中国商业银行高管薪酬对资源配置行为的影响：基于实证视角的深度剖析

中国商业银行高管薪酬对资源配置行为的影响：基于实证视角的深度剖析一、引言1.1研究背景与意义在我国金融体系中，商业银行占据着核心地位，是资金融通与资源配置的关键枢纽。作为金融市场的主要参与者，商业银行通过吸收公众存款、发放贷款、开展中间业务等活动，为金融市场提供了不可或缺的流动性与资金支持，其资产规模与广泛的业务范围，足以对市场利率、汇率等金融价格产生影响，进而左右整个金融市场的运行态势。同时，商业银行也是资金配置的重要渠道，通过贷款、投资等业务，将资金从储蓄者转移至生产者和消费者手中，有力地促进了社会资源的合理配置与经济增长，还能通过发行债券、股票等金融产品，为企业和政府提供融资途径，支持实体经济发展。在维护金融市场稳定方面，商业银行同样功不可没，在市场出现波动时，可通过调整资产结构、进行流动性管理等手段，缓解市场风险，其在风险管理、合规经营等方面的经验，也有助于提升整个金融市场的风险防控能力。高管薪酬作为商业银行公司治理的重要组成部分，对银行的运营与发展有着深远影响。合理的高管薪酬制度能够有效激励高管，促使其做出有利于银行长远发展的决策，提升银行的经营绩效与市场竞争力。从委托代理理论来看，高管与股东之间存在委托代理关系，由于信息不对称和目标函数不一致，可能引发代理问题。而合理的薪酬激励可以在一定程度上缓解这种矛盾，使高管的行为与股东利益趋于一致。人力资本理论也表明，高管作为具有专业知识和管理技能的人力资本，其付出应得到相应的回报，合理的薪酬是对其人力资本价值的认可，能激励他们充分发挥才能。若薪酬制度不合理，可能导致高管的短期行为，为追求个人利益而忽视银行的长期稳定发展，甚至引发道德风险，给银行带来巨大损失。资源配置行为则是商业银行运营的核心环节，关乎银行的盈利能力与风险状况。商业银行通过信贷投放、投资等活动，将资金分配到不同的行业、企业和项目中。高效的资源配置能够提高资金使用效率，促进经济增长；反之，若资源配置不合理，资金流向低效或高风险领域，不仅会降低银行的收益，还可能积累金融风险，威胁金融稳定。在当前经济形势复杂多变、金融市场竞争日益激烈的背景下，研究商业银行高管薪酬与资源配置行为具有重要的理论与现实意义。从理论层面来看，虽然已有不少关于高管薪酬和企业资源配置的研究，但针对商业银行这一特殊行业的深入研究仍显不足。商业银行具有高负债经营、强外部性等特点，其高管薪酬与资源配置行为可能存在独特的规律和影响因素。深入探究两者之间的关系，有助于丰富和完善金融领域的公司治理理论，为后续研究提供新的视角和思路。在现实意义上，对商业银行而言，有助于银行优化高管薪酬体系，使其更具科学性和有效性，更好地激励高管做出合理的资源配置决策，提升银行的经营效率和风险防控能力，增强市场竞争力。从金融监管角度出发，能为监管部门制定相关政策提供参考依据，加强对商业银行高管薪酬和资源配置行为的监管，维护金融市场的稳定秩序。对实体经济来说，合理的资源配置能引导资金流向更具发展潜力和效率的领域，促进实体经济的健康发展，为经济增长提供有力支持。1.2研究方法与创新点本研究主要采用实证研究方法，以中国商业银行的数据为基础，深入探究高管薪酬与资源配置行为之间的关系。在样本选取上，综合考虑银行规模、性质、地域分布等因素，选取具有代表性的商业银行作为研究样本，涵盖国有大型商业银行、股份制商业银行以及部分城市商业银行，确保样本的多样性和全面性，以提高研究结果的普适性和可靠性。数据来源方面，主要从各商业银行的年报、Wind数据库、CEIC数据库等权威渠道收集相关数据，包括高管薪酬数据、银行财务数据、经营数据以及宏观经济数据等，为研究提供丰富且准确的数据支持。在回归分析过程中，构建合理的计量模型，将高管薪酬作为解释变量，资源配置行为相关指标作为被解释变量，同时控制其他可能影响资源配置的因素，如银行规模、资本充足率、不良贷款率、宏观经济形势等，运用Stata、Eviews等统计软件进行回归分析，以检验高管薪酬对商业银行资源配置行为的影响，并通过一系列稳健性检验，如替换变量、改变样本区间、采用不同的估计方法等，确保研究结果的稳健性和可靠性。此外，还将运用中介效应模型、调节效应模型等进一步探究高管薪酬影响资源配置行为的内在机制和调节因素。本文的创新点主要体现在研究视角的独特性上。从商业银行这一特殊行业出发，深入剖析高管薪酬与资源配置行为之间的关系，相较于以往对一般企业的研究，更具针对性和现实意义，能够为金融领域的公司治理和资源配置提供更具专业性的理论支持和实践指导。在研究过程中，将综合考虑宏观经济环境、金融监管政策等外部因素对高管薪酬与资源配置行为关系的影响，拓展了研究的广度和深度，使研究结果更符合实际情况。在数据和方法上，尽可能收集最新的数据，以反映商业银行的最新发展态势和实际情况，同时运用多种计量方法进行分析，相互验证结果，提高研究的科学性和严谨性，为该领域的研究提供新的思路和方法。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，其核心在于解释当一方（委托人）委托另一方（代理人）代表其行使某些决策权时，如何解决由于信息不对称和目标不一致所产生的代理问题。在商业银行中，股东作为委托人，将银行的日常经营管理权力委托给高管（代理人）。股东的目标通常是追求银行价值最大化，实现资产的保值增值；而高管的目标可能更为多元化，除了关注银行的业绩表现以获取相应的薪酬和职业声誉外，还可能追求自身在职消费、权力扩张等个人利益。这种目标函数的差异，加上股东与高管之间存在信息不对称，高管对银行的经营状况、市场动态等信息掌握更为充分，股东难以全面准确地了解高管的行为和决策过程，从而导致代理问题的出现。薪酬作为解决代理问题的重要手段之一，在商业银行中发挥着关键作用。合理的薪酬契约可以将高管的利益与股东的利益紧密联系起来，激励高管为实现股东目标而努力工作。通过设计与银行绩效挂钩的薪酬结构，如绩效奖金、股票期权等，当银行业绩良好时，高管能够获得丰厚的回报，反之则收益减少，促使高管更加关注银行的长期发展，积极采取有利于提升银行价值的经营策略和资源配置决策。薪酬还可以作为一种信号传递机制，向市场和其他利益相关者展示银行对高管能力和努力的认可，吸引和留住优秀的管理人才，提升银行的竞争力。然而，薪酬契约的设计并非一劳永逸，若设计不合理，如薪酬激励过度注重短期业绩，可能会引发高管的短期行为，为追求短期利益而忽视银行的长期风险，如过度放贷、盲目扩张等，给银行带来潜在的危机。2.1.2激励理论激励理论认为，薪酬作为一种重要的激励因素，能够影响高管的行为动机和决策。薪酬激励的原理基于人的需求层次理论，高管作为经济人，有对物质利益和职业发展的需求。合理的薪酬体系可以满足高管的这些需求，从而激发他们的工作积极性和创造力。在商业银行中，不同的薪酬结构对高管的行为动机有着不同的影响。基本薪酬为高管提供了稳定的收入保障，满足其基本生活需求，使其能够安心工作。绩效奖金则与银行的经营业绩直接挂钩，当高管通过自身努力提升银行绩效时，能够获得额外的奖金回报，这激励他们积极采取措施提高银行的盈利能力、优化资源配置效率。股权激励是一种长期激励方式，高管持有银行股票后，其利益与银行的长期发展紧密相连，为了实现股票价值的增值，高管会更加注重银行的长期战略规划、风险管理和可持续发展，减少短期行为。薪酬对资源配置决策的潜在作用主要体现在引导高管的决策方向。当薪酬与资源配置的效果相关联时，高管会更加谨慎地进行资源配置决策。