示在10%、5%、1%的水平上显著。结果显示，高管薪酬粘性（NX）的系数为-0.178，在1%的水平上显著，与原模型结果相近，表明研究结果在不同样本区间下具有稳定性。内生性检验：考虑到可能存在的内生性问题，采用工具变量法进行检验。选取同行业其他企业高管薪酬粘性的平均值（IV_NX）作为工具变量，同行业其他企业高管薪酬粘性的平均值与本企业的高管薪酬粘性可能存在相关性，但与本企业的创新投入不存在直接的因果关系，满足工具变量的外生性和相关性条件。通过两阶段最小二乘法（2SLS）进行回归，第一阶段回归结果显示，工具变量（IV_NX）与高管薪酬粘性（NX）显著相关；第二阶段回归结果如表8所示：变量RDNX-0.196***Size-0.070**Lev-0.120***ROA0.152***Top1-0.056*Industry控制Year控制Constant0.086***N[样本数量]Adj.R²0.233注：*、**、***分别表示在10%、5%、1%的水平上显著。从表8可以看出，在控制内生性问题后，高管薪酬粘性（NX）的系数为-0.196，在1%的水平上显著，仍然与创新投入呈负相关关系，进一步验证了研究结果的可靠性。通过以上稳健性检验，表明高管薪酬粘性与企业创新投入呈负相关关系的研究结果是稳健可靠的，增强了研究结论的说服力。4.4结果讨论4.4.1结果解释从理论层面来看，委托代理理论指出，高管薪酬粘性会影响高管与股东之间的利益一致性。当高管薪酬粘性较高时，高管在业绩下降时薪酬减少幅度有限，这使得高管的利益与企业短期业绩的关联度降低，从而可能导致高管更关注自身的薪酬稳定性和职业安全，而忽视企业的长期创新发展。这种行为与委托代理理论中关于信息不对称和利益冲突的观点相契合，高管在薪酬粘性的影响下，可能会利用自身的信息优势，采取对自己有利但不利于企业长期创新的决策。激励理论也能解释这一结果。合理的薪酬激励应该能够激发高管的创新动力，但高管薪酬粘性的存在打破了这种激励的平衡。在高薪酬粘性下，高管即使不进行创新活动，也能获得相对稳定的薪酬，这降低了创新活动对高管的激励作用，使得高管缺乏主动创新的意愿。从实践角度分析，在现实企业中，高管薪酬粘性较高的企业往往存在一些问题。企业可能缺乏有效的监督机制，无法对高管的行为进行严格约束，导致高管能够在业绩下滑时依然保持较高的薪酬水平。企业的治理结构可能不完善，股权结构不合理，大股东对高管的监督不力，使得高管有机会追求自身利益最大化，而忽视企业的创新投入。一些家族企业中，大股东可能过于信任家族成员担任的高管，对其薪酬调整不够及时和严格，导致薪酬粘性较高，进而影响了企业的创新投入。此外，市场环境也会对高管薪酬粘性与创新投入的关系产生影响。在竞争激烈的市场环境中，企业为了生存和发展，本应加大创新投入，但如果高管薪酬粘性较高，高管可能会因为担心创新失败对自身薪酬的影响而减少创新投入。相反，在市场竞争相对较弱的行业，企业可能缺乏创新的紧迫感，高管薪酬粘性的负面影响可能会更加凸显，进一步抑制企业的创新投入。例如，在一些传统制造业行业，市场竞争相对稳定，企业的创新需求相对较低，当高管薪酬粘性较高时，高管可能会更倾向于维持现状，减少创新投入，导致企业在市场竞争中逐渐失去优势。4.4.2影响因素分析企业内部治理结构是影响高管薪酬粘性与创新投入关系的重要因素。股权结构方面，股权集中度较高的企业，大股东可能更注重短期利益，对高管的监督和约束相对较弱，使得高管薪酬粘性较高，进而抑制创新投入。而股权制衡度较高的企业，各股东之间能够相互制约，对高管的监督更加有效，有利于降低高管薪酬粘性，促进创新投入。例如，在一些国有企业中，股权集中度较高，政府作为大股东可能更关注企业的短期业绩和稳定，对高管薪酬的调整不够灵活，导致薪酬粘性较高，创新投入相对不足。而在一些民营企业中，股权结构相对分散，股东之间的制衡作用较强，能够促使高管更加关注企业的长期创新发展，降低薪酬粘性，加大创新投入。董事会的独立性和有效性也至关重要。独立性强的董事会能够更好地监督高管的行为，制定合理的薪酬政策，避免高管薪酬粘性过高。如果董事会成员大多由内部高管或与高管关系密切的人员组成，可能会受到高管的影响，无法有效监督高管薪酬，导致薪酬粘性增加，不利于创新投入。董事会的专业能力和经验也会影响其对高管薪酬和创新决策的判断，具有丰富行业经验和专业知识的董事会能够更好地评估创新项目的价值，支持高管进行创新投入。企业文化同样会对高管薪酬粘性与创新投入关系产生影响。具有创新文化的企业，能够营造鼓励创新、包容失败的氛围，使高管更愿意承担创新风险，减少对薪酬粘性的依赖。在这种文化环境下，高管会将创新视为企业发展的核心，积极推动创新投入，即使面临业绩波动，也会坚持创新战略。而保守的企业文化可能会强调稳定和短期业绩，使得高管更加关注薪酬的稳定性，在薪酬粘性较高的情况下，进一步抑制创新投入。例如，苹果公司以其创新文化著称，鼓励员工和高管勇于尝试新的技术和理念，在这种文化的影响下，苹果公司的高管积极推动创新投入，不断推出具有创新性的产品，即使在业绩波动时，也不会轻易减少创新投入。相反，一些传统的制造企业，企业