高管薪酬激励、战略变革与资源型企业全要素生产率
Executive Compensation Incentive,Strategic Change and Total Factor Productivity of Resource-Based Enterprises
通讯作者:
收稿日期: 2024-05-29 修回日期: 2024-07-09
基金资助: |
|
Received: 2024-05-29 Revised: 2024-07-09
作者简介 About authors
郑明贵(1978-),男,安徽颍上人,教授,博士生导师,从事资源经济与管理研究工作
关键词:
Keywords:
本文引用格式
郑明贵, 徐芳玉, 董娟.
ZHENG Minggui, XU Fangyu, DONG Juan.
党的二十大报告提出,要持续推进质量强国建设,扶持传统产业提质升级,并以提高全要素生产率来壮大高质量发展新优势。全要素生产率作为企业经营管理活动的综合表现,在一定程度上能够揭示企业一些难以直接观测的因素,如制度环境、管理效能和成长潜力等(马红旗等,2020)。21世纪初期,资源型企业的迅猛发展对我国经济增长和工业化进程起到推波助澜的作用。近年来,资源型企业技术创新水平相对滞后、产品竞争力减弱以及对环境产生负面影响等问题日渐凸显,究其根源,是因为在当前经济环境和社会背景下,资源型企业粗放型、外延式发展模式已逐渐失去了其适用性和有效性(阎俊爱等,2020),质效不佳和产能过剩的双重窘境更是导致资源型企业的全要素生产率处于较低水平(郑明贵等,2022)。因此,如何提高资源型企业的全要素生产率,为我国高质量发展注入新的活力,已成为现阶段亟待解决的重要课题。
高管作为企业“领头羊”,在战略引领、决策支持和资源整合等方面发挥着重要作用。因此,为调动高管工作的积极性和能动性,薪酬激励契约发挥着至关重要的作用(王洪盾等,2019;郑明贵等,2023)。为此,已有学者从高管薪酬激励角度,探究其对企业全要素生产率的影响。黄贤环等(2020)和李晓庆等(2022)认为高管薪酬激励与企业全要素生产率之间存在正相关性,实施薪酬激励政策,有助于推动高管工作的能动性和创造性,促进资源型企业全要素生产率的提升;然而,Tori et al.(2018)认为高管薪酬激励与企业全要素生产率之间存在显著的负相关性,薪酬激励会诱导高管做出一些缺乏理性思考的投资决策,进而抑制全要素生产率的提升。由此可见,关于高管薪酬激励对企业全要素生产率的影响,尚未形成一致认识,且研究结论多为单一的线性关系,主要原因在于现有研究未能考虑高管薪酬激励对企业全要素生产率产生的非线性影响。这种非线性影响表现为:伴随薪酬激励水平的变化,高管的行为动机或许会转变,而非不断“利润追逐”亦或“预防性储蓄”;另外,出于高管自身属性,对企业全要素生产率的影响具有较大的复杂性和不确定性(李馨子等,2023)。与此同时,多数学者将研究对象聚焦于工业企业和制造业,针对资源型企业的相关研究偏少。与其他行业不同的是,资源型企业具有典型的资源有限、社会责任重大以及市场竞争激烈等特征。事实上,高管拥有的行业底蕴、战略洞察力和决策能力正是资源型企业迫切需要的。为此,能否对高管进行有效的薪酬激励,从而推动高管工作的主动性和能动性,对资源型企业全要素生产率的提升至关重要。
鉴于此,采用2012—2023年中国沪深A股资源型上市企业数据,实证检验高管薪酬激励对资源型企业全要素生产率的影响及其作用机理。本文的边际贡献主要体现在以下3个方面:(1)以薪酬激励怎样驱动高管动力为出发点,旨在解决现有研究关于高管薪酬激励与企业全要素生产率关系的分歧与争议,对加深企业全要素生产率驱动因素的理解和拓宽高管薪酬激励的研究领域提供了新的观点及理论贡献;(2)从居安思危和求变图存的角度探究战略变革发挥的中介作用,为破解高管薪酬激励对资源型企业全要素生产率影响的“灰箱”提供参考依据;(3)构建以产品市场竞争为动态调节变量的理论研究模型,试图以治理环境的改善来规避高管的风险倾向和择机行为,以便资源型企业能够有效实施高管薪酬激励契约,并进一步促进全要素生产率的提升。
1 理论分析与研究假设
1.1 高管薪酬激励与资源型企业全要素生产率