若信贷投放的绩效与薪酬挂钩，高管会更加严格地筛选贷款项目，将资金投向信用良好、发展前景广阔的企业和项目，提高信贷资源的配置效率，降低不良贷款率，从而提升银行的资产质量和盈利能力。薪酬激励还可以促使高管积极开拓新的业务领域和市场，寻找更具潜力的投资机会，优化银行的业务结构和资产组合，提高银行的市场竞争力。然而，薪酬激励也存在一定的局限性，如可能导致高管过度追求短期利益而忽视银行的长期风险，或者引发高管之间的不正当竞争，影响银行内部的团队协作和整体运营效率。2.2国内外文献综述2.2.1商业银行高管薪酬研究现状国外对商业银行高管薪酬的研究起步较早，研究内容涵盖薪酬水平、结构及影响因素等多个方面。在薪酬水平研究上，Jensen和Murphy（1990）通过对美国上市公司的研究发现，高管薪酬与公司业绩之间存在一定的正相关关系，但薪酬对业绩的敏感性相对较低，即业绩的变化对高管薪酬的影响程度有限。Core等（1999）则进一步研究指出，公司治理结构会对高管薪酬水平产生显著影响，在内部治理结构不完善的公司中，首席执行官的报酬往往偏高，这可能是由于缺乏有效的监督和制衡机制，导致高管在薪酬谈判中具有更大的话语权。在薪酬结构方面，John（2003）强调了限制性股票和期权在薪酬结构中的重要激励作用，认为这些长期激励工具能够使高管的利益与公司的长期发展更加紧密地结合，减少高管的短期行为。Steven（2007）通过对美国银行业的研究发现，较多的权益性薪酬（股票和期权）更容易吸引高管忠诚地留在公司工作，并且能激励他们为提升公司价值而努力。国内学者对商业银行高管薪酬的研究也取得了丰硕成果。在薪酬水平与银行绩效关系上，袁梦（2013）以我国14家上市商业银行为研究对象，运用最小二乘估计（OLS）方法，对商业银行高管薪酬水平、持股水平及两者共同与综合绩效之间的关系进行实证分析，结果表明高管薪酬水平、持股比例及两者共同对综合绩效均有正向作用，股权激励的执行会减弱薪酬水平对综合绩效的影响。但也有学者持不同观点，如李增泉（2000）使用1998年公开披露的信息对样本进行分组检验，发现经理年度报酬并不依赖于公司绩效，认为我国上市公司经理人员的激励机制存在一定问题，薪酬未能有效发挥激励作用。在薪酬结构方面，学者们关注到我国商业银行薪酬结构中基本薪酬占比过高的问题。国有控股商业银行与其他股份制商业银行相比，基本薪酬占比相对更高，这在一定程度上导致薪酬的激励作用不足。银监会颁发的《商业银行稳健薪酬监管指引》明确规定基本薪酬一般不高于其薪酬总额的35%，旨在优化薪酬结构，增强薪酬的激励性。在影响因素研究中，除了公司治理结构外，学者们还考虑了银行的产权性质、市场竞争环境等因素。国有控股商业银行由于其特殊的历史背景和产权性质，高管薪酬与经营业绩的相关性相对较低，薪酬水平也低于其他股份制商业银行；而市场竞争环境激烈的银行，为了吸引和留住优秀人才，往往会制定更具竞争力的薪酬体系。2.2.2商业银行资源配置行为研究现状国外关于商业银行资源配置行为的研究主要集中在信贷资源配置和内部资源配置两个方面。在信贷资源配置上，Stiglitz和Weiss（1981）提出信贷配给理论，认为由于信息不对称和逆向选择问题，银行在信贷市场上并非完全按照利率机制来分配信贷资源，而是会对借款人进行筛选和配给，即使在市场出清的情况下，也会存在部分借款人无法获得足额贷款的现象。Berger和Udell（1995）研究发现，银行规模与信贷资源配置之间存在一定关系，大银行更倾向于向大企业提供贷款，而小银行在向中小企业贷款方面具有相对优势，这是因为小银行与中小企业之间的信息不对称程度相对较低，能够更好地了解中小企业的经营状况和信用风险。在内部资源配置方面，国外学者关注银行如何优化内部资源的分配，以提高经营效率和竞争力。如通过优化人力资源配置，根据员工的能力和特长合理安排岗位，提高员工的工作效率；优化组织资源配置，合理调整组织架构，减少管理层级，提高信息传递速度和决策效率。国内对商业银行资源配置行为的研究同样围绕信贷资源和内部资源展开。在信贷资源配置效率方面，学者们通过实证分析发现我国商业银行信贷资源配置存在一些问题。虽然我国商业银行的赢利能力和信贷资产质量有了一定程度的提高，但信贷资源配置仍不够合理，存在资金流向过度集中、对中小企业支持不足等问题。制约银行信贷资源配置效率的因素包括宏观经济环境、政府金融政策、银行自身的风险管理能力等。为提高信贷资源配置效率，学者们提出应加强金融市场建设，完善信用体系，提高银行的风险管理水平和对市场信息的识别能力。在内部资源配置上，我国商业银行在人力资源、组织资源、物资资源和资金资源等方面的配置也存在一些不足。在人力资源配置方面，存在人员结构不合理、员工素质有待提高等问题；在组织资源配置方面，部分银行组织架构不够灵活，部门之间协作效率较低。为优化内部资源配置，商业银行需要加强人才培养，提升员工素质，优化组织架构，提高内部资源的使用效率，以实现利润最大化的目标。2.2.3高管薪酬与资源配置行为关系研究已有文献中关于高管薪酬与资源配置行为关系的研究相对较少，但也取得了一些有价值的成果。一些研究从理论上分析了高管薪酬对资源配置行为的影响机制。根据委托代理理论和激励理论，合理的高管薪酬可以激励高管做出有利于银行资源优化配置的决策。若高管薪酬与银行的长期业绩挂钩，高管会更加注重银行的长期发展，在资源配置时会更加谨慎地筛选投资项目和贷款对象，将资源投向更具潜力和价值的领域，以提高银行的资产质量和盈利能力。实证研究方面，部分学者通过构建计量模型对两者关系进行了检验。有研究发现高管薪酬激励对企业资源配置效率具有显著影响，高管薪酬水平的提高有助于提高企业的资源配置效率，但这种影响在不同产权性质和不同行业异质性企业之间存在差异。在商业银行中，由于其高负债经营、强外部性等特点，高管薪酬与资源配置行为之间的关系可能更为复杂，受到宏观经济环境、金融监管政策等多种因素的影响。目前的研究仍存在一些空白与不足。在研究对象上，针对不同类型商业银行（如国有大型商业银行、股份制商业银行、城市商业银行等）高管薪酬与资源配置行为关系的对比研究较少，不同类型银行在产权性质、经营规模、市场定位等方面存在差异，其高管薪酬与资源配置行为可能存在不同的特征和规律。在研究内容上，对高管薪酬结构（如基本薪酬、绩效奖金、股权激励等不同组成部分）如何具体影响资源配置行为的研究不够深入，未能充分揭示不同薪酬组成部分对资源配置决策的作用机制。在研究方法上，现有研究主要以定量分析为主，缺乏定性分析与案例研究的有效结合，难以深入剖析实际案例中高管薪酬与资源配置行为之间的内在联系和具体影响因素。未来的研究可以从这些方面展开，进一步深化对商业银行高管薪酬与资源配置行为关系的认识。三、中国商业银行高管薪酬与资源配置行为现状分析3.1中国商业银行高管薪酬现状3.1.1薪酬水平分析中国商业银行高管薪酬总体处于较高水平，这与银行业在金融体系中的重要地位以及其经营的复杂性和专业性密切相关。通过对近年来多家商业银行年报数据的梳理，可清晰展现其薪酬水平状况。以2023年为例，在已披露年报的商业银行中，部分股份制商业银行的高管薪酬较为突出。民生银行董监高薪酬总额达4048.54万元，在众多银行中位居前列，其中董事长年薪334.63万元，其薪酬水平反映了该行在市场竞争中对高管人才的重视以及对其经营管理能力的认可，也与民生银行的业务拓展策略和经营绩效相关，在业务创新、市场份额争夺等方面，高管的决策和执行起到关键作用，相应的薪酬激励旨在促使他们为银行创造更大价值。平安银行行长领薪415.87万元，在行长薪酬排名中较为靠前，平安银行在零售业务转型、金融科技投入等方面取得显著成效，行长在战略规划和执行过程中发挥主导作用，高薪酬是对其工作成果的一种回报，也是为了激励其继续推动银行的高质量发展。