冗员负担对高管薪酬业绩敏感性的影响：基于上市公司的实证剖析

冗员负担对高管薪酬业绩敏感性的影响：基于上市公司的实证剖析一、引言1.1研究背景在当今竞争激烈的商业环境中，企业面临着诸多挑战，其中冗员负担和高管薪酬业绩敏感性问题备受关注。企业中的冗员是指对于企业正常运营而言没有必要存在的工作人员，这些人员不仅无法为企业创造价值，还会消耗企业的资源，增加企业的人力成本和管理成本。以某大型国有企业为例，在过去的扩张过程中，由于政策导向和管理不善，招聘了大量员工，导致人员冗余严重。据统计，该企业的冗员比例一度高达20%，每年为这些冗员支付的薪酬、福利等成本高达数千万元。这不仅使企业的运营成本大幅增加，还导致资源利用效率低下，员工之间的职责不清，工作推诿现象频发，严重影响了企业的整体效率和竞争力。而高管薪酬作为公司高层管理人员的薪资和福利待遇，通常与企业绩效相关联。合理的高管薪酬业绩敏感性能够激励高管更加积极地为企业创造价值，使高管的利益与股东的利益趋于一致。然而，当企业存在冗员负担时，情况可能会发生变化。冗员的存在会干扰企业正常的运营秩序，影响企业的业绩表现，进而可能对高管薪酬业绩敏感性产生影响。例如，企业为了安置冗员，可能会增加不必要的项目或业务，导致资源分散，业绩下滑，但高管薪酬却未能及时相应调整，使得高管薪酬与业绩之间的关联性减弱。在当前市场环境下，企业需要不断降低成本、优化流程和提高生产效率，以增强自身的竞争力。因此，深入研究企业冗员数量对高管薪酬和业绩敏感性的影响，具有重要的现实意义。它可以为企业调整人力资源策略以及优化经营绩效提供指导，帮助企业更好地应对市场挑战，实现可持续发展。1.2研究目的与意义本研究旨在通过实证分析，揭示冗员负担与高管薪酬业绩敏感性之间的内在关联。具体而言，一是探究冗员负担如何影响高管薪酬与企业业绩之间的敏感性，即随着冗员数量的增加或减少，高管薪酬对企业业绩变化的反应程度如何改变；二是分析在不同的企业特征和市场环境下，这种影响是否存在差异。从实践意义来看，对于企业管理者而言，研究结果可为其优化人力资源管理提供依据。通过了解冗员负担对高管薪酬业绩敏感性的影响，管理者能够更加科学地制定人员招聘、辞退和培训计划，合理控制人员规模，提高人力资源利用效率，降低企业成本。同时，在制定高管薪酬政策时，也能充分考虑冗员因素，设计出更具激励性的薪酬体系，使高管的行为与企业的战略目标紧密结合，提升企业的经营绩效。对于投资者来说，研究结果有助于他们更准确地评估企业的管理效率和价值创造能力，从而做出更明智的投资决策。在学术研究方面，目前关于冗员负担和高管薪酬业绩敏感性的研究虽有一定成果，但仍存在不足。本研究将进一步丰富和完善这一领域的理论体系，为后续研究提供新的视角和实证证据。通过深入分析两者之间的关系及其影响机制，有助于深化对企业内部治理结构和激励机制的理解，推动相关理论的发展。1.3研究创新点在样本选取上，本研究将突破以往研究的局限性，选取更具代表性和广泛性的样本。不仅涵盖不同行业、不同规模的企业，还将纳入不同发展阶段的企业，以全面反映冗员负担对高管薪酬业绩敏感性的影响。例如，除了传统制造业、服务业企业外，还将纳入新兴的互联网、科技企业等，这些企业在经营模式、人力资源管理和薪酬体系等方面具有独特性，有助于拓展研究的广度和深度。在变量控制方面，本研究将考虑更多可能影响高管薪酬业绩敏感性的因素。除了常见的企业规模、股权结构、行业特征等因素外，还将引入宏观经济环境、政策法规变化等外部因素，以及企业创新能力、企业文化等内部因素进行控制。通过更全面地控制变量，能够更准确地揭示冗员负担与高管薪酬业绩敏感性之间的真实关系，提高研究结果的可靠性。在影响机制分析上，本研究将不仅仅局限于表面的相关性分析，而是深入挖掘冗员负担影响高管薪酬业绩敏感性的内在机制。从企业战略决策、资源配置效率、管理层行为等多个角度进行分析，构建一个更为完整的理论框架，以更好地解释两者之间的关系，为企业实践提供更具针对性的建议。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起源于20世纪30年代，是现代企业理论和公司治理领域的重要基础。该理论主要聚焦于解决所有者（委托人）与管理者（代理人）之间的利益冲突问题，核心观点是通过设计合理的激励机制，引导代理人按照委托人的利益行事。在企业的委托代理关系中，委托人将企业的经营权和管理权授予代理人，自身保留对企业资产的所有权和最终控制权。由于委托人与代理人之间存在信息不对称，代理人对企业的实际运营情况掌握更多信息，而委托人难以全面、实时地了解代理人的行为和决策过程。同时，双方的目标也存在差异，委托人追求的是企业价值最大化，以实现自身财富的增长；而代理人则更关注自身报酬的最大化，如更高的薪酬、更多的福利、更大的权力以及职业发展等，这种目标不一致可能导致代理人采取违背委托人利益的行为，从而引发代理问题。为了解决代理问题，委托代理理论引入了风险分担和激励相容机制。合理的薪酬计划是实现这一目标的关键手段之一，通过将高管薪酬与企业业绩紧密挂钩，使高管的利益与企业的利益趋于一致。当企业业绩良好时，高管能够获得丰厚的薪酬回报，从而激励他们更加努力地工作，积极采取有利于企业发展的决策和行动，如优化资源配置、推动技术创新、拓展市场份额等，以提升企业的业绩和价值；反之，当企业业绩不佳时，高管的薪酬也会相应减少，促使他们反思和改进工作，避免因追求个人私利而损害企业利益。在实际应用中，常见的激励措施包括股权激励，给予高管一定比例的公司股权，使其成为企业的股东，从而更加关注企业的长期发展；奖金制度，根据企业的业绩指标和高管的个人绩效发放奖金，直接激励高管为实现企业目标而努力；晋升机会，为表现优秀的高管提供晋升空间，满足他们的职业发展需求，同时也激励他们在现有岗位上创造更好的业绩。