报酬—绩效契约理论指出,合理的薪酬激励契约能够有效发挥高管工作的积极性和能动性,并从源头上压缩“代理人机会主义”的发展空间(Jensen et al.,1976)。资源型企业投资规模大、回收期长等生产特征,在一定程度上决定了其粗放型、外延式的发展模式(阎俊爱等,2020)。高管作为企业核心领导力量,在战略引领、决策支持以及社会责任等方面发挥着重要作用,而薪酬作为有效的管理工具,能够较好地激励高管发挥职能并减少高管对时间成本的投入,助力资源型企业快速改善治理模式和突破技术难题(逯东等,2020),以技术创新为支撑,形成产品差异化和高技术化,在满足市场多样化需求的同时,较好地塑造资源型企业的市场竞争能力,进而助推全要素生产率的提升。因此,合理的薪酬激励契约有助于吸引和留住具有丰富经验和卓越能力的高管,为企业带来更高的管理水平和生产效率,进而为提升全要素生产率起到较好的助推作用。
然而,过高的薪酬激励可能会阻碍企业全要素生产率的提升。一方面,由于薪酬激励标准受多种因素的共同影响,如:高管对当前工作的贡献性、复杂性以及职位高低等,若仅考虑单一或个别因素而建立高薪契约,容易出现激励过度现象。资源型企业重资本密集特征决定了其高成本的经营特点,当高管的薪酬与其经营绩效不匹配,甚至处于较高水平时,会大幅增加企业的运作成本(王琳等,2022),引发低效的资源配置问题,进而降低全要素生产率。另一方面,高管作为代理人的身份,与企业利益并非完全一致,尤其是在信息不对称的情况下,高管容易出现逆向选择,加大对财务信息的错报、漏报概率,甚至通过掩盖自身真实业绩来获取高额的薪酬。此时,由于道德风险的加剧、利益冲突问题的凸显以及侥幸心理作用,极易增加高管渔利舞弊的风险(Tori et al.,2018),并诱使其转向投资回报率高、周期短且风险性高的项目,使企业产生极端绩效,最终抑制全要素生产率的提升。由此,本文提出如下假设:
H1:高管薪酬激励对资源型企业全要素生产率产生先促进后抑制的倒U型影响。
1.2 战略变革的中介效应
高阶梯队理论认为,战略变革具有较高的风险性和不确定性,需要高管及时应对各种问题并积极承担风险,为此高管理应获得补偿(盛宇华等,2022)。在此过程中,薪酬激励契约起到重要的支撑作用,有助于强化高管“居安思危”的责任意识。一方面,通过给予适度的薪酬激励,能够提升高管在人力、物力和财力等方面的管理效率,也会调动高管的主动性,更加敏锐地感知到外部环境的变化(如技术革新、市场变化和政策调整等),以及内部管理的不足(如技术创新、风险管理和人才培养等),以便助推战略变革方案的落实(Muller et al.,2018),并在竞争激烈的市场中抢占先机。另一方面,薪酬激励作为高管获取现实利益的直接途径,在短期内可以弥补高管在战略变革中所面临的高风险性的经济损失,提高其对战略变革的认同感和执行力度,并促使其积极探索和创新,通过组织架构重塑和资源重新配置,实现突破性的战略变革。然而,过度激励可能会加剧高管的风险厌恶心理,不愿去实施具有创新性和高风险性的战略变革,这种短视行为致使高管缺乏“求变图存”的思维理念。此刻,高管更愿意选择“落袋为安”,通过微调已有战略来确保稳定运营,这种“墨守成规”的态度会加剧企业路径依赖现象,在面临战略转型的关键时刻错失良机,难以适应快速变化的市场环境。在过度激励的情境下,高管不愿意投入足够的资源和精力去推动战略变革,而是更侧重于追求短期财务指标,如利润和销售额等。当外部环境变化和潜在风险对企业造成冲击时,高管可能会倾向于规避风险,宁愿选择维持现状而不去革故鼎新,主动求变,这种保守态度最终会造成战略变革的滞后。因此,高管薪酬激励与战略变革并非是单一的线性关系,而是呈倒U型关系。
此外,战略变革作为企业技术进步和改善资源配置效率的重要驱动力(张骁等,2024),是影响企业全要素生产率的关键因素。对资源型企业而言,长期依赖自然资源和粗放型发展模式,已形成比较稳定的战略格局,尤其是随着资源的逐渐枯竭、组织惯例以及对传统发展路径的依赖,使得资源型企业在战略调整上显得尤为保守和僵化。根据变革干预理论,当面临市场需求萎缩时,企业战略变革有助于扫除组织惯性的桎梏,打破原有的战略刚性,通过突破技术创新难题、优化工艺生产路线以及提高风险承担水平(Cho et al.,2017),获得持久稳定的竞争优势,进而助推全要素生产率的提升。由此,本文提出如下假设:
H2:高管薪酬激励会通过战略变革影响资源型企业全要素生产率,战略变革在其中起着倒U型中介作用。
1.3 产品市场竞争的调节效应
技术一致性理论和竞争优势理论认为,当企业自身资源条件(如生产能力、创新水平和经济结构等)与其所处的外部市场竞争环境相适应时,才能提升全要素生产率(Williamson,2004;Antonelli et al.,2021)。产业组织理论提出,产品市场竞争作为影响利益相关者行为的重要因素(于左等,2013),主要通过市场定价、市场竞争份额和风险承担水平来影响企业经营活动和投资决策行为。