国有大型商业银行由于其特殊的产权性质和历史使命，高管薪酬水平相对低于股份制商业银行。工商银行、农业银行、中国银行、建设银行等国有大行，其高管薪酬受到更多政策和监管因素的约束。从年报数据来看，国有大行高管薪酬在百万元级别左右，与股份制商业银行存在一定差距。这主要是因为国有大行承担着更多社会责任，如支持国家重大项目建设、服务实体经济、推动普惠金融发展等，其经营目标并非单纯追求利润最大化，薪酬设定需要综合考虑国家政策导向、社会舆论等多方面因素。在支持国家基础设施建设贷款项目中，国有大行需优先保障资金供应，即使项目收益相对较低，这种情况下高管薪酬不会单纯依据短期经济收益来确定。城商行的高管薪酬水平则呈现出较大的分化。一些规模较大、经营效益较好的城商行，如宁波银行、南京银行等，高管薪酬水平较高，可与部分股份制商业银行相媲美。宁波银行凭借其独特的市场定位和良好的经营业绩，在区域金融市场中具有较强竞争力，其高管薪酬也体现了银行的发展成果和对人才的重视。而一些小型城商行，受地域限制、业务范围狭窄、资产规模较小等因素影响，高管薪酬水平相对较低。部分中西部地区的小型城商行，由于当地经济发展水平有限，金融市场活跃度不高，银行盈利能力受限，难以支付高额的高管薪酬。3.1.2薪酬结构分析中国商业银行高管薪酬结构通常由基本工资、绩效奖金、股权激励等部分构成，不同银行在各部分占比上存在明显差异。基本工资是高管薪酬的稳定组成部分，主要依据高管的职位、资历等因素确定，为高管提供基本生活保障，使其能够安心履行职责。在国有大型商业银行中，基本工资占薪酬总额的比例相对较高，可达40%-50%左右。这是由于国有大行的经营相对稳健，业务模式较为传统，对高管的激励更注重稳定性，基本工资在薪酬结构中起到稳定军心的作用，确保高管能够长期专注于银行的稳健运营，避免因过度追求短期绩效而忽视长期风险。在工商银行，高管基本工资占比较高，这与银行的战略定位和经营风格相符，注重长期可持续发展，在业务拓展中更强调风险控制和合规经营。绩效奖金则与银行的经营业绩紧密挂钩，是对高管工作成果的直接奖励，旨在激励高管积极提升银行的经营绩效。股份制商业银行在绩效奖金占比方面相对较高，一般在30%-40%之间。招商银行以其市场化的经营理念和高效的运营管理著称，在绩效奖金设置上较为灵活，充分体现了业绩导向。当银行在利润增长、资产质量提升、市场份额扩大等方面取得优异成绩时，高管能够获得丰厚的绩效奖金，这极大地激发了高管的工作积极性和创造力，促使他们不断优化银行的业务结构、提升服务质量，以实现更高的经营目标。股权激励作为一种长期激励方式，在商业银行高管薪酬结构中的占比逐渐增加，尤其在股份制商业银行和部分上市城商行中更为常见。通过授予高管一定数量的股票或股票期权，使高管的利益与银行的长期发展紧密相连，激励高管关注银行的长期战略规划和可持续发展，减少短期行为。平安银行在股权激励方面较为积极，通过实施股权激励计划，将高管的个人利益与银行的股价表现和长期业绩紧密绑定，高管为了实现股票价值的增值，会更加注重银行的风险管理、创新能力提升和市场竞争力增强，积极推动银行的数字化转型和业务创新，提升银行的长期价值。然而，在国有大型商业银行中，由于受国有股权管理等政策限制，股权激励的实施相对谨慎，占薪酬总额的比例较低。3.1.3薪酬变动趋势分析近年来，中国商业银行高管薪酬呈现出一定的变动趋势。随着金融市场的发展和竞争的加剧，以及监管政策的不断完善，商业银行高管薪酬受到多方面因素的影响。从整体趋势来看，在经济形势较好、银行业绩增长稳定的时期，高管薪酬呈现上升态势。在经济上行周期，企业融资需求旺盛，商业银行信贷业务规模扩大，利息收入和中间业务收入增加，经营业绩提升，相应地高管薪酬也会随之提高。2016-2017年，我国经济保持稳定增长，银行业务发展良好，多家商业银行高管薪酬有所上涨，部分股份制商业银行高管薪酬涨幅较为明显，反映了银行经营业绩与高管薪酬之间的正相关关系。当经济形势面临下行压力、银行业务面临挑战时，高管薪酬的增长会受到一定抑制，甚至出现下降。2020年，受新冠疫情影响，经济增速放缓，企业经营困难，商业银行面临不良贷款上升、信贷投放谨慎等问题，经营业绩受到冲击。在此背景下，多家商业银行对高管薪酬进行了调整，部分银行高管薪酬出现不同程度的下降，以应对经营压力，体现了银行与员工共克时艰的决心，也反映了薪酬与业绩的紧密联系。监管政策对商业银行高管薪酬变动也产生重要影响。2010年原银监会发布《商业银行稳健薪酬监管指引》，明确规定商业银行高级管理人员以及对风险有重要影响岗位上的员工，其绩效薪酬的40%以上应采取延期支付的方式，且延期支付期限一般不少于3年，其中主要高级管理人员绩效薪酬的延期支付比例应高于50%，有条件的应争取达到60%。这一政策旨在加强对商业银行高管薪酬的监管，将薪酬与风险挂钩，抑制高管的过度冒险行为，引导商业银行稳健经营。在该政策影响下，商业银行纷纷调整薪酬结构，增加绩效薪酬延期支付比例，高管薪酬的实际发放节奏和金额受到影响。2021年原银保监会发布《关于建立完善银行保险机构绩效薪酬追索扣回机制指导意见的通知》，进一步强化了高管薪酬与风险的关联，当银行出现风险事件或经营业绩未达预期时，可对已发放的绩效薪酬进行追索扣回。这使得商业银行在确定高管薪酬时更加谨慎，注重长期风险和经营稳定性，对高管薪酬的变动产生直接约束。3.2中国商业银行资源配置行为现状3.2.1信贷资源配置现状中国商业银行信贷资源配置在不同行业间存在显著差异。在传统行业中，制造业、批发零售业等行业获得的信贷资金规模较大，但从增长趋势来看，增速相对较为平稳。以制造业为例，由于其在国民经济中占据重要地位，是实体经济的核心组成部分，商业银行对其信贷支持力度一直较大。然而，随着经济结构调整和产业升级的推进，制造业面临着市场竞争加剧、产能过剩等问题，商业银行在信贷投放时也更加谨慎，信贷增速逐渐放缓。在一些传统制造业领域，如钢铁、煤炭等行业，由于产能过剩，市场需求不足，企业经营困难，商业银行对这些行业的信贷投放进行了严格控制，以降低信贷风险。新兴行业如信息技术、生物医药、新能源等领域，虽然在信贷资源总量中占比相对较小，但近年来获得的信贷资金呈现出快速增长的态势。这些行业具有高成长性、创新性和战略性，符合国家经济发展的战略方向，受到政府政策的大力支持。商业银行也逐渐认识到新兴行业的发展潜力，加大了对其信贷投放力度。在信息技术行业，随着5G、人工智能、大数据等技术的快速发展，相关企业对资金的需求旺盛，商业银行纷纷推出针对信息技术企业的信贷产品和服务，为其提供资金支持，助力企业技术研发、市场拓展和规模扩张。从企业规模角度分析，大型企业凭借其雄厚的实力、良好的信用记录和稳定的经营状况，在获取信贷资源方面具有明显优势，能够以较低的成本获得大量的信贷资金。大型国有企业和上市公司在银行信贷市场中往往是优质客户，银行更愿意为其提供信贷支持，不仅贷款额度高，而且贷款利率相对较低，贷款期限也较为灵活。而中小企业由于规模较小、资产有限、财务制度不够健全、抗风险能力较弱等原因，在信贷市场上面临着诸多困难，融资难度较大，融资成本也相对较高。中小企业的抵押物不足，信用评级相对较低，银行在对其进行信贷审批时会更加谨慎，导致中小企业难以获得足额的信贷资金。为了解决中小企业融资难问题，政府出台了一系列政策措施，鼓励商业银行加大对中小企业的信贷支持力度，如设立中小企业信贷风险补偿基金、开展中小企业应收账款质押融资等，商业银行也在不断创新信贷产品和服务模式，提高对中小企业的金融服务水平。