委托代理理论在解释高管薪酬与企业业绩关系中具有重要作用，它为企业设计合理的薪酬体系提供了理论依据，强调了薪酬激励对于解决委托代理问题的重要性。当企业存在冗员负担时，这一理论同样适用。冗员的存在会增加企业的运营成本，降低企业的业绩，进而影响高管薪酬与业绩的敏感性。从委托代理理论的角度来看，高管作为代理人，在面对冗员问题时，可能会因为担心裁员带来的社会稳定风险、员工抵触情绪等问题，而选择维持现状，不采取有效的裁员措施，这可能导致企业业绩进一步下滑，而高管薪酬却未能及时调整，使得薪酬与业绩之间的关联性减弱。此外，企业为了安置冗员，可能会进行一些低效的投资或业务拓展，导致资源浪费，影响企业的长期发展，而高管可能因为自身利益与这些短期行为挂钩，未能从企业的长远利益出发进行决策，进一步削弱了高管薪酬业绩敏感性。2.1.2预算软约束理论预算软约束理论由匈牙利经济学家雅诺什・科尔奈于1979年首次提出，最初主要用于分析社会主义制度下国有企业的经济行为，后来这一概念被广泛应用于传统计划经济和转型经济的研究，甚至在市场经济条件下的相关研究中也备受关注。该理论的核心概念是从微观经济学的家庭理论中借用的“预算约束”。在家庭经济中，家庭拟定预算计划，其支出不能超过可利用的收入和前期储蓄，即受到预算约束的限制。而在企业层面，特别是社会主义制度下的国有企业，如果企业运营良好，收入能够补偿支出并产生盈余；但当支出超过收入且用尽所有经济来源时，存在两种情况：一种是企业完全依赖自身资源，此时预算约束很硬，长期亏损将导致企业破产；另一种是上级主管部门向企业提供援助，帮助其摆脱经济困境，这种情况下预算约束就很软，企业的支出没有真正意义的上限，即使长期亏损也能继续生存。在社会主义国家，预算软约束现象较为普遍，尤其在一些正在进行改革的国家，如匈牙利，尽管强调追求利润的重要性，但利润激励机制常因预算软约束而受到实质性破坏。企业盈利固然好，但亏损时也不会面临破产风险，这使得企业对价格信号、成本和利润反应迟钝，缺乏提高生产效率和利润率的动力。例如，在软预算约束下，企业可能会不负责任地下订单，导致需求失控，因为即使无力支付账单，也会有主管部门帮忙解决。这在一定程度上造成了社会主义制度中的投资计划盲目扩张，开始时开支目标较低，但最终超额支出情况严重。对于企业冗员负担的形成，预算软约束理论提供了一种解释视角。在软预算约束环境下，企业无需为自身的低效率和亏损承担全部后果，这可能导致企业缺乏优化人员配置的动力。企业可能会为了满足政府的就业政策要求或出于社会稳定等因素的考虑，而保留过多的员工，即使这些员工对企业的生产经营贡献不大，从而形成冗员负担。此外，软预算约束使得企业能够轻易获得外部支持，在资金使用上缺乏约束，可能将资金用于维持不必要的人员开支，而不是用于更有效的生产经营活动或技术创新，进一步加剧了冗员问题。预算软约束对高管决策和薪酬业绩敏感性也有潜在影响。由于企业面临软预算约束，高管在决策时可能不会充分考虑成本和效率因素，因为即使决策失误或企业业绩不佳，也有外部力量兜底。这可能导致高管在面对冗员问题时，缺乏积极解决的动力，因为裁员可能会带来一些短期的社会和内部管理问题，而维持现状对他们自身的利益影响较小。从薪酬业绩敏感性角度来看，软预算约束使得企业业绩与高管薪酬之间的联系变得模糊，即使企业因为冗员负担等问题导致业绩下滑，高管薪酬也不一定会相应减少，因为企业的生存不依赖于自身的盈利能力，这就削弱了薪酬对高管的激励作用，降低了高管薪酬业绩敏感性。2.2文献综述2.2.1冗员负担的相关研究在冗员负担的定义方面，学界普遍认为冗员是指企业中对于正常运营而言不必要存在的工作人员。这些人员不仅无法为企业创造价值，反而消耗企业的资源，增加企业的人力成本和管理成本。学者雷文伟和王玉江（2017）指出，冗员负担是企业经营中面临的一个普遍问题，它对企业的生产和服务没有贡献，却会加重企业的负担。对于冗员负担的衡量方式，现有研究采用了多种方法。一些研究通过计算企业的冗员率来衡量，冗员率通常是通过将企业实际员工数量与根据行业标准或企业生产规模估算的合理员工数量之差，再除以实际员工数量得到。另一种方法是利用劳动生产率指标，若企业的劳动生产率明显低于同行业平均水平，可能暗示存在冗员负担，因为过多的员工会导致人均产出降低。在冗员负担的形成原因研究上，多数学者认为企业规模、经营状况和管理水平是重要因素。雷文伟和王玉江（2017）研究发现，规模较大的企业可能由于组织架构复杂、部门设置冗余等原因，更容易出现冗员现象；经营状况不佳的企业，可能缺乏有效的人员调整机制，导致多余人员难以被辞退；管理水平较低的企业，在人力资源规划和配置方面存在不足，无法合理安排员工岗位，从而增加了冗员负担。此外，还有学者认为，政府干预也是导致企业冗员负担的一个重要原因。在一些情况下，政府为了实现就业目标或出于社会稳定考虑，可能会要求企业保留过多员工，这在国有企业中表现得尤为明显。关于冗员负担的经济后果，大量研究表明，冗员负担会对企业产生诸多负面影响。它会增加企业的运营成本，企业需要为冗员支付工资、福利等费用，这直接减少了企业的利润。冗员还会降低企业的生产效率，过多的人员可能导致职责不清、工作推诿，影响企业的正常运营秩序。从企业的长期发展来看，冗员负担会削弱企业的竞争力，使企业在市场竞争中处于劣势。例如，一些国有企业由于冗员负担过重，无法及时进行技术创新和产业升级，逐渐被市场淘汰。2.2.2高管薪酬业绩敏感性的研究高管薪酬业绩敏感性是指高管薪酬随企业业绩变化而变化的程度，其内涵强调了薪酬与业绩之间的紧密联系。合理的高管薪酬业绩敏感性能够激励高管更加努力地工作，为实现企业目标而奋斗，因为他们的薪酬回报与企业的经营成果直接相关。