陈毅辉、袁庆林-福建上市公司高管薪酬与企业绩效的相关性研究Word文档格式.doc
《陈毅辉、袁庆林-福建上市公司高管薪酬与企业绩效的相关性研究Word文档格式.doc》由会员分享，可在线阅读，更多相关《陈毅辉、袁庆林-福建上市公司高管薪酬与企业绩效的相关性研究Word文档格式.doc（7页珍藏版）》请在冰豆网上搜索。
（2）董事长和总经理。
有的学者将董事长和总经理的薪酬水平作为整个高管层薪酬水平的代表，原因在于董事长和总经理对企业战略和决策具有绝对影响，其他高层人员对企业的影响则微乎其微[2]。
（3）执行层。
大部分国内学者都强调整个执行层的合力作用，因此基本上选取执行层的薪酬水平作为整个高管层薪酬水平的代表。
一般来说，广义上的薪酬包括货币性薪酬和非货币性薪酬。
在国外，学者研究高管薪酬时，常常关注高管的持股情况[3]。
由于国内上市公司报表披露不健全，且高管持股比例偏低[2]，导致高管的非货币性薪酬和部分货币薪酬数据无法获得或没有参考价值，因此国内大多数学者在研究高管薪酬时，都将年报披露的报酬总额作为薪酬的替换[4]。
1.2企业绩效
一个指标能否被选中用来代表企业绩效或企业绩效的一部分，在于该指标是否能反映企业经营管理状况以及该指标的获取难度如何。
学者一般选用市场指标[5]或财务指标来反映企业绩效。
但大多数还是选用财务指标。
财务指标是定量指标，在反映企业经营管理状况方面具有独特优势。
总结学者选取的指标，主要有以下几种：
（1）税前利润增长。
（2）总资产收益率ROA。
（3）每股收益EPS。
（4）净资产收益率ROE。
1.3高管薪酬与企业绩效的关系
国外对公司高管薪酬与企业绩效之间关系的研究早于国内[6]，国内的研究始于2000年左右[2]。
学者针对高管薪酬与企业绩效的研究主要有以下两种结果。
一种观点认为高管薪酬与企业绩效之间存在正相关关系[6]。
Coughlan&
Schmidt调查了249家企业十年的数据，最后得出高管现金报酬与市场收益存在正向相关关系。
一种观点认为高管薪酬与企业绩效之间不存在显著相关[8]。
魏刚和李增泉通过研究均认为中国上市公司高管薪酬与企业绩效之间不存在显著相关关系。
1.4研究方法与不足
从学者的研究方法看，最流行的是普通最小二乘回归。
另外，也有部分学者采用事件分析法等。
普通最小二乘回归是研究该问题比较成熟的方法，但是它不能很好厘清各个控制变量对因变量的影响。
这些控制变量主要包括企业规模、所在地域、所在行业、股权集中度、国有股比例等。
前人的研究大致将企业规模、股权集中度和国有股比例等作为具体数值看待，这样的研究结果无法充分证实同一控制变量内部不同类型之间因变量是否有显著差异。
2研究设计
2.1研究假设
委托-代理理论认为应将代理方的薪酬与企业绩效挂钩，而且企业绩效的评判应该选择那些容易获得的且能够反映企业经营管理状况的指标。
结合研究综述，本文作出以下假设：
假设：
企业绩效对高管薪酬有显著的正向影响。
在选取反映企业绩效的指标时，学者往往选择总资产收益率ROA、净资产收益率ROE和每股收益EPS。
本文拟采用总资产收益率ROA、净资产收益率ROE和每股收益EPS作为企业绩效的衡量指标，因此本文在总假设的基础上，提出以下三个子假设：
假设a：
总资产收益率ROA对高管薪酬有显著的正向影响。
假设b：
净资产收益率ROE对高管薪酬有显著的正向影响。
假设c：
每股收益EPS对高管薪酬有显著的正向影响。
2.2变量设定
本文研究的因变量是高管薪酬。
由于高管薪酬基数一般都比较大，本文以前三名高管薪酬总额的对数作为高管薪酬变量值。
本文研究的自变量是企业绩效。
本文选取财务指标作为衡量公司绩效的指标，即选取总资产收益率、净资产收益率和每股收益作为企业绩效的衡量指标。
本文选取的控制变量主要有：
企业规模、所在地域、所在行业、股权集中度、国有股比例等。
各种控制变量均按一定的标准设置成分类变量。
具体变量指标体系见表1。
表1变量指标体系
变量名称
变量符号
变量定义
高管薪酬
LNCOMP
2010年前三名高管薪酬总额的对数
总资产收益率
ROA
净利润/平均资产总额
净资产收益率
ROE
净利润/平均净资产
每股收益
EPS
税后利润/股本总数
企业规模
SIZE
大型企业=3,中型企业=2,小型企业=1
所在地域
LOCATE
福厦漳泉=1,其他=0
所在行业
IND
工业=1,房地产开发经营=2,零售业=3,批发业=4,交通运输业=5,农、林、牧、渔业=6,软件和信息技术服务业=7,其他未列明行业=8
股权集中度
OC
[0，30%）=1,[30%,50%）=2,[50%,70）=3,[70%,100%]=4
国有股比例
GOV
[0,20%）=1,[20%,50]=2,（50%,100%]=3
2.3模型设计
本文采用单因素分析法和LSD法，将企业规模、所在地域、所在行业、股权集中度、国有股比例视为分类变量，并对各个控制变量内部的分类进行比较。