在区域方面，东部发达地区经济发展水平高，金融市场活跃，企业融资需求旺盛，商业银行的信贷资源配置也相对集中。东部地区的企业在技术创新、市场拓展等方面具有优势，能够为银行带来较高的收益，同时该地区的信用环境和金融基础设施也较为完善，降低了银行的信贷风险。在长三角、珠三角等地区，商业银行的信贷投放规模较大，信贷资源配置效率也相对较高。相比之下，中西部地区和东北地区经济发展相对滞后，信贷资源配置相对不足，区域经济发展不平衡问题较为突出。东北地区由于产业结构单一，传统产业占比较大，经济转型面临较大困难，企业融资需求难以得到有效满足，商业银行在该地区的信贷投放相对谨慎。为促进区域经济协调发展，政府通过实施区域发展战略，如西部大开发、中部崛起、东北振兴等，引导商业银行加大对中西部地区和东北地区的信贷支持力度，优化信贷资源配置。3.2.2内部资源配置现状在人力资源配置上，商业银行存在人员结构不合理的问题。部分银行中，业务人员占比较高，而专业技术人才和风险管理人才相对短缺。在一些基层分支机构，柜员等业务操作岗位人员较多，而具备金融科技、风险管理、投资银行等专业知识和技能的人才不足，难以满足银行创新发展和风险管理的需求。不同岗位的员工素质和能力参差不齐，影响了银行整体的运营效率和服务质量。一些新入职员工缺乏实践经验，对业务流程和风险控制了解不够深入，需要较长时间的培训和学习才能适应工作要求；而一些老员工可能存在知识老化、观念陈旧等问题，难以适应金融市场的快速变化和银行创新发展的需要。为优化人力资源配置，商业银行加大了人才培养和引进力度，通过内部培训、外部招聘、轮岗交流等方式，提高员工素质和能力，优化人员结构。资金资源配置方面，商业银行内部资金转移定价（FTP）体系在不断完善，但仍存在一些问题。部分银行的FTP定价机制不够科学合理，未能充分反映资金的成本和收益，导致分支机构在资金运用上存在一定的盲目性。FTP价格与市场利率的联动性不够紧密，当市场利率发生波动时，FTP价格不能及时调整，影响了银行资金的合理配置和盈利能力。为解决这些问题，商业银行加强了对FTP体系的研究和优化，引入更加科学的定价模型和方法，提高FTP定价的准确性和合理性，增强其与市场利率的联动性，引导分支机构合理配置资金资源。在物理资源配置上，商业银行网点布局存在不合理之处。一些城市中，银行网点过于集中在繁华商业区和中心城区，而在新兴社区、偏远地区和农村地区，网点覆盖不足，无法满足当地居民和企业的金融服务需求。网点的建设和运营成本较高，部分网点的业务量不饱和，造成了资源的浪费。随着金融科技的发展，线上金融服务逐渐普及，一些传统网点的业务量逐渐减少，银行需要对网点进行合理调整和转型，优化物理资源配置，降低运营成本。信息资源配置方面，虽然商业银行在信息技术投入上不断增加，但信息系统的整合和共享程度仍有待提高。不同业务部门之间的信息系统存在数据孤岛现象，信息难以有效共享和流通，影响了银行的决策效率和协同工作能力。在客户信息管理方面，存在信息不完整、不准确等问题，无法充分挖掘客户需求，提供个性化的金融服务。为加强信息资源配置，商业银行加大了信息系统的整合和升级力度，建立统一的数据平台，实现信息的集中管理和共享，提高信息的质量和利用效率，为银行的业务发展和决策提供有力支持。3.2.3资源配置行为的影响因素分析宏观经济环境对商业银行资源配置行为有着重要影响。在经济增长较快时期，企业经营状况良好，市场前景乐观，融资需求旺盛，商业银行往往会增加信贷投放，将更多资源配置到实体经济领域，以支持企业的发展和扩张。在经济上行周期，企业投资意愿增强，对资金的需求增加，商业银行会根据市场需求，调整信贷额度和利率，满足企业的融资需求，促进经济的进一步增长。而当经济面临下行压力时，企业经营困难，市场风险加大，商业银行会更加谨慎地进行资源配置，收紧信贷政策，减少对高风险行业和企业的信贷投放，以降低风险。在经济衰退时期，企业盈利能力下降，偿债能力减弱，银行会加强风险管理，提高信贷审批标准，减少信贷投放，防范不良贷款的增加。监管政策是商业银行资源配置行为的重要约束和引导力量。监管部门通过制定资本充足率、流动性比例、贷款集中度等监管指标，对商业银行的经营活动进行规范和约束。较高的资本充足率要求促使商业银行保持充足的资本，增强抵御风险的能力，在资源配置时更加注重安全性和稳健性。监管部门还会出台相关政策，引导商业银行加大对特定领域的支持力度，如小微企业、“三农”、绿色金融等。政府为了支持小微企业发展，鼓励商业银行降低小微企业贷款门槛，提高贷款额度，给予利率优惠，商业银行会根据政策要求，调整资源配置方向，加大对小微企业的信贷支持。银行自身战略也在很大程度上决定了资源配置行为。不同类型的商业银行由于市场定位、发展目标和竞争优势的差异，会制定不同的发展战略，进而影响其资源配置决策。国有大型商业银行通常承担着更多的社会责任，注重支持国家重点项目和实体经济发展，在资源配置上会向大型基础设施建设项目、国有企业等领域倾斜。而股份制商业银行和城市商业银行则更注重市场竞争和盈利性，可能会根据自身的特色和优势，选择重点发展的业务领域，如零售业务、金融科技业务等，并将资源集中配置到这些领域。招商银行以零售业务为特色，通过加大对零售业务的资源投入，优化零售业务流程，提升客户服务体验，打造了强大的零售业务品牌，在零售业务领域取得了显著的竞争优势。四、实证研究设计4.1研究假设提出基于前文的理论分析与现状观察，本研究提出以下关于商业银行高管薪酬与资源配置行为关系的研究假设：假设1：高管薪酬水平与信贷资源向高风险高回报领域配置呈正相关：从委托代理理论和激励理论来看，当高管薪酬与银行绩效紧密挂钩时，高管为追求更高的薪酬回报，有动机将信贷资源投向高风险高回报领域。在当前经济环境下，一些新兴产业如人工智能、新能源汽车等，具有较高的发展潜力，但同时也伴随着较大的风险。若高管薪酬中的绩效奖金与银行在这些领域的信贷投放收益相关，高管可能会加大对这些领域的信贷支持力度。因为一旦这些新兴产业发展成功，银行将获得丰厚的回报，高管也能相应地获得高额的绩效奖金。然而，这种行为也可能带来潜在风险，若新兴产业发展不及预期，银行的信贷资产质量将受到影响，增加不良贷款的风险。假设2：高管薪酬结构中股权激励占比越高，银行资源配置越注重长期战略：股权激励作为一种长期激励方式，能够使高管的利益与银行的长期发展紧密相连。当股权激励占薪酬结构的比例较高时，高管会更加关注银行的长期战略目标，在资源配置上会倾向于支持那些对银行长期发展有利的项目和业务。高管可能会加大对金融科技研发的投入，虽然短期内这些投入可能不会带来显著的收益，但从长期来看，有助于提升银行的服务效率和竞争力，实现银行的可持续发展。股权激励还能促使高管在决策时更加谨慎，避免因短期利益而忽视银行的长期风险，如在信贷投放中，会更加严格地评估贷款项目的长期风险和收益，确保银行资产的安全和稳定。假设3：高管薪酬与银行内部资源配置效率呈正相关：合理的高管薪酬制度能够激励高管优化银行内部资源配置，提高资源利用效率。在人力资源配置方面，高管为提高员工的工作效率和积极性，会根据员工的能力和特长进行合理的岗位安排，并加大对员工培训的投入，提升员工素质。在资金资源配置上，高管会优化内部资金转移定价（FTP）体系，使其更加科学合理，准确反映资金的成本和收益，引导分支机构合理配置资金，提高资金的使用效率。高管还会注重信息资源的整合和共享，打破数据孤岛，提高信息系统的协同工作能力，为银行的决策提供及时准确的信息支持，从而提升银行的整体运营效率和竞争力。