资源型企业的生产经营活动与产品市场密不可分,产品市场竞争环境会影响高管薪酬激励效用,进而影响全要素生产率。一方面,在激烈的产品市场竞争环境中,资源型企业数量激增,同质化现象显著,主要体现在业绩指标(如成本和利润)的趋同(王延霖等,2020)。为占据更多的市场份额,并在竞争激烈的行业中脱颖而出,企业倾向于将高管薪酬与企业长期绩效、战略目标等紧密挂钩,更大限度地发挥高管薪酬激励效用,使薪酬在更高水平时,也能促进全要素生产率的提升,即高管薪酬激励与企业全要素生产率之间的倒U型曲线拐点向右移动。另一方面,在高度竞争的产品市场中,高管行为会受到更多的关注和监督,任何损害企业利益的行为均可能被迅速发现和纠正。因此,高管在面临薪酬激励时,会更加注重其行为的合规性和道德性,避免出现激励过度或激励不足的情况。与此同时,高管“居安思危”的责任意识也更会贯穿于始终(简泽等,2017),且在激励机制的作用下,高管对项目运营会更加谨慎(张安军等,2022),更加有效地控制生产经营成本以及遏制非效率投资,从而减缓因薪酬激励给企业全要素生产率所带来的波动,使高管薪酬激励与企业全要素生产率的倒U型曲线形态变平缓。由此,本文提出如下假设:
H3:产品市场竞争会使高管薪酬激励与资源型企业全要素生产率之间的倒U型曲线形态变平缓、拐点向右移动。
2 研究设计
2.1 样本选择与数据来源
在探讨中国沪深A股资源型上市企业高管薪酬激励对全要素生产率的影响时,采用2012—2023年数据作为研究样本。在进行样本筛选时,严格遵守王锋正等(2022)对资源型企业的界定标准(表1),并剔除数据缺失、期间退市、ST和*ST的企业样本。以此,对变量进行了99%和1%的缩尾处理,以消除潜在终端值的影响,最终获得4 663个观测数据。本研究所使用的数据可从国泰安CSMAR数据库中获取。
表1 资源型企业行业分类
Table 1
行业代码 | 行业名称 | 行业代码 | 行业名称 |
---|---|---|---|
B06 | C26 | ||
B07 | C30 | ||
B08 | C31 | ||
B09 | C32 | ||
B10 | C33 | 金属制品业 | |
C25 | 石油加工业及炼焦业 | D44 | 电力业及热力生产供应业 |
2.2 变量定义
(1)被解释变量:全要素生产率(TFP)。目前,在众多有关全要素生产率的测算方法中,LP估算法备受瞩目,适用性强。因此,参考黄先海等(2023)的经验做法,采用LP估算法来测算全要素生产率。其中,年度总产出量(Y)用企业年度营业收入来度量,资本投入量(K)用固定资产净值来度量,劳动投入量(L)用员工人数来度量,中间投入量(M)用劳务支付、购买商品的现金总和/资产总额来度量。
(2)解释变量:高管薪酬激励(Salary)。考虑到高管持股比例普遍处于较低水平,且无法在已公布的数据中判定出激励股票和自购股票的构成比例(唐国平等,2022),其收入大多源自基本工资、绩效奖金和各项福利补贴。因此,参考马庆魁等(2021)的经验做法,先计算出前3名高管货币薪酬总额,然后对求出的结果取自然对数,并以此作为高管薪酬激励的度量指标。
(3)中介变量:战略变革(SC)。借鉴董静等(2020)的经验做法,使用企业在六大关键资源分配领域的数据作为度量标准。这六大战略维度分别是:管理费用率(管理费用/销售收入)、研发投入强度(无形资产/销售收入)、固定资产更新程度(固定资产净值/固定资产值)、资本密集程度(固定资产净值/员工总人数)、广告宣传投入力度(销售费用/销售收入)和财务杠杆率(短期、长期借款与应付债券总和/所有者权益)。具体计算方法如下:首先,计算出各战略维度指标在当年与上一年之间的数值差,并取绝对值;其次,对这些绝对值进行标准化处理;最后,将这些标准化处理后的数据指标进行加权平均,即可得出战略变革的度量结果。
(4)调节变量:产品市场竞争(HHI)。参考以往经验做法(Lin et al.,2023),产品市场竞争用赫芬达尔—赫希曼指数(HHI)来度量。具体计算方法如下:首先,计算出该行业内各个企业单独所占的产品市场竞争份额;然后,将该所属行业内所有企业的产品市场竞争份额先平方后加总,即得出该行业所占的产品市场竞争份额。其中,单个企业所占的产品市场竞争份额为企业营业收入与该行业内总收入之比。HHI越大,表明行业内产品市场集中度越高,垄断势力越强,产品市场竞争程度越弱;反之,产品市场竞争程度越激烈。