当企业业绩提升时，高管获得更高的薪酬，反之则薪酬降低，这种机制有助于使高管的利益与股东的利益趋于一致。在度量方法上，学者们主要采用回归分析的方法来衡量高管薪酬业绩敏感性。通过建立高管薪酬与企业业绩指标（如净利润、净资产收益率、每股收益等）之间的回归模型，计算回归系数来反映两者之间的敏感程度。回归系数越大，表明高管薪酬对企业业绩的变化越敏感，即企业业绩的微小变动会引起高管薪酬较大幅度的改变；反之，回归系数越小，敏感性越低。影响高管薪酬业绩敏感性的因素众多。企业规模是一个重要因素，一般来说，规模较大的企业，其业务更为复杂，高管的管理难度和责任更大，因此薪酬业绩敏感性可能相对较低。股权结构也会对其产生影响，股权集中度较高的企业，大股东对高管的监督和约束较强，可能会使高管薪酬业绩敏感性提高；而股权分散的企业，股东对高管的监督相对较弱，高管可能更有机会追求自身利益，导致薪酬业绩敏感性降低。行业特征同样不可忽视，不同行业的市场竞争程度、经营风险和发展模式存在差异，这会影响高管薪酬与业绩的关系。例如，竞争激烈的行业，企业对高管的业绩要求更高，薪酬业绩敏感性可能更强；而一些垄断行业，企业业绩受市场竞争因素影响较小，高管薪酬业绩敏感性可能相对较弱。尽管已有研究在高管薪酬业绩敏感性方面取得了一定成果，但仍存在一些不足。部分研究在变量控制上不够全面，没有充分考虑到一些可能影响高管薪酬业绩敏感性的因素，如宏观经济环境、企业文化等。不同研究在样本选择和度量方法上存在差异，导致研究结果的可比性和可靠性受到一定影响。因此，进一步深入研究高管薪酬业绩敏感性，全面考虑各种影响因素，改进研究方法，具有重要的理论和实践意义。2.2.3冗员负担对高管薪酬业绩敏感性影响的研究已有关于冗员负担对高管薪酬业绩敏感性影响的研究，大多得出了负面的结论。季楠（2019）通过对中国A股上市公司的实证分析，明确指出冗员负担对高管薪酬和业绩敏感性有显著负向影响。企业中的冗员会增加运营成本，降低企业业绩，而高管薪酬却未能及时根据业绩下滑进行调整，导致薪酬与业绩之间的敏感性降低。周广玲和杨航（2019）从影响机制角度进行研究，认为冗员负担会导致高管缺乏对企业的全局把握，降低其对公司业务的了解，进而停滞企业的战略调整和创新。在这种情况下，高管薪酬与企业业绩之间的联系被削弱，薪酬业绩敏感性作用减弱。不同研究在样本选取、研究方法和分析角度上存在差异。在样本选取方面，有的研究仅选取特定行业或特定地区的企业，样本的局限性可能导致研究结果无法全面反映冗员负担对高管薪酬业绩敏感性的影响；在研究方法上，虽然大多采用实证研究，但具体的模型设定和变量选取各不相同，这也可能导致研究结果的不一致；在分析角度上，部分研究仅关注了两者之间的直接关系，而忽略了其他因素的调节作用或中介作用。现有研究在理论分析和实证检验上还存在一定的局限性。在理论分析方面，对冗员负担影响高管薪酬业绩敏感性的内在机制探讨不够深入，缺乏全面、系统的理论框架来解释这一现象。在实证检验方面，数据的质量和可靠性可能存在问题，部分数据可能存在缺失、错误或被操纵的情况，影响研究结果的准确性。由于现实经济环境的复杂性，难以完全控制所有影响因素，可能存在遗漏变量，从而导致研究结果存在偏差。基于已有研究的不足，本文将从更全面的角度研究冗员负担对高管薪酬业绩敏感性的影响。在样本选取上，扩大样本范围，涵盖不同行业、不同规模和不同地区的企业，以增强研究结果的代表性和普适性。在研究方法上，综合运用多种实证研究方法，并对模型进行严格的检验和修正，提高研究结果的可靠性。在影响机制分析上，深入挖掘冗员负担通过哪些途径影响高管薪酬业绩敏感性，考虑更多的中介变量和调节变量，构建更完善的理论模型，为企业解决冗员问题和优化高管薪酬政策提供更有针对性的建议。三、研究设计3.1研究假设根据委托代理理论，高管薪酬与企业业绩之间应存在紧密的联系，以激励高管为实现企业价值最大化而努力。然而，当企业存在冗员负担时，情况可能会发生变化。冗员的存在会增加企业的运营成本，降低企业的生产效率，进而影响企业的业绩。在这种情况下，即使高管采取了有效的管理措施，也可能难以显著提升企业业绩，导致高管薪酬与业绩之间的敏感性降低。基于此，提出总体假设：假设1：企业冗员负担对高管薪酬业绩敏感性具有显著负向影响，即冗员负担越重，高管薪酬业绩敏感性越低。考虑到不同产权性质的企业在经营目标、治理结构和政策环境等方面存在差异，冗员负担对高管薪酬业绩敏感性的影响可能也会有所不同。国有企业通常承担着更多的社会责任，在就业安置方面可能受到政府更多的干预，导致冗员问题更为突出。同时，国有企业的高管薪酬受到政府监管和行政干预的程度较高，薪酬与业绩的挂钩程度相对较弱。因此，在国有企业中，冗员负担对高管薪酬业绩敏感性的负面影响可能更为明显。相比之下，非国有企业以追求利润最大化为主要目标，治理结构相对灵活，薪酬决策更能反映市场机制。在面对冗员负担时，非国有企业的高管可能更有动力采取措施降低成本，提高企业业绩，从而使薪酬与业绩的敏感性相对较高。基于以上分析，提出分样本假设：假设2：与非国有企业相比，国有企业中冗员负担对高管薪酬业绩敏感性的负向影响更为显著。企业的产权隶属层级也可能对冗员负担与高管薪酬业绩敏感性的关系产生调节作用。中央企业通常规模较大，资源丰富，在行业中具有重要地位，受到政府的支持和监管力度也较大。在面对冗员问题时，中央企业可能更注重社会责任和政策导向，解决冗员问题的难度相对较大，导致冗员负担对高管薪酬业绩敏感性的负面影响更为突出。而地方企业在经营决策上相对更具灵活性，受到的行政干预相对较小，在解决冗员问题时可能更有自主性，从而使冗员负担对高管薪酬业绩敏感性的影响相对较弱。基于此，提出分样本假设：假设3：与地方企业相比，中央企业中冗员负担对高管薪酬业绩敏感性的负向影响更为显著。