四、实证研究设计4.1研究假设提出基于前文的理论分析与现状观察，本研究提出以下关于商业银行高管薪酬与资源配置行为关系的研究假设：假设1：高管薪酬水平与信贷资源向高风险高回报领域配置呈正相关：从委托代理理论和激励理论来看，当高管薪酬与银行绩效紧密挂钩时，高管为追求更高的薪酬回报，有动机将信贷资源投向高风险高回报领域。在当前经济环境下，一些新兴产业如人工智能、新能源汽车等，具有较高的发展潜力，但同时也伴随着较大的风险。若高管薪酬中的绩效奖金与银行在这些领域的信贷投放收益相关，高管可能会加大对这些领域的信贷支持力度。因为一旦这些新兴产业发展成功，银行将获得丰厚的回报，高管也能相应地获得高额的绩效奖金。然而，这种行为也可能带来潜在风险，若新兴产业发展不及预期，银行的信贷资产质量将受到影响，增加不良贷款的风险。假设2：高管薪酬结构中股权激励占比越高，银行资源配置越注重长期战略：股权激励作为一种长期激励方式，能够使高管的利益与银行的长期发展紧密相连。当股权激励占薪酬结构的比例较高时，高管会更加关注银行的长期战略目标，在资源配置上会倾向于支持那些对银行长期发展有利的项目和业务。高管可能会加大对金融科技研发的投入，虽然短期内这些投入可能不会带来显著的收益，但从长期来看，有助于提升银行的服务效率和竞争力，实现银行的可持续发展。股权激励还能促使高管在决策时更加谨慎，避免因短期利益而忽视银行的长期风险，如在信贷投放中，会更加严格地评估贷款项目的长期风险和收益，确保银行资产的安全和稳定。假设3：高管薪酬与银行内部资源配置效率呈正相关：合理的高管薪酬制度能够激励高管优化银行内部资源配置，提高资源利用效率。在人力资源配置方面，高管为提高员工的工作效率和积极性，会根据员工的能力和特长进行合理的岗位安排，并加大对员工培训的投入，提升员工素质。在资金资源配置上，高管会优化内部资金转移定价（FTP）体系，使其更加科学合理，准确反映资金的成本和收益，引导分支机构合理配置资金，提高资金的使用效率。高管还会注重信息资源的整合和共享，打破数据孤岛，提高信息系统的协同工作能力，为银行的决策提供及时准确的信息支持，从而提升银行的整体运营效率和竞争力。4.2变量选取与定义4.2.1被解释变量本研究选用信贷行业集中度（HHI）作为衡量商业银行信贷资源配置的关键指标，以反映银行信贷资金在不同行业间的分布集中程度。该指标通过计算各行业贷款余额占总贷款余额比重的平方和得出，公式为：HHI=\sum_{i=1}^{n}(\frac{Loan_{i}}{Loan_{total}})^2，其中Loan_{i}表示第i个行业的贷款余额，Loan_{total}表示总贷款余额，n为行业数量。HHI值越大，表明信贷资源在少数行业的集中程度越高，资源配置的多元化程度越低；反之，HHI值越小，则说明信贷资源在各行业的分布相对较为均匀，资源配置更为多元化。当HHI值趋近于1时，意味着银行的信贷资金高度集中于某一个行业，这可能会使银行面临较高的行业系统性风险，一旦该行业出现波动，银行的资产质量和收益将受到严重影响；而当HHI值接近0时，表明银行的信贷业务广泛分布于多个行业，能够在一定程度上分散风险，提高资源配置的稳定性和可持续性。内部资源配置效率方面，采用数据包络分析（DEA）方法计算得出的综合技术效率（TE）作为衡量指标，该指标能够全面评估银行在人力、物力、财力等多种投入要素下，产出相应金融服务和经济效益的效率水平。DEA方法基于线性规划原理，通过构建生产前沿面，将决策单元（银行）的实际投入产出与前沿面进行比较，从而得出各银行的效率值。TE值范围在0-1之间，当TE值等于1时，表示银行处于生产前沿面上，资源配置达到相对有效状态，即投入要素得到了充分利用，产出达到了最优水平；若TE值小于1，则说明银行存在资源浪费或配置不合理的情况，与生产前沿面存在差距，效率有待提升。在实际应用中，综合技术效率还可进一步分解为纯技术效率（PTE）和规模效率（SE），纯技术效率反映了银行在现有技术水平下，管理和运营能力对资源利用效率的影响；规模效率则体现了银行生产规模是否处于最优状态，即随着投入规模的变化，产出是否能够实现相应的规模经济或规模不经济。4.2.2解释变量在衡量高管薪酬时，选用高管薪酬总额（Pay）作为重要的解释变量，该数据可直接从商业银行的年报中获取，代表了银行在一定时期内支付给高管团队的全部货币薪酬总和，能够直观反映高管薪酬的总体水平。为消除数据的异方差性和量纲影响，对高管薪酬总额进行自然对数处理，记为LnPay。在实际研究中发现，不同银行的规模大小、业务复杂程度等存在差异，直接比较薪酬总额可能会产生偏差，而经过对数转换后的数据更具可比性和稳定性，能更好地揭示薪酬水平与其他变量之间的关系。除薪酬总额外，薪酬结构比例也是重要的考量因素。其中，股权激励占比（ESOP）定义为高管持有的股票或股票期权价值占高管薪酬总额的比例，用于衡量薪酬结构中股权激励的相对重要性。股权激励作为一种长期激励机制，旨在使高管的利益与银行的长期发展紧密相连，促使高管更加关注银行的长期战略目标和可持续发展。较高的股权激励占比意味着高管的财富与银行的股价表现和长期业绩密切相关，从而激励高管在资源配置决策中更加注重银行的长远利益，减少短期行为。绩效奖金占比（PB）则是指绩效奖金在高管薪酬总额中所占的比例，反映了薪酬结构中短期激励的力度。绩效奖金通常与银行的年度经营业绩挂钩，如净利润、资产回报率等指标。当银行在某一时期内业绩表现出色时，高管能够获得丰厚的绩效奖金，这使得绩效奖金占比成为影响高管短期决策行为的关键因素。较高的绩效奖金占比会促使高管更加关注短期业绩目标的实现，在资源配置过程中可能更倾向于选择那些能够在短期内带来较高收益的项目和业务，但也可能导致高管为追求短期利益而忽视银行的长期风险和可持续发展。4.2.3控制变量选取银行规模（Size）作为控制变量，以银行总资产的自然对数来衡量，该指标反映了银行的整体资产规模和经营实力。一般来说，规模较大的银行在资金筹集、业务拓展、风险管理等方面具有更强的能力和资源优势，可能会对资源配置行为产生影响。大型银行由于资金雄厚，能够承担更大规模的信贷投放和投资项目，在资源配置上可能更倾向于支持大型企业和重大项目；而小型银行则可能更加注重本地化经营，将资源集中投向区域内的中小企业和特色产业。资本充足率（CAR）是衡量银行稳健性的重要指标，定义为银行资本与风险加权资产的比率，反映了银行抵御风险的能力。较高的资本充足率意味着银行拥有更充足的资本缓冲，能够更好地应对潜在的风险，在资源配置时可能会更加大胆地拓展业务，支持高风险高回报的项目；而资本充足率较低的银行则可能会更加谨慎，优先保障资产的安全性，减少对高风险项目的投入。不良贷款率（NPL）表示不良贷款占总贷款的比例，用于衡量银行的信贷资产质量。不良贷款率越高，说明银行信贷资产中存在问题的贷款比例越大，资产质量越差，这会影响银行的资金流动性和盈利能力，进而对资源配置行为产生约束。在不良贷款率较高的情况下，银行可能会收紧信贷政策，减少信贷投放，加强对贷款项目的审核和风险管理，将资源更多地投向低风险、优质的项目，以改善资产质量，降低风险水平。除了上述银行层面的控制变量，还考虑宏观经济指标对商业银行资源配置行为的影响。国内生产总值增长率（GDP_growth）用于反映宏观经济的整体增长态势，在经济增长较快时期，市场需求旺盛，企业投资意愿增强，商业银行可能会增加信贷投放，将更多资源配置到实体经济领域，以支持企业的发展和扩张；而在经济增长放缓时，市场不确定性增加，企业经营困难，银行会更加谨慎地进行资源配置，收紧信贷政策，减少对高风险行业和企业的信贷投放。通货膨胀率（CPI）也是重要的宏观经济指标，通货膨胀会影响货币的实际价值和企业的生产成本，进而影响银行的贷款利率和信贷决策。