(5)控制变量:借鉴王海成等(2023)和胡珺等(2023)的经验做法,选取资产结构(Cs)、企业年龄(Age)、资产规模(Size)、总资产周转率(Tat)、企业绩效(Roe)、股权集中度(Top1)和企业性质(State)作为控制变量,并对行业效应(Industry)和年份效应(Year)进行了控制。
变量具体定义见表2。
表2 变量定义
Table 2
变量类型 | 变量名称 | 变量符号 | 度量方法 |
---|---|---|---|
被解释变量 | 全要素生产率 | TFP | LP估算法 |
解释变量 | 高管薪酬激励 | Salary | 前3名高管货币薪酬总额的自然对数 |
中介变量 | 战略变革 | SC | 企业在6个关键战略领域的资源重组与配置 |
调节变量 | 产品市场竞争 | HHI | 赫芬达尔—赫希曼指数 |
控制变量 | 资产结构 | Cs | 总负债占总资产的比值 |
企业年龄 | Age | 企业上市年龄的自然对数 | |
资产规模 | Size | 资产总额的自然对数 | |
总资产周转率 | Tat | 营业收入/平均资产总额 | |
企业绩效 | Roe | 净资产收益率 | |
股权集中度 | Top1 | 第一大股东持股比率 | |
企业性质 | State | 国有企业取1、否则取0 | |
行业 | Industry | 涉及12个行业,设置11个虚拟变量 | |
年份 | Year | 涉及10个年份,设置9个虚拟变量 |
2.3 实证模型
(1)直接效应模型。以资源型企业全要素生产率(TFP)作为被解释变量,高管薪酬激励(Salary)作为解释变量,构建直接效应模型,以此检验高管薪酬激励对资源型企业全要素生产率的影响,可表示为
式中:
(2)中介效应模型。为检验H2,借鉴温忠麟等(2014)的经验做法,构建战略变革(SC)的中介效应模型,可表示为
式中:若系数
(3)调节效应模型。为检验H3,借鉴张安军等(2022)的经验做法,构建产品市场竞争(HHI)的调节效应模型,可表示为
式中:Salary×HHI为产品市场竞争与高管薪酬激励的交互项;Salary2×HHI为产品市场竞争与高管薪酬激励平方项的交互项。当Salary×HHI系数
首先,为验证产品市场竞争(HHI)对倒U型曲线拐点变化的影响。在模型(5)中,对TFP进行一阶求导并令其为0,得到:
其次,为测算HHI对Salary*的边际影响,对
式中:若
同理,为验证产品市场竞争(HHI)对倒U型曲线形态的影响,在模型(5)中,对Salary进行二次求导并令其为0,得到:
式中:K为曲线斜率。进一步对HHI进行一阶求导,得到:
式中:H为产品市场竞争对倒U型曲线斜率的影响;
3 实证结果与分析
3.1 描述性统计
由表3可知,资源型企业全要素生产率(TFP)的平均值为8.496,标准差为1.102,最大值为11.663,最小值为5.691,符合正态分布。高管薪酬激励(Salary)的平均值为13.309,中位数为12.883,标准差为0.636,最小值为8.192,表明资源型企业高管薪酬激励相对集中。战略变革(SC)的平均值为0.476,中位数为0.397,最大值为1.796,最小值为0.099,与已有研究结果相似(黄永春等,2022),表明资源型企业战略变革程度存在差异,且战略变革程度高的企业数量较少,多数企业战略变革程度较低。产品市场竞争(HHI)的平均值为0.436,标准差为0.186,最大值为0.664,最小值为0.049,表明资源型企业产品市场竞争力度较为集中。其余相关变量数据的离散程度均呈现出较好的分布状态,样本代表性较好。
表3 变量描述性统计结果
Table 3
变量 | 样本数/个 | 均值 | 中位数 | 标准差 | 最小值 | 最大值 |
---|---|---|---|---|---|---|
TFP | 4 663 | 8.496 | 8.592 | 1.102 | 5.691 | 11.663 |
Salary | 4 663 | 13.309 | 12.883 | 0.636 | 8.192 | 18.094 |
SC | 4 663 | 0.476 | 0.397 | 0.243 | 0.099 | 1.796 |
HHI | 4 663 | 0.436 | 0.272 | 0.186 | 0.049 | 0.664 |
CS | 4 663 | 0.481 | 0.474 | 0.209 | 0.091 | 0.921 |