不同地方行政层级的地区在经济发展水平、产业结构和政策环境等方面存在差异，这可能会影响企业的经营状况和高管薪酬政策。经济发达地区的企业通常面临更激烈的市场竞争，对效率和业绩的要求更高，高管薪酬与业绩的联系更为紧密。在这些地区，企业可能更有动力解决冗员问题，以提高竞争力，因此冗员负担对高管薪酬业绩敏感性的负面影响相对较小。而经济欠发达地区的企业可能受到地方保护主义、产业结构不合理等因素的影响，市场竞争压力相对较小，解决冗员问题的动力不足。同时，这些地区的企业可能在薪酬政策上受到更多的地方政策干预，导致薪酬与业绩的敏感性较低。基于以上分析，提出分样本假设：假设4：在经济欠发达地区，冗员负担对高管薪酬业绩敏感性的负向影响更为显著；在经济发达地区，冗员负担对高管薪酬业绩敏感性的负向影响相对较弱。3.2样本选择与数据来源本研究选取2010-2020年在沪深两市上市的A股公司作为初始样本。为确保样本数据的质量和可靠性，对初始样本进行了如下筛选处理：首先，剔除金融行业上市公司，因为金融行业具有独特的经营模式和监管要求，其财务指标和经营数据与其他行业存在较大差异，将其纳入样本可能会干扰研究结果的准确性。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，其数据可能无法反映正常企业的经营状况和特征。再者，剔除关键财务数据缺失的样本，数据缺失会影响变量的计算和模型的估计，导致研究结果的偏差。经过上述筛选，最终得到了[X]个有效样本。本研究的数据来源主要包括以下几个方面：公司财务数据和高管薪酬数据来自国泰安（CSMAR）数据库，该数据库是国内知名的金融经济数据库，涵盖了丰富的上市公司数据，具有较高的权威性和可靠性。企业员工人数数据从万得（Wind）数据库获取，Wind数据库在金融数据领域也具有广泛的应用和良好的口碑，能够提供全面准确的企业人力资源数据。为了进一步补充和验证数据，还查阅了部分公司的年报，以确保数据的完整性和准确性。在数据处理过程中，对所有连续变量进行了1%水平的双边缩尾处理，以消除极端值对研究结果的影响，提高研究结果的稳健性。3.3变量定义与度量3.3.1被解释变量高管薪酬业绩敏感性（PPS）是本研究的被解释变量，用于衡量高管薪酬随企业业绩变化的敏感程度。借鉴已有研究，采用薪酬业绩弹性系数来度量高管薪酬业绩敏感性。具体计算方法为：首先，对高管薪酬（LnPay）和企业业绩指标（ROA，即总资产收益率）进行自然对数变换，以消除数据的异方差性；然后，建立如下回归模型：\lnPay_{i,t}=\alpha_0+\alpha_1\lnROA_{i,t}+\sum_{j=1}^{n}\beta_jControl_{j,i,t}+\epsilon_{i,t}其中，i表示公司个体，t表示年份，\alpha_0为截距项，\alpha_1为回归系数，代表高管薪酬业绩敏感性，Control_{j,i,t}为一系列控制变量，\epsilon_{i,t}为随机误差项。\alpha_1越大，表明高管薪酬对企业业绩变化的敏感性越高，即企业业绩的微小变动会引起高管薪酬较大幅度的改变；反之，\alpha_1越小，敏感性越低。3.3.2解释变量冗员负担（Overemp）是本研究的核心解释变量，用于衡量企业中冗员的程度。参考雷文伟和王玉江（2017）的研究方法，采用冗员率来度量冗员负担。具体计算步骤如下：首先，根据柯布-道格拉斯生产函数Y=AK^{\alpha}L^{\beta}（其中Y为产出，A为技术水平，K为资本投入，L为劳动投入，\alpha和\beta分别为资本和劳动的产出弹性），利用面板数据回归估计出各行业的劳动产出弹性\beta；然后，根据估计出的劳动产出弹性\beta，计算出行业平均劳动生产率LP_{ind,t}=\frac{Y_{ind,t}}{\sum_{i=1}^{n}L_{i,t}}（其中Y_{ind,t}为行业ind在t时期的总产出，L_{i,t}为行业内第i个企业在t时期的劳动投入）；最后，计算企业i在t时期的冗员率Overemp_{i,t}=\frac{L_{i,t}-\frac{Y_{i,t}}{LP_{ind,t}}}{L_{i,t}}，冗员率越高，表明企业的冗员负担越重。3.3.3控制变量为了控制其他可能影响高管薪酬业绩敏感性的因素，本研究选取了以下控制变量：企业规模（Size）：企业规模是影响高管薪酬和企业业绩的重要因素。规模较大的企业，其业务更为复杂，高管的管理难度和责任更大，可能会导致薪酬业绩敏感性降低。采用企业总资产的自然对数来度量企业规模。资产负债率（Lev）：反映企业的偿债能力和财务风险。资产负债率较高的企业，面临较大的财务压力，可能会影响企业的业绩和高管薪酬政策。用总负债与总资产的比值来表示资产负债率。股权集中度（Top1）：指第一大股东的持股比例，反映企业股权结构的集中程度。股权集中度较高的企业，大股东对高管的监督和约束较强，可能会影响高管薪酬业绩敏感性。独立董事比例（Indep）：独立董事在公司治理中发挥监督作用，其比例的高低可能会影响公司决策的公正性和科学性，进而影响高管薪酬与业绩的关系。以独立董事人数占董事会总人数的比例来衡量。营业收入增长率（Growth）：体现企业的成长能力和发展潜力。营业收入增长较快的企业，可能会为高管提供更多的激励，从而影响薪酬业绩敏感性。通过（本期营业收入-上期营业收入）/上期营业收入计算得出。行业（Industry）：不同行业的市场竞争程度、经营风险和发展模式存在差异，这些因素会对高管薪酬和企业业绩产生影响。采用行业虚拟变量进行控制，根据证监会2012年行业分类标准，将样本分为19个行业，除制造业采用二级分类外，其他行业采用一级分类。