当通货膨胀率较高时，银行可能会提高贷款利率，以弥补货币贬值带来的损失，同时对贷款项目的收益预期也会相应提高，这可能导致一些原本可行的项目因无法满足银行的收益要求而被放弃，从而影响资源配置的方向和效率。4.3模型构建为了检验假设1，即高管薪酬水平与信贷资源向高风险高回报领域配置的关系，构建如下回归模型：HHI_{it}=\beta_{0}+\beta_{1}LnPay_{it}+\sum_{j=1}^{n}\beta_{j}Control_{jit}+\epsilon_{it}其中，i表示第i家商业银行，t表示年份；HHI_{it}为被解释变量，代表第i家银行在t时期的信贷行业集中度，用于衡量信贷资源在不同行业的集中程度，HHI值越大，表明信贷资源越集中于少数行业，向高风险高回报领域配置的倾向可能越明显。LnPay_{it}是核心解释变量，为第i家银行在t时期高管薪酬总额的自然对数，用以反映高管薪酬水平。\beta_{0}为常数项，\beta_{1}为LnPay_{it}的回归系数，若\beta_{1}显著为正，则支持假设1，即表明高管薪酬水平越高，信贷行业集中度越高，信贷资源越倾向于向高风险高回报领域配置。Control_{jit}表示一系列控制变量，包括银行规模（Size）、资本充足率（CAR）、不良贷款率（NPL）、国内生产总值增长率（GDP_growth）、通货膨胀率（CPI）等，\beta_{j}为各控制变量的回归系数，用于控制其他因素对信贷行业集中度的影响；\epsilon_{it}为随机误差项，代表模型中未考虑到的其他随机因素对HHI_{it}的影响。对于假设2，即高管薪酬结构中股权激励占比越高，银行资源配置越注重长期战略，构建如下回归模型：Long-term_{it}=\beta_{0}+\beta_{1}ESOP_{it}+\sum_{j=1}^{n}\beta_{j}Control_{jit}+\epsilon_{it}这里，Long-term_{it}为被解释变量，用于衡量银行资源配置的长期战略倾向，可通过银行对金融科技研发投入占总投入的比例、长期项目投资占总投资的比例等指标来衡量。ESOP_{it}是核心解释变量，为第i家银行在t时期股权激励占高管薪酬总额的比例。\beta_{0}为常数项，\beta_{1}为ESOP_{it}的回归系数，若\beta_{1}显著为正，说明股权激励占比越高，银行在资源配置上越注重长期战略，支持假设2。控制变量Control_{jit}与前一模型类似，涵盖银行规模、资本充足率等银行层面因素以及宏观经济指标，以排除其他因素对银行资源配置长期战略倾向的干扰，\epsilon_{it}同样为随机误差项。在验证假设3，即高管薪酬与银行内部资源配置效率呈正相关时，构建回归模型：TE_{it}=\beta_{0}+\beta_{1}LnPay_{it}+\beta_{2}PB_{it}+\beta_{3}ESOP_{it}+\sum_{j=1}^{n}\beta_{j}Control_{jit}+\epsilon_{it}其中，TE_{it}为被解释变量，代表第i家银行在t时期的内部资源配置综合技术效率，通过数据包络分析（DEA）方法计算得出，反映银行内部资源配置的效率水平。解释变量包括LnPay_{it}（高管薪酬总额的自然对数）、PB_{it}（第i家银行在t时期绩效奖金占高管薪酬总额的比例）和ESOP_{it}（股权激励占比）。\beta_{0}为常数项，\beta_{1}、\beta_{2}、\beta_{3}分别为对应解释变量的回归系数，若\beta_{1}、\beta_{2}、\beta_{3}显著为正，则表明高管薪酬水平越高、绩效奖金占比越高以及股权激励占比越高，均能提高银行内部资源配置效率，支持假设3。控制变量Control_{jit}和随机误差项\epsilon_{it}的含义与前两个模型一致，控制变量用于控制其他可能影响内部资源配置效率的因素，随机误差项则涵盖模型未考虑到的随机扰动因素。4.4样本选择与数据来源本研究选取2015-2023年期间中国具有代表性的商业银行作为研究样本，涵盖国有大型商业银行、股份制商业银行以及部分资产规模较大、经营数据较为完整的城市商业银行，共计35家。在国有大型商业银行中，纳入工商银行、农业银行、中国银行、建设银行、交通银行等，这些银行资产规模庞大，在国内金融市场占据重要地位，其经营策略和资源配置行为对金融市场具有重要影响。股份制商业银行选取了招商银行、民生银行、兴业银行、浦发银行等，它们以灵活的经营机制和创新的业务模式著称，在市场竞争中不断探索新的发展路径，其高管薪酬和资源配置行为具有较强的市场化特征。城市商业银行则选取了宁波银行、南京银行、北京银行等，这些城商行在区域金融市场具有独特优势，经营特色鲜明，通过对它们的研究，可以更全面地了解不同规模和类型商业银行的情况。选择这一时间段主要基于以下考虑：2015年以来，我国金融市场改革不断深化，利率市场化进程加快，金融监管政策逐步完善，商业银行面临着更加复杂多变的市场环境和监管要求，在此背景下研究商业银行高管薪酬与资源配置行为，能够更准确地反映市场变化对银行经营决策的影响。随着金融科技的快速发展，2015年后商业银行在金融科技应用、业务创新等方面取得了显著进展，这也为研究高管薪酬对银行创新资源配置等行为的影响提供了丰富的素材。数据主要来源于各商业银行的年报，年报中详细披露了高管薪酬、财务状况、业务经营等方面的信息，是获取数据的重要权威渠道。通过对年报的细致梳理，可以获取高管薪酬总额、薪酬结构、信贷投放行业分布、内部资源配置相关数据等关键信息。为了补充和验证年报数据，还参考了Wind数据库、CEIC数据库等金融数据库。这些数据库整合了大量金融机构的数据，具有数据全面、更新及时、标准化程度高等优点。在获取宏观经济数据时，如国内生产总值增长率、通货膨胀率等，主要依赖国家统计局官方网站发布的数据，以确保数据的权威性和准确性，从而为研究提供坚实的数据基础，使研究结果更具可靠性和说服力。五、实证结果与分析5.1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，展示了各变量的均值、中位数、标准差、最小值和最大值等统计特征，可初步了解数据分布情况。表1：变量描述性统计变量观测值均值中位数标准差最小值最大值HHI3150.1250.1180.0360.0720.234TE3150.7860.7920.0850.5230.967LnPay31514.56314.5270.52413.21515.876ESOP3150.0870.0750.0420.0120.235PB3150.3260.3180.0680.1850.456Size31522.14522.0861.35719.56825.347CAR31513.25%13.18%1.12%10.56%16.34%NPL3151.53%1.48%0.32%0.85%2.67%GDP_growth3156.52%6.48%1.05%2.20%8.40%CPI3152.05%2.02%0.56%0.90%3.50%信贷行业集中度（HHI）的均值为0.125，表明样本银行的信贷资源在行业分布上存在一定程度的集中，但也有一定的分散性。从最小值0.072和最大值0.234来看，不同银行之间的信贷行业集中度差异较大，部分银行的信贷资源集中于少数行业，而部分银行的信贷行业分布相对较为均匀。