Size | 4 663 | 22.099 | 22.027 | 1.402 | 19.005 | 27.676 |
Roe | 4 663 | 0.121 | 0.097 | 0.198 | -0.490 | 0.553 |
Top1 | 4 663 | 33.667 | 33.185 | 16.991 | 6.084 | 77.139 |
Age | 4 663 | 2.153 | 1.968 | 0.607 | 0.363 | 4.260 |
State | 4 663 | 0.609 | 1 | 0.392 | 0 | 1 |
Tat | 4 663 | 0.597 | 0.452 | 0.389 | 0.051 | 3.886 |
3.2 相关性分析
由表4可知,高管薪酬激励(Salary)与资源型企业全要素生产率(TFP)之间的回归系数为0.070,在1%显著性水平下为正,初步验证了二者之间存在正相关性。高管薪酬激励的平方项与资源型企业全要素生产率之间的回归系数为0.372,但在5%显著性水平下为负,表明高管薪酬激励与资源型企业全要素生产率之间并非是单纯的线性关系。因此,需在基准回归中进一步分析二者是否存在非线性的倒U型关系。其他控制变量的相关系数普遍较低,基本维持在0.5以下。此外,方差膨胀因子(VIF)为2.25,远低于10,表明各个变量之间没有多重共线性问题。
表4 变量Pearson相关性分析结果
Table 4
变量 | TFP | Salary | Salary2 | CS | Size | Roe | Top1 | Age | State | Tat |
---|---|---|---|---|---|---|---|---|---|---|
TFP | 1 | |||||||||
Salary | 0.070*** | 1 | ||||||||
Salary2 | -0.372** | -0.073*** | 1 | |||||||
CS | 0.280*** | 0.124*** | -0.131*** | 1 | ||||||
Size | 0.897*** | 0.043** | -0.026 | 0.358*** | 1 | |||||
Roe | 0.198*** | 0.057*** | 0.217*** | -0.025 | 0.034* | 1 | ||||
Top1 | 0.431*** | 0.118*** | 0.083*** | 0.222*** | 0.711*** | 0.425*** | 1 | |||
Age | 0.232*** | 0.105*** | 0.018 | 0.051** | 0.178*** | 0.247*** | 0.019** | 1 | ||
State | 0.388*** | -0.023 | -0.006 | 0.193*** | 0.761*** | 0.421*** | 0.208*** | -0.047** | 1 | |
Tat | 0.272*** | -0.567*** | -0.062*** | 0.116 | 0.054*** | 0.145*** | 0.282*** | 0.188** | 0.347*** | 1 |
3.3 基准回归结果
(1)高管薪酬激励的直接效应检验。为检验H1,采用固定效应模型(表5)。在模型(1)中,高管薪酬激励(Salary)的回归系数在1%显著性水平下为正,高管薪酬激励平方项的回归系数为0.095,但在1%显著性水平下为负,发现高管薪酬激励对资源型企业全要素生产率具有先促进后抑制的倒U型影响,进而验证了H1。当TFP'=α1+2α2Salary=0时,即可得出倒U型曲线的极大值点,即最优激励水平Salary=-α1/2α2=12.853。此外,在第3.1小节描述性统计中得出高管薪酬激励(Salary)的中位数为12.883,与求解出的最优激励水平相近。
表5 模型基准回归结果
Table 5
变量 | 模型(1) TFP | 模型(2) SC | 模型(3) TFP | 模型(4) TFP | 模型(5) TFP |
---|---|---|---|---|---|
Salary | 2.442*** (0.867) | 0.160* (0.098) | 1.893*** (0.729) | 1.772*** (0.693) | 0.844*** (0.266) |