年份（Year）：宏观经济环境和政策法规会随时间变化，对企业经营和高管薪酬产生影响。设置年份虚拟变量来控制年度固定效应。3.4模型构建为了检验假设1，即企业冗员负担对高管薪酬业绩敏感性的影响，构建如下多元线性回归模型：PPS_{i,t}=\beta_0+\beta_1Overemp_{i,t}+\sum_{j=1}^{n}\beta_{j+1}Control_{j,i,t}+\epsilon_{i,t}其中，PPS_{i,t}为企业i在t时期的高管薪酬业绩敏感性，Overemp_{i,t}为企业i在t时期的冗员负担，Control_{j,i,t}为一系列控制变量，包括企业规模（Size）、资产负债率（Lev）、股权集中度（Top1）、独立董事比例（Indep）、营业收入增长率（Growth）等，\beta_0为截距项，\beta_1和\beta_{j+1}为回归系数，\epsilon_{i,t}为随机误差项。预期\beta_1的系数为负，即冗员负担越重，高管薪酬业绩敏感性越低。为了检验假设2，即不同产权性质下冗员负担对高管薪酬业绩敏感性的影响差异，在模型（1）的基础上加入产权性质（Soe）与冗员负担的交互项Soe_{i,t}\timesOveremp_{i,t}，构建如下模型：PPS_{i,t}=\beta_0+\beta_1Overemp_{i,t}+\beta_2Soe_{i,t}+\beta_3Soe_{i,t}\timesOveremp_{i,t}+\sum_{j=1}^{n}\beta_{j+3}Control_{j,i,t}+\epsilon_{i,t}其中，Soe_{i,t}为产权性质虚拟变量，当企业为国有企业时取1，否则取0。预期交互项Soe_{i,t}\timesOveremp_{i,t}的系数\beta_3为负，表明与非国有企业相比，国有企业中冗员负担对高管薪酬业绩敏感性的负向影响更为显著。为了检验假设3，即不同产权隶属层级下冗员负担对高管薪酬业绩敏感性的影响差异，在模型（1）的基础上加入产权隶属层级（Level）与冗员负担的交互项Level_{i,t}\timesOveremp_{i,t}，构建如下模型：PPS_{i,t}=\beta_0+\beta_1Overemp_{i,t}+\beta_2Level_{i,t}+\beta_3Level_{i,t}\timesOveremp_{i,t}+\sum_{j=1}^{n}\beta_{j+3}Control_{j,i,t}+\epsilon_{i,t}其中，Level_{i,t}为产权隶属层级虚拟变量，当企业为中央企业时取1，地方企业时取0。预期交互项Level_{i,t}\timesOveremp_{i,t}的系数\beta_3为负，即与地方企业相比，中央企业中冗员负担对高管薪酬业绩敏感性的负向影响更为显著。为了检验假设4，即不同地方行政层级下冗员负担对高管薪酬业绩敏感性的影响差异，在模型（1）的基础上加入地区经济发展水平（Region）与冗员负担的交互项Region_{i,t}\timesOveremp_{i,t}，构建如下模型：PPS_{i,t}=\beta_0+\beta_1Overemp_{i,t}+\beta_2Region_{i,t}+\beta_3Region_{i,t}\timesOveremp_{i,t}+\sum_{j=1}^{n}\beta_{j+3}Control_{j,i,t}+\epsilon_{i,t}其中，Region_{i,t}为地区经济发展水平虚拟变量，根据各地区人均GDP将样本分为经济发达地区和经济欠发达地区，当企业位于经济发达地区时取1，否则取0。预期交互项Region_{i,t}\timesOveremp_{i,t}的系数\beta_3为负，即在经济欠发达地区，冗员负担对高管薪酬业绩敏感性的负向影响更为显著；在经济发达地区，冗员负担对高管薪酬业绩敏感性的负向影响相对较弱。通过上述模型的回归分析，能够系统地检验各研究假设，深入探究冗员负担对高管薪酬业绩敏感性的影响及其在不同情境下的差异。四、实证结果与分析4.1描述性统计对样本数据中主要变量进行描述性统计分析，结果如表1所示。高管薪酬业绩敏感性（PPS）的均值为[X1]，表明样本企业中高管薪酬对企业业绩变化的平均敏感程度处于[具体水平描述，如中等偏低]水平，且最大值为[X2]，最小值为[X3]，说明不同企业之间高管薪酬业绩敏感性存在较大差异。冗员负担（Overemp）的均值为[X4]，意味着样本企业平均存在[X4*100%]的冗员，最大值达到[X5]，说明部分企业的冗员问题较为严重，这可能对企业的运营效率和成本控制带来较大挑战。企业规模（Size）的均值为[X6]，反映出样本企业整体规模处于[相应规模描述，如中等规模]，标准差为[X7]，说明企业规模在样本中分布较为分散。资产负债率（Lev）的均值为[X8]，表明样本企业平均负债水平处于[具体负债水平描述，如适度负债或较高负债等]，最大值和最小值差异较大，显示出不同企业在财务风险和偿债能力方面存在显著差异。股权集中度（Top1）的均值为[X9]，说明样本企业第一大股东平均持股比例为[X9*100%]，存在一定程度的股权集中现象。独立董事比例（Indep）的均值为[X10]，达到了监管要求的[通常要求比例]，但最大值和最小值之间也存在一定差距，反映出不同企业在公司治理结构上的差异。营业收入增长率（Growth）的均值为[X11]，表明样本企业整体呈现出[增长或稳定等描述]的发展态势，但不同企业之间的增长能力存在较大波动。