内部资源配置综合技术效率（TE）均值为0.786，说明整体上样本银行内部资源配置效率处于中等水平，尚未达到最优状态。中位数为0.792，与均值接近，反映数据分布较为集中，但从标准差0.085以及最小值0.523和最大值0.967可知，各银行之间的内部资源配置效率存在一定差距。高管薪酬总额对数（LnPay）均值为14.563，体现了样本银行高管薪酬的总体水平。最小值13.215和最大值15.876显示不同银行高管薪酬水平存在明显差异，这可能与银行规模、经营业绩、市场地位等因素有关。股权激励占比（ESOP）均值为0.087，说明股权激励在高管薪酬结构中占一定比例，但相对不是很高。各银行股权激励占比从0.012到0.235不等，反映出不同银行在激励机制设计上对股权激励的重视程度和运用程度存在差异。绩效奖金占比（PB）均值为0.326，表明绩效奖金在高管薪酬中占有相当比重，是短期激励的重要组成部分，不同银行的绩效奖金占比在0.185-0.456之间，说明银行在短期激励力度上存在不同策略。银行规模（Size）均值为22.145，体现了样本银行资产规模的总体情况，不同银行规模从19.568到25.347有较大跨度，反映出样本涵盖了不同规模的商业银行，包括大型国有银行、股份制银行和部分规模较大的城商行。资本充足率（CAR）均值为13.25%，表明样本银行整体资本充足状况良好，能够满足监管要求并具备一定的风险抵御能力，最小值10.56%和最大值16.34%显示不同银行资本充足率存在差异。不良贷款率（NPL）均值为1.53%，说明样本银行整体信贷资产质量尚可，但仍存在一定风险，从最小值0.85%到最大值2.67%，不同银行的信贷资产质量参差不齐。国内生产总值增长率（GDP_growth）均值为6.52%，反映了样本期间我国宏观经济的总体增长态势，最小值2.20%和最大值8.40%体现了经济增长的波动情况。通货膨胀率（CPI）均值为2.05%，表明样本期间物价水平相对稳定，在0.90%-3.50%之间的波动范围也在合理区间内。5.2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线性相关关系，并判断是否存在多重共线性问题。表2展示了变量之间的Pearson相关系数，通过分析这些系数，可以直观地看出变量之间的关联程度和方向。表2：变量相关性分析变量HHITELnPayESOPPBSizeCARNPLGDP_growthCPIHHI1TE-0.321**1LnPay0.215**0.186**1ESOP0.0850.253**0.167**1PB0.234**0.0950.356**0.1231Size0.276**0.1180.465**0.1050.314**1CAR-0.156*-0.0830.0760.0540.0450.0671NPL0.208**-0.125*0.0630.0480.0520.176**-0.456**1GDP_growth0.1060.134*0.0840.0720.0650.0930.074-0.0851CPI0.0980.0890.0780.0650.0590.0860.063-0.0760.1121注：**表示在1%水平上显著相关，*表示在5%水平上显著相关。从表2可以看出，信贷行业集中度（HHI）与高管薪酬总额对数（LnPay）呈显著正相关，相关系数为0.215，在1%水平上显著，初步支持假设1，即高管薪酬水平越高，信贷资源越倾向于向高风险高回报领域配置，可能导致信贷行业集中度上升。HHI与绩效奖金占比（PB）也呈显著正相关，相关系数为0.234，在1%水平上显著，表明绩效奖金占比越高，高管可能更注重短期业绩，将信贷资源集中投向某些行业，从而提高信贷行业集中度。内部资源配置综合技术效率（TE）与股权激励占比（ESOP）呈显著正相关，相关系数为0.253，在1%水平上显著，这为假设2提供了一定的初步证据，说明股权激励占比越高，银行资源配置越注重长期战略，有利于提高内部资源配置效率。TE与高管薪酬总额对数（LnPay）也呈正相关，相关系数为0.186，在1%水平上显著，初步支持假设3，表明高管薪酬水平的提高有助于提升银行内部资源配置效率。各控制变量之间的相关性整体较低，大部分相关系数在0.5以下。银行规模（Size）与高管薪酬总额对数（LnPay）的相关系数为0.465，在1%水平上显著，说明规模较大的银行往往支付给高管更高的薪酬，这与实际情况相符，规模大的银行经营管理难度和复杂度更高，对高管能力要求也更高，相应的薪酬水平也会更高。资本充足率（CAR）与不良贷款率（NPL）呈显著负相关，相关系数为-0.456，在1%水平上显著，表明资本充足率越高的银行，信贷资产质量越好，不良贷款率越低，这符合银行风险管理的基本原理，充足的资本能够增强银行抵御风险的能力，降低不良贷款发生的概率。虽然部分变量之间存在显著的相关性，但相关系数均未超过0.5，初步判断各变量之间不存在严重的多重共线性问题。为进一步验证，后续将进行方差膨胀因子（VIF）检验，以确保回归结果的准确性和可靠性。5.3回归结果分析5.3.1总体回归结果运用Stata软件对构建的回归模型进行估计，结果如表3所示，展示了高管薪酬对商业银行信贷资源配置和内部资源配置效率的总体影响。表3：总体回归结果变量HHI（1）Long-term（2）TE（3）LnPay0.032***（3.56）-0.025**（2.48）ESOP-0.156***（3.89）0.087***（3.25）PB0.045***（4.02）-0.018*（1.86）Size0.028**（2.54）0.012（1.23）0.015（1.45）CAR-0.016*（-1.85）0.008（0.87）0.005（0.56）NPL0.022**（2.21）-0.010（-1.05）-0.008（-0.82）GDP_growth0.010（1.12）0.006（0.68）0.004（0.45）CPI0.008（0.96）0.005（0.58）0.003（0.36）Constant-0.456***（-4.21）-0.235**（-2.56）-0.312***（-3.08）N315315315R-squared0.3250.2160.258注：括号内为t值，*、、*分别表示在1%、5%、10%水平上显著。在信贷资源配置模型（1）中，高管薪酬总额对数（LnPay）的回归系数为0.032，在1%水平上显著为正，表明高管薪酬水平的提高会显著增加信贷行业集中度，即高管薪酬水平越高，信贷资源越倾向于向高风险高回报领域配置，假设1得到验证。绩效奖金占比（PB）的回归系数为0.045，在1%水平上显著为正，说明绩效奖金占比越高，高管越注重短期业绩，会将更多信贷资源集中投向某些行业，进一步提高信贷行业集中度。银行规模（Size）的回归系数为0.028，在5%水平上显著为正，说明规模较大的银行，信贷资源集中度更高，可能是因为大型银行在资金和业务上更有优势，能够集中资源支持重点行业和企业。资本充足率（CAR）的回归系数为-0.016，在10%水平上显著为负，表明资本充足率越高，银行风险抵御能力越强，信贷资源配置可能更加分散，以降低风险。不良贷款率（NPL）的回归系数为0.022，在5%水平上显著为正，说明不良贷款率越高，银行可能会更加谨慎地选择贷款对象，将信贷资源集中投向风险相对较低的行业，导致信贷行业集中度上升。在银行资源配置长期战略倾向模型（2）中，股权激励占比（ESOP）的回归系数为0.156，在1%水平上显著为正，支持假设2，即股权激励占比越高，银行资源配置越注重长期战略。