Salary2 | -0.095*** (0.053) | -0.076* (0.043) | -0.314** (0.169) | -0.279*** (0.181) | -0.083*** (0.049) |
SC | 0.766** (0.340) | ||||
HHI | 0.056** (0.002) | 0.026*** (3.518) | |||
Salary×HHI | -2.105*** (0.620) | ||||
Salary2×HHI | 3.452** (1.551) | ||||
Controls | 控制 | 控制 | 控制 | 控制 | 控制 |
Year/Industry | 控制 | 控制 | 控制 | 控制 | 控制 |
固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
_cons | -0.915** (-0.424) | -1.001* (-0.405) | -1.365** (-0.492) | -1.447* (-0.512) | -1.078*** (-0.465) |
R2 | 0.608 | 0.538 | 0.530 | 0.496 | 0.475 |
Observations | 4 663 | 4 663 | 4 663 | 4 663 | 4 663 |
(2)战略变革的中介效应检验。为检验H2,对模型(2)和模型(3)进行回归(表5)。在模型(2)中,高管薪酬激励平方项与战略变革之间的回归系数
(3)产品市场竞争的调节效应检验。为检验H3,对模型(4)和模型(5)进行回归(表5)。Salary×HHI的系数
3.4 内生性测试及稳健性检验
(1)内生性测试。鉴于高管薪酬激励与企业全要素生产率之间可能存在相互依赖或相互影响的内生性问题,将会导致研究结论存在一定的偏误。例如:全要素生产率或营业利润较高的企业往往会选择加大对高管的奖励力度,有助于高管薪酬激励水平的提升。因此,选用Durbin-Watson-Hausman(DWH)方法对相关变量进行检验,发现P值小于0.1,该结果在10%显著性水平下,打破了所有变量均为外生的初始假设,进而有效验证了高管薪酬激励是内生变量。
表6 内生性检验结果(2SLS)
Table 6
变量 | 模型(1) TFP | 模型(2) SC | 模型(3) TFP | 模型(4) TFP | 模型(5) TFP |
---|---|---|---|---|---|
L.Salary | 0.635*** (0.074) | 0.508*** (0.074) | 0.984*** (0.118) | 0.808*** (0.102) | 0.709*** (0.091) |
L.Salary2 | -0.093*** (-0.028) | -0.184*** (0.061) | -0.267*** (0.047) | -0.197*** (-0.069) | -0.113*** (-0.054) |
SC | 0.714*** (-0.097) | ||||
HHI | 0.032*** (0.008) | 0.032*** (0.007) | |||
Salary×HHI | -0.027* (-0.005) | ||||
Salary2×HHI | 0.046*** (0.010) | ||||
Controls | 控制 | 控制 | 控制 | 控制 | 控制 |
Year/Industry | 控制 | 控制 | 控制 | 控制 | 控制 |
固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
_cons | -2.825*** (-0.451) | -3.291*** (-0.518) | -3.463*** (-0.556) | -5.620*** (-0.912) | -4.021*** (-0.794) |
R2 | 0.520 | 0.494 | 0.590 | 0.449 | 0.531 |
Observations | 4 547 | 4 547 | 4 547 | 4 547 | 4 547 |