然后，采用普通最小二乘回归，研究企业绩效与高管薪酬之间的相关性。
在该前提下，采用分层回归方法进行研究，即首先判定同一个控制变量内部高管薪酬是否存在显著差异，若存在，则在回归方程的第一层放入该控制变量进行回归，然后在回归方程的第二层放入自变量进行回归。
由于行业变量的分类比较特殊，不同行业的数值大小并无现实意义，因此本研究不将其纳入回归方程，只对其做基本分析。
本文的回归方程如下：
（1）
（2）
（3）
（4）
其中，代表常数，代表各个影响因素的回归系数，代表随机误差。
方程
（1）表示只纳入控制变量的回归方程，方程
（2）在方程
（1）的基础上纳入ROA，方程（3）在方程
（1）的基础上纳入ROE，方程（4）在方程
（1）的基础上纳入EPS。
2.4数据采集
本文的研究数据均来自上海证交所、深圳证交所、中国证监会、各有关公司发布的公告和2010年年报。
通过上海证交所和深圳证交所的网站进行搜索，我们发现福建上市公司数量已达71家。
为了获得更加可靠的结果，在此基础上对样本数据进行二次筛选，按照惯例剔除行业为金融、保险业的上市公司（兴业证券，601377），也剔除业绩不佳的ST公司（ST厦华，600870；
*ST福日，600203；
ST三农，000732）。
另外，剔除因注册信息更改而不属于福建的上市公司（华丽家族，600503；
创兴资源，600193）。
在数据没有缺失的情况下，最终得到65家有效样本公司。
3数据分析
3.1描述性统计
由原始数据得出，高管薪酬最高为1071.05万元，最低为26.36万元，前者是后者的40.6316倍，可以说，这个差距非常大；
只有一家公司的总资产收益率小于0，两家公司的净资产收益率小于0，两家公司的每股收益小于0，表明福建上市公司的企业绩效总体表现比较好；
所有公司中股权集中度低于50%的有55家；
国有股比例低于50%的企业有57家；
福建上市公司的企业规模平均值为2.6900，说明总体来说企业规模比较大；
所在地域均值为0.8200，表明大部分公司处在福厦漳泉等经济较发达的地区。
3.2相关性分析
通过对各个变量进行描述性统计，我们大致了解福建上市公司的总体情况。
为了对各种变量有更进一步地了解，我们对其进行相关性分析。
各个变量的Pearson相关系数见表2。
从表2可以看出，高管薪酬与总资产收益率、净资产收益率和企业规模之间存在显著正相关关系，这验证了本研究的部分假设，表2也表明每股收益与高管薪酬不存在显著相关，另外，从控制变量看，所在地域、股权集中度和国有股比例与高管薪酬之间均不存在显著相关。
这些相关分析的结论为进一步回归分析提供了依据。
表2Pearson相关系数
1
.348**
.352**
.587*
.221
.603*
.739*
.330**
.036
.028
.052
.023
.150
.163
.127
-.050
-.211
.084
-.032
.114
.145
-.075
.201
-.030
.016
.079
.211
-.058
.383**
注：
*表示p<
0.001，**表示p<
0.01。
3.3单因素方差分析和LSD分析
在本研究中，控制变量主要指企业规模、所在地域、所在行业、股权集中度、国有股比例等。
在研究高管薪酬与企业绩效的相关关系之前，有必要先了解控制变量对高管薪酬的影响。
针对所在地域变量采用独立样本T检验，针对其他控制变量采用单因素方差分析，如果类别之间存在显著差异，则接着采用LSD法对差异进行区分。
所在地域对高管薪酬的独立样本T检验见表3。
由表3看出，福建经济较发达地区和经济较不发达地区的上市公司高管薪酬对数的均值比较接近，标准差比较小，从独立样本T检验的结果得出高管薪酬并不存在显著差异。
表3所在地域对高管薪酬的独立样本T检验
因变量
样本数
均值
标准差
T值
其他
12
13.8062
.2750
-.180
福厦漳泉
53
13.8504
.0995
企业规模对高管薪酬的影响分析见表4。
由表4看出，福建上市公司中大型企业的高管薪酬与中型企业之间存在显著差异，但是大型企业、中型企业的高管薪酬与小型企业之间不存在显著差异。
从表4看出，小型企业高管薪酬的平均值甚至高于中型企业的水平。
表4企业规模对高管薪酬的单因素方差分析
F值
LSD检验
小型企业
3
13.5631
.3246
5.256**
LSD3>
2
中型企业
14
13.3217
.5681
大型企业
48
14.0116
.7644
**表示p<
股权集中度对高管薪酬的影响分析见表5。
由表5看出，股权集中度的高低对高管薪酬并不存在显著影响，即股权集中度不同的上市公司高管薪酬并不存在显著差异。
表5股权集中度对高管薪酬的单因素方差分析
[0,30%）
31
13.9767
.7846
.981
[30%,50%）
24
13.8079
.7851
[50%,70%）
8
13.5239
.6388
[70%,100%
升级会员 