银行规模（Size）和其他控制变量的系数不显著，说明在该模型中，银行规模等因素对银行资源配置长期战略倾向的影响不明显。在内部资源配置效率模型（3）中，高管薪酬总额对数（LnPay）的回归系数为0.025，在5%水平上显著为正，表明高管薪酬水平的提高有助于提升银行内部资源配置效率。股权激励占比（ESOP）的回归系数为0.087，在1%水平上显著为正，说明股权激励占比越高，越能激励高管优化内部资源配置，提高资源利用效率。绩效奖金占比（PB）的回归系数为0.018，在10%水平上显著为正，表明绩效奖金占比的提高也能在一定程度上提升内部资源配置效率，但作用相对较弱。模型的拟合优度R-squared为0.258，说明模型对内部资源配置效率的解释能力较好，能够解释25.8%的内部资源配置效率变化。5.3.2分样本回归结果为了进一步探究不同类型商业银行高管薪酬与资源配置行为关系的差异，根据银行类型（国有大型商业银行、股份制商业银行、城市商业银行）和规模（大型银行、中型银行、小型银行）进行分样本回归，结果如表4所示。表4：分样本回归结果变量国有大型商业银行（1）股份制商业银行（2）城市商业银行（3）大型银行（4）中型银行（5）小型银行（6）LnPay0.018（1.32）0.045***（4.21）0.029**（2.34）0.030***（3.15）0.026**（2.41）0.016（1.18）ESOP0.056（1.08）0.187***（4.56）0.123***（3.01）0.105***（3.47）0.098***（3.12）0.065*（1.75）PB0.025**（2.11）0.056***（4.87）0.038***（3.32）0.042***（3.85）0.035***（3.16）0.020*（1.78）Size------CAR-0.010（-1.05）-0.021**（-2.15）-0.014（-1.38）-0.015*（-1.78）-0.012（-1.15）-0.008（-0.76）NPL0.018（1.68）0.028**（2.56）0.024**（2.12）0.022**（2.05）0.020*（1.82）0.016（1.45）GDP_growth0.008（0.95）0.012（1.34）0.009（1.02）0.010（1.10）0.008（0.89）0.007（0.78）CPI0.006（0.78）0.010（1.12）0.007（0.86）0.008（0.92）0.006（0.71）0.005（0.62）Constant-0.325***（-3.08）-0.568***（-5.21）-0.402***（-3.56）-0.435***（-4.02）-0.368***（-3.38）-0.286***（-2.65）N1051407014010570R-squared0.2150.3860.3020.3450.2870.226注：括号内为t值，*、、*分别表示在1%、5%、10%水平上显著。从银行类型来看，在国有大型商业银行样本（1）中，高管薪酬总额对数（LnPay）、股权激励占比（ESOP）和绩效奖金占比（PB）的系数均不显著，说明国有大型商业银行高管薪酬对资源配置行为的影响相对较弱。这可能是因为国有大型商业银行承担着更多的社会责任，经营决策受到政策因素的影响较大，高管薪酬的激励作用受到一定限制。在股份制商业银行样本（2）中，LnPay、ESOP和PB的系数均在1%水平上显著，且系数值相对较大，表明股份制商业银行高管薪酬对资源配置行为的影响较为显著。股份制商业银行市场化程度较高，高管薪酬与银行绩效联系紧密，激励效果明显，高管更有动力根据薪酬激励调整资源配置策略。城市商业银行样本（3）中，各变量系数也显著，说明城市商业银行高管薪酬对资源配置行为有一定影响，但影响程度介于国有大型商业银行和股份制商业银行之间。城市商业银行在经营上既有一定的市场化特征，又受到地域等因素的限制，其高管薪酬激励机制和资源配置决策受到多种因素的综合影响。按银行规模分样本回归结果显示，大型银行样本（4）中，LnPay、ESOP和PB的系数均在1%或5%水平上显著，说明大型银行高管薪酬对资源配置行为影响显著。大型银行资金实力雄厚，业务多元化，高管薪酬激励能够有效引导资源配置决策。中型银行样本（5）中，各变量系数也显著，表明中型银行高管薪酬同样对资源配置行为有明显影响。中型银行处于快速发展阶段，对资源配置的优化需求较高，高管薪酬激励在促进资源合理配置方面发挥重要作用。小型银行样本（6）中，虽然各变量系数部分在10%水平上显著，但整体显著性水平相对较低，说明小型银行高管薪酬对资源配置行为的影响相对较弱。小型银行受规模、资金、人才等因素限制，在资源配置上可能缺乏灵活性，高管薪酬的激励效果也受到一定制约。5.3.3稳健性检验为确保回归结果的可靠性，采用多种方法进行稳健性检验。首先，替换变量，将高管薪酬总额对数（LnPay）替换为高管人均薪酬对数（LnAPay），股权激励占比（ESOP）替换为股票期权占薪酬总额比例（SO），绩效奖金占比（PB）替换为与业绩挂钩的奖金占薪酬总额比例（LB），重新进行回归分析，结果如表5所示。表5：替换变量稳健性检验结果变量HHI（1）Long-term（2）TE（3）LnAPay0.030***（3.38）-0.023**（2.35）SO-0.148***（3.76）0.082***（3.08）LB0.042***（3.86）-0.016*（1.79）Size0.026**（2.41）0.011（1.18）0.014（1.38）CAR-0.015*（-1.79）0.007（0.82）0.004（0.48）NPL0.020**（2.05）-0.009（-0.98）-0.007（-0.78）GDP_growth0.009（1.08）0.005（0.62）0.003（0.39）CPI0.007（0.89）0.004（0.53）0.002（0.28）Constant-0.432***（-4.08）-0.226**（-2.45）-0.298***（-2.96）N315315315R-squared0.3180.2090.251注：括号内为t值，*、、*分别表示在1%、5%、10%水平上显著。替换变量后的回归结果与原回归结果基本一致，关键变量的系数符号和显著性水平未发生明显变化，说明回归结果在变量替换后依然稳健。在信贷资源配置模型（1）中，LnAPay、LB的系数显著为正，支持假设1；在银行资源配置长期战略倾向模型（2）中，SO的系数显著为正，支持假设2；在内部资源配置效率模型（3）中，LnAPay、SO和LB的系数显著为正，支持假设3。其次，改变样本范围，剔除样本中的异常值（如个别业绩波动较大或数据存在缺失的银行），重新进行回归分析。结果显示，关键变量的系数和显著性水平与原回归结果相近，表明回归结果在改变样本范围后具有稳健性。采用不同估计方法，如固定效应模型（FE）和随机效应模型（RE）进行回归分析，Hausman检验结果表明固定效应模型更合适。在固定效应模型下，回归结果与原混合效应模型结果基本一致，进一步验证了回归结果的可靠性。通过以上多种稳健性检验方法，充分证明了本文回归结果的稳健性和可靠性，增强了研究结论的可信度。六、研究结论与政策建议6.1研究结论总结通过对2015-2023年35家中国商业银行的实证研究，深入剖析了商业银行高管薪酬与资源配置行为之间的关系，得出以下主要结论：高管薪酬水平对商业银行信贷资源配置有着显著影响。回归结果显示，高管薪酬总额对数（LnPay）与信贷行业集中度（HHI）呈显著正相关