(2)更换变量度量方式。采用OP法重新度量被解释变量资源型企业全要素生产率(TFP_OP)。具体计算方法如下:以固定资产总值来度量资本投入量(K),以主营业务收入来度量年度总产出量(Y),以员工人数来度量劳动投入量(L),以总产出与产出增加值之比来度量中间投入量(M),其中,产出增加值为生产税净额、营业净利润、劳动者报酬和固定资产折旧之和。与此同时,借鉴Faleye et al.(2014)的经验做法,以前3名董事、监事和高级管理层平均货币薪酬的自然对数来度量高管薪酬激励(Salary_Res),回归结果见表7。由表7可知,各变量之间的相关性系数未发生改变,研究结论与前文保持一致。
表7 稳健性检验结果
Table 7
变量 | 模型(1) TFP_OP | 模型(2) SC | 模型(3) TFP_OP | 模型(4) TFP_OP | 模型(5) TFP_OP |
---|---|---|---|---|---|
Salary_Res | 1.341*** (0.185) | 1.128** (0.167) | 1.325*** (0.181) | 0.943*** (0.144) | 1.034*** (0.152) |
Salary2_Res | -0.164*** (-0.053) | -0.246*** (0.065) | -0.418*** (0.089) | -1.168*** (-0.192) | -1.233*** (-0.175) |
SC | 0.047*** (-0.013) | ||||
HHI | 0.004*** (0.000) | 0.006*** (0.001) | |||
Salary×HHI | -0.005* (-0.000) | ||||
Salary2×HHI | 0.007*** (0.003) | ||||
Controls | 控制 | 控制 | 控制 | 控制 | 控制 |
Year/Industry | 控制 | 控制 | 控制 | 控制 | 控制 |
固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
_cons | -3.151*** (-0.430) | -3.004*** (-0.419) | -3.297*** (-0.444) | -2.724*** (-0.376) | -3.020*** (-0.391) |
R2 | 0.434 | 0.453 | 0.475 | 0.539 | 0.507 |
Observations | 4 663 | 4 663 | 4 663 | 4 663 | 4 663 |
3.5 异质性讨论
(1)区分产权性质。产权性质不同,可能会导致企业资源禀赋和制度安排存在一定的差异。将样本划分为国有和非国有资源型企业,分组回归结果如表8所示。国有资源型企业高管薪酬激励平方项的回归系数在5%显著性水平下为负,非国有资源型企业高管薪酬激励平方项的回归系数在1%显著性水平下为负。由此可知,与国有资源型企业相比,高管薪酬激励对全要素生产率的倒U型影响在非国有资源型企业中更为显著。造成此现象的原因可能是国有资源型企业拥有强大的政治背景和资本支持,资源垄断性较高,且高管主人翁意识较为薄弱,相比之下,非国有资源型企业经营理念灵活,高管薪酬水平与企业经营绩效挂钩(马健等,2021),在资源配置和利用方面往往更高效,因此高管薪酬激励对二者全要素生产率的影响可能会存在差异。
表8 产权性质和产业链阶段差异的影响
Table 8
变量 | 产权性质(TFP) | 产业链阶段(TFP) | ||
---|---|---|---|---|
国有 | 非国有 | 上游开采业 | 下游加工业 | |
Salary | 0.991*** (0.637) | 0.443*** (0.301) | 1.094*** (0.728) | 1.405*** (0.973) |
Salary2 | -0.634** (-0.426) | -0.205*** (-0.139) | -0.176* (-0.107) | -0.573*** (-0.389) |
Controls | 控制 | 控制 | 控制 | 控制 |
Year/Industry | 控制 | 控制 | 控制 | 控制 |
固定效应 | 控制 | 控制 | 控制 | 控制 |
_cons | -5.390*** (-4.054) | -3.321*** (-3.257) | 4.699*** (3.776) | 7.444*** (5.661) |
R2 | 0.665 | 0.509 | 0.373 | 0.328 |
Observations | 2 557 | 2 106 | 2 018 | 2 645 |