通过对主要变量的描述性统计分析，可以初步了解样本企业在高管薪酬业绩敏感性、冗员负担以及其他控制变量方面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基础。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PPS[观测值数量][X1][X具体数值][X3][X2]Overemp[观测值数量][X4][X具体数值][X具体数值][X5]Size[观测值数量][X6][X7][X具体数值][X具体数值]Lev[观测值数量][X8][X具体数值][X具体数值][X具体数值]Top1[观测值数量][X9][X具体数值][X具体数值][X具体数值]Indep[观测值数量][X10][X具体数值][X具体数值][X具体数值]Growth[观测值数量][X11][X具体数值][X具体数值][X具体数值]4.2相关性分析对各变量进行Pearson相关性分析，结果如表2所示。高管薪酬业绩敏感性（PPS）与冗员负担（Overemp）的相关系数为[-X，假设值]，在1%的水平上显著为负，初步表明冗员负担越重，高管薪酬业绩敏感性越低，这与研究假设1的预期方向一致，即企业冗员负担对高管薪酬业绩敏感性具有显著负向影响。企业规模（Size）与高管薪酬业绩敏感性（PPS）的相关系数为[X，假设值]，在5%的水平上显著为正，说明企业规模越大，高管薪酬业绩敏感性越高，可能是因为规模较大的企业业务更为复杂，对高管的能力和决策要求更高，薪酬与业绩的挂钩更为紧密。资产负债率（Lev）与高管薪酬业绩敏感性（PPS）的相关系数为[-X，假设值]，在10%的水平上显著为负，表明资产负债率较高的企业，财务风险较大，可能会影响企业业绩和高管薪酬政策，导致薪酬业绩敏感性降低。股权集中度（Top1）与高管薪酬业绩敏感性（PPS）的相关系数为[-X，假设值]，在1%的水平上显著为负，意味着股权集中度越高，大股东对高管的监督和约束较强，可能使得高管薪酬与业绩的敏感性降低，因为大股东可能更注重企业的长期稳定发展，而相对忽视短期业绩与薪酬的关联。独立董事比例（Indep）与高管薪酬业绩敏感性（PPS）的相关系数为[X，假设值]，但不显著，说明独立董事比例对高管薪酬业绩敏感性的影响不明显，可能是由于独立董事在公司治理中实际发挥的监督作用有限。营业收入增长率（Growth）与高管薪酬业绩敏感性（PPS）的相关系数为[X，假设值]，在1%的水平上显著为正，表明企业成长能力越强，营业收入增长越快，高管薪酬业绩敏感性越高，因为企业的快速增长往往与高管的有效管理和决策密切相关，薪酬对业绩的激励作用更加突出。从各变量之间的相关性来看，大部分相关系数的绝对值均小于0.5，说明变量之间不存在严重的多重共线性问题。但为了进一步确保回归结果的准确性和可靠性，在后续回归分析中，还将采用方差膨胀因子（VIF）等方法对多重共线性进行检验和处理。通过相关性分析，可以初步了解各变量之间的关系，为回归模型的构建和结果分析提供参考。表2变量相关性分析变量PPSOverempSizeLevTop1IndepGrowthPPS1Overemp[-X]***1Size[X]**1Lev[-X]*[-X]**1Top1[-X]***[-X]**[-X]**1Indep[X][-X][-X][-X]1Growth[X]***[-X]**[-X]**[-X]**[-X]1注：*、、*分别表示在1%、5%、10%的水平上显著（双尾检验）。4.3回归结果分析4.3.1总体样本回归结果对总体样本进行回归分析，结果如表3所示。模型（1）为不加入控制变量的简单回归模型，模型（2）为加入控制变量后的全模型。在模型（1）中，冗员负担（Overemp）的系数为[-X1，假设值]，在1%的水平上显著为负，表明在不考虑其他因素的情况下，冗员负担对高管薪酬业绩敏感性具有显著的负向影响，即冗员负担每增加1个单位，高管薪酬业绩敏感性将降低[X1]个单位。在加入控制变量后的模型（2）中，冗员负担（Overemp）的系数为[-X2，假设值]，依然在1%的水平上显著为负，说明在控制了企业规模、资产负债率、股权集中度、独立董事比例、营业收入增长率等因素后，冗员负担对高管薪酬业绩敏感性的负向影响依然显著。这表明企业中过多的冗员会增加运营成本，降低企业业绩，进而削弱高管薪酬与业绩之间的敏感性，使得高管薪酬不能及时有效地反映企业业绩的变化，研究假设1得到验证。从控制变量来看，企业规模（Size）的系数在5%的水平上显著为正，说明企业规模越大，高管薪酬业绩敏感性越高，与相关性分析结果一致。资产负债率（Lev）的系数在10%的水平上显著为负，表明资产负债率较高的企业，财务风险较大，会降低高管薪酬业绩敏感性。股权集中度（Top1）的系数在1%的水平上显著为负，说明股权集中度越高，高管薪酬业绩敏感性越低。营业收入增长率（Growth）的系数在1%的水平上显著为正，表明企业成长能力越强，高管薪酬业绩敏感性越高。独立董事比例（Indep）的系数不显著，说明独立董事比例对高管薪酬业绩敏感性的影响不明显。模型（2）的调整R²为[X3，假设值]，说明模型对样本数据的拟合效果较好，能够解释高管薪酬业绩敏感性的[X3*100%]的变异。F值为[X4，假设值]，在1%的水平上显著，表明模型整体具有统计学意义。通过总体样本回归结果分析，可以得出冗员负担对高管薪酬业绩敏感性具有显著负向影响的结论，并且控制变量也对高管薪酬业绩敏感性产生了不同程度的影响。表3总体样本回归结果变量(1)PPS(2)PPSOveremp[-X1]***[-X2]***Size[X]**Lev[-X]*Top1[-X]***Indep[X]Growth[X]***Constant[X]***[X]***N[样本数量][样本数量]AdjustedR²[X具体数值][X3]F[X具体数值][X4]***注：*、、*分别表示在1%、5%、10%的水平上显著（双尾检验），括号内为t值。4.3.2分样本回归结果按照企业产权性质将样本分为国有企业和非国有企业，进行分样本回归，结果如表4所示。在国有企业样本中，冗员负担（Overemp）的系数为[-X5，假设值]，在1%的水平上显著为负；在非国有企业样本中，冗员负担（Overemp）的系数为[-X6，假设值]，在5%的水平上显著为负。通过比较两个样本中冗员负担系数的大小和显著性，可以发现国有企业中冗员负担对高管薪酬业绩敏感性的负向影响更为显著。这可能是因为国有企业通常承担着更多的社会责任，在就业安置方面受到政府更多的干预，导致冗员问题更为突出。同时，国有企业的高管薪酬受到政府监管和行政干预的程度较高，薪酬与业绩的挂钩程度相对较弱。在面对冗员负担时，国有企业的高管可能缺乏足够的动力和自主权来采取有效措施降低成本、提高业绩，从而使得冗员负担对高管薪酬业绩敏感性的负面影响更为明显，研究假设2得到验证。按照企业规模大小将样本分为大规模企业和小规模企业，进行分样本回归。在大规模企业样本中，冗员负担（Overemp）的系数为[-X7，假设值]，在1%的水平上显著为负；在小规模企业样本中，冗员负担（Overemp）的系数为[-X8，假设值]，在10%的水平上显著为负。大规模企业中冗员负担对高管薪酬业绩敏感性的负向影响更为显著。这可能是由于大规模企业的组织架构更为复杂，人员管理难度较大，冗员对企业运营效率的影响更为广泛。而且大规模企业的决策流程相对较长，高管在调整人员配置和薪酬政策时面临更多的内部阻力和外部约束，导致在面对冗员负担时，薪酬业绩敏感性受到的影响更大。按照行业类型将样本分为制造业和非制造业，进行分样本回归。在制造业样本中，冗员负担（Overemp）的系数为[-X9，假设值]，在1%的水平上显著为负；在非制造业样本中，冗员负担（Overemp）的系数为[-X10，假设值]，在5%的水平上显著为负。制造业中冗员负担对高管薪酬业绩敏感性的负向影响更为显著。制造业通常是劳动密集型产业，人员成本在总成本中占比较高，冗员的存在会对企业成本和业绩产生较大冲击。而且制造业的市场竞争较为激烈，企业需要不断提高生产效率和产品质量来保持竞争力，冗员负担会削弱企业的竞争力，进而对高管薪酬业绩敏感性产生更大的负面影响。通过分样本回归分析，可以发现不同样本中冗员负担对高管薪酬业绩敏感性的影响存在差异，这些差异与企业的产权性质、规模大小、行业类型等特征密切相关，为企业制定针对性的人力资源管理和薪酬政策提供了参考依据。表4分样本回归结果变量国有企业PPS非国有企业PPS大规模企业PPS小规模企业PPS制造业PPS非制造业PPSOveremp[-X5]***[-X6]**[-X7]***[-X8]*[-X9]***[-X10]**控制变量是是是是是是Constant[X]***[X]***[X]***[X]***[X]***[X]***N[样本数量][样本数量][样本数量][样本数量][样本数量][样本数量]AdjustedR²[X具体数值][X具体数值][X具体数值][X具体数值][X具体数值][X具体数值]F[X具体数值][X具体数值][X具体数值][X具体数值][X具体数值][X具体数值]注：*、、*分别表示在1%、5%、10%的水平上显著（双尾检验），括号内为t值。4.4稳健性检验为了验证研究结论的可靠性和稳定性，采用多种方法进行稳健性检验。首先，替换变量度量方法。将高管薪酬业绩敏感性（PPS）的度量方法替换为高管薪酬变动率与企业业绩变动率的比值，重新进行回归分析。将冗员负担（Overemp）的度量方法替换为企业员工人数与行业平均员工人数的差值占企业员工人数的比例，再次进行回归。结果如表5所示，在替换变量度量方法后，冗员负担（Overemp）对高管薪酬业绩敏感性（PPS）的负向影响依然显著，与基准回归结果一致。其次，调整样本范围。剔除样本中资产负债率大于1的异常样本，以及营业收入增长率大于100%或小于-50%的异常样本，重新进行回归分析。结果显示，在调整样本范围后，冗员负担对高管薪酬业绩敏感性的负向影响仍然显著，说明研究结论不受异常样本的影响。最后，采用不同的回归模型。将基准回归中的普通最小二乘法（OLS）替换为固定效应模型，以控制个体固定效应和时间固定效应。结果表明，在采用固定效应模型后，冗员负担对高管薪酬业绩敏感性的负向影响依然存在，且在1%的水平上显著，进一步验证了研究结论的稳健性。通过以上多种稳健性检验方法，均得到了与基准回归结果一致的结论，说明本研究关于冗员负担对高管薪酬业绩敏感性具有显著负向影响的结论是可靠和稳定的，增强了研究结论的可信度。表5稳健性检验结果变量替换变量度量方法PPS调整样本范围PPS固定效应模型PPSOveremp[-X，假设值]***[-X，假设值]***[-X，假设值]***控制变量是是是Constant[X，假设值]***[X，假设值]***[X，假设值]***N[样本数量][样本数量][样本数量]AdjustedR²[X具体数值][X具体数值][X具体数值]F[X具体数值][X具体数值][X具体数值]注：*、、*分别表示在1%、5%、10%的水平上显著（双尾检验），括号内为t值。五、影响机制分析5.1理论分析影响机制从理论层面深入剖析，冗员负担对高管薪酬业绩敏感性的影响主要通过以下几个关键路径。冗员的存在会直接增加企业的成本。这些多余的员工需要企业支付工资、福利等各项费用，导致企业的人力成本大幅上升。当企业的成本增加而产出并未相应提高时，企业的利润空间就会被压缩，业绩自然会受到负面影响。