(2)区分产业链阶段。处于不同产业链阶段的资源型企业在管理效率、技术水平和要素配置等方面可能会存在差异。将资源型企业划分为上游开采业(B06、B07、B08、B09和B10)和下游加工业(C25、C26、C30、C31、C32、C33和D40),分组回归结果见表8。二者高管薪酬激励的平方项系数均为负且皆显著,但资源加工业在1%水平上显著,资源加工业在10%水平上显著。由此可知,高管薪酬激励对全要素生产率的倒U型影响在资源加工业中更加明显。造成此现象的原因可能是资源开采业通常涉及大规模的资源提取,如煤炭、石油和矿产等,其生产过程相对复杂,技术变化较慢,且受自然资源储量、开采难度和地质条件等因素的限制较大(席振鑫等,2023)。因此,高管在资源开采业中的决策空间相对较小,薪酬激励对全要素生产率的倒U型影响不如在资源加工业中显著。此外,资源加工业大部分处于产业链下游,对上游开采业的依赖性较强。这种依赖性使得资源加工业在面临上游价格波动和下游需求变化等风险时更为敏感(阎晓等,2021)。若薪酬激励过度,高管可能会过于关注短期利润,而忽视产业链的稳定性,这会使企业在遭遇风险和挑战时显得应对乏力,在面对高管薪酬激励所带来的负面效应时表现得较为敏感、脆弱。
(3)区分生命周期。资源型企业在不同的生命周期阶段,其经营理念、资源配置效率和盈利能力等均有所差异。参考唐松等(2022)的经验做法,结合资源型企业在经营、投资和筹资现金净流量3个方面的财务指标,来判断企业所处的生命周期阶段,划分依据见表9,回归结果见表10。处于成长期的资源型企业中,高管薪酬激励的平方项系数在1%显著性水平下为负,处于衰退期的资源型企业高管薪酬激励的平方项系数在5%显著性水平下为负,而处于成熟期的资源型企业高管薪酬激励系数在5%显著性水平下为正,平方项系数不显著。由此可知,只有在处于成长期和衰退期的资源型企业中,高管薪酬激励对全要素生产率的倒U型影响是显著的,而在处于成熟期的资源型企业中只存在正向线性关系。造成此现象的原因可能是相比于成长期和衰退期的资源型企业,成熟期的资源型企业的经营理念和管理体系相对完善(刘鹏振等,2023),具备一定的竞争优势和抗风险能力(吴先明等,2017)。此阶段,高管更倾向于关注企业长期发展和稳定经营。因此,薪酬激励的实施能够进一步激发高管工作的积极性和能动性,助推企业在技术创新、管理优化和市场拓展等方面取得更好的成绩,进而提升企业全要素生产率。因此,高管薪酬激励对成熟期资源型企业全要素生产率的影响主要呈现出正向促进作用。
表9 生命周期—现金流量组合法
Table 9
成长期 | 成熟期 | 衰退期 | ||||||
---|---|---|---|---|---|---|---|---|
初创期 | 提升期 | 成熟期 | 衰弱期 | 衰弱期 | 衰弱期 | 淘汰期 | 淘汰期 | |
经营现金净流量 | - | + | + | - | + | + | - | - |
投资现金净流量 | - | - | - | - | + | + | + | + |
筹资现金净流量 | + | + | - | - | + | - | + | - |
表10 生命周期差异的影响
Table 10
变量 | 生命周期阶段(TFP) | ||
---|---|---|---|
成长期 | 成熟期 | 衰退期 | |
Salary | 0.141*** (3.150) | 0.063** (0.571) | 0.037** (2.117) |
Salary2 | -0.078*** (3.481) | -0.007 (0.119) | 0.116** (1.604) |
Controls | 控制 | 控制 | 控制 |
Year/Industry | 控制 | 控制 | 控制 |
固定效应 | 控制 | 控制 | 控制 |
_cons | 0.223*** (1.904) | 0.315*** (2.658) | -0.228*** (-4.790) |
R2 | 0.741 | 0.704 | 0.639 |
Observations | 2 229 | 1 275 | 1 159 |
4 研究结论与启示
4.1 研究结论
基于2012—2023年中国沪深A股资源型上市企业数据,实证检验了高管薪酬激励对资源型企业全要素生产率的影响。结果表明:(1)高管薪酬激励与资源型企业全要素生产率之间呈现出非线性的倒U型关系,进一步分析发现,高管薪酬激励对全要素生产率的倒U型影响在非国有、下游加工业以及成长期、衰退期的资源型企业中更加凸显。(2)随着高管薪