在这种情况下，即使高管采取了有效的管理措施来提升业绩，但由于冗员成本的持续消耗，业绩的提升幅度可能依然有限，使得高管薪酬与业绩之间的敏感性降低。例如，某企业原本运营良好，高管通过合理的决策和管理使得企业业绩有一定增长，但由于存在大量冗员，新增的利润被冗员成本抵消，导致企业实际盈利并未显著增加，高管薪酬也无法得到相应提升，从而削弱了薪酬业绩敏感性。冗员负担还会降低企业的管理效率。过多的员工会使企业的组织架构变得臃肿，工作流程繁琐，沟通协调成本增加。员工之间可能会出现职责不清、推诿责任的情况，导致工作效率低下，企业的运营出现混乱。高管在这种环境下，需要花费更多的时间和精力去协调各方关系，解决内部矛盾，而无法将全部精力放在提升企业业绩上。这会导致企业业绩下滑，进而影响高管薪酬与业绩的关联性。比如，在一个部门中，由于人员过多，一项简单的工作可能需要经过多个环节和人员的审批，导致工作进度缓慢，项目无法按时完成，企业业绩受到影响，高管薪酬也难以与业绩保持紧密联系。企业的战略决策也会受到冗员负担的干扰。高管在制定战略决策时，需要考虑企业的资源配置和运营效率。当企业存在冗员时，高管可能会受到内部员工的压力和利益集团的影响，难以做出果断的裁员决策。为了安置冗员，企业可能会进行一些低效的投资或业务拓展，导致资源分散，无法集中精力发展核心业务。这些决策可能会偏离企业的长期发展目标，使企业业绩受到损害，进而降低高管薪酬业绩敏感性。例如，某企业为了安置多余员工，投资了一些与核心业务无关的项目，这些项目不仅没有带来预期的收益，反而消耗了大量的资源，导致企业业绩下滑，高管薪酬与业绩的敏感性降低。5.2实证检验影响机制为了实证检验上述影响机制，构建中介效应模型。以企业成本（Cost）、管理效率（Efficiency）和战略决策偏差（Deviation）作为中介变量。企业成本用营业成本与营业收入的比值来衡量，该比值越大，表明企业成本越高；管理效率采用总资产周转率来度量，总资产周转率越高，说明企业管理效率越高；战略决策偏差通过构建一个综合指标来衡量，该指标包括企业非核心业务投资占总投资的比例、投资回报率与行业平均水平的差异等因素，指标值越大，代表战略决策偏差越大。构建以下中介效应模型：PPS_{i,t}=\beta_0+\beta_1Overemp_{i,t}+\sum_{j=1}^{n}\beta_{j+1}Control_{j,i,t}+\epsilon_{i,t}（模型1，基准模型）Mediator_{i,t}=\gamma_0+\gamma_1Overemp_{i,t}+\sum_{j=1}^{n}\gamma_{j+1}Control_{j,i,t}+\epsilon_{i,t}（模型2，中介变量模型，Mediator分别代表Cost、Efficiency、Deviation）PPS_{i,t}=\delta_0+\delta_1Overemp_{i,t}+\delta_2Mediator_{i,t}+\sum_{j=1}^{n}\delta_{j+2}Control_{j,i,t}+\epsilon_{i,t}（模型3，加入中介变量后的模型）回归结果如表6所示。在模型2中，冗员负担（Overemp）与企业成本（Cost）的回归系数显著为正，说明冗员负担会显著增加企业成本；冗员负担（Overemp）与管理效率（Efficiency）的回归系数显著为负，表明冗员负担会降低企业管理效率；冗员负担（Overemp）与战略决策偏差（Deviation）的回归系数显著为正，意味着冗员负担会导致企业战略决策出现偏差。在模型3中，加入中介变量后，冗员负担（Overemp）对高管薪酬业绩敏感性（PPS）的系数仍然显著为负，但系数绝对值有所减小。企业成本（Cost）、管理效率（Efficiency）和战略决策偏差（Deviation）对高管薪酬业绩敏感性（PPS）的系数也均显著，且符号符合预期，即企业成本增加、管理效率降低和战略决策偏差增大均会降低高管薪酬业绩敏感性。这表明企业成本、管理效率和战略决策偏差在冗员负担影响高管薪酬业绩敏感性的过程中起到了部分中介作用，验证了理论分析的正确性。表6中介效应检验结果变量(1)PPS(2)Cost(3)Efficiency(4)Deviation(5)PPS(6)PPS(7)PPSOveremp[-X，假设值]***[X，假设值]***[-X，假设值]***[X，假设值]***[-X，假设值]***[-X，假设值]***[-X，假设值]***Cost[-X，假设值]***Efficiency[-X，假设值]***Deviation[-X，假设值]***控制变量是是是是是是是Constant[X，假设值]***[X，假设值]***[X，假设值]***[X，假设值]***[X，假设值]***[X，假设值]***[X，假设值]***N[样本数量][样本数量][样本数量][样本数量][样本数量][样本数量][样本数量]AdjustedR²[X具体数值][X具体数值][X具体数值][X具体数值][X具体数值][X具体数值][X具体数值]F[X具体数值][X具体数值][X具体数值][X具体数值][X具体数值][X具体数值][X具体数值]注：*、、*分别表示在1%、5%、10%的水平上显著（双尾检验），括号内为t值。通过上述实证检验，从数据层面有力地支持了理论分析中提出的影响机制，即冗员负担通过增加企业成本、降低管理效率和导致战略决策偏差，进而对高管薪酬业绩敏感性产生显著的负向影响。这一结果为企业优化人力资源管理和薪酬政策提供了更为深入和具体的理论依据。六、研究结论与政策建议6.1研究结论本研究通过对2010-2020年沪深两市A股上市公司的实证分析，深入探讨了冗员负担对高管薪酬业绩敏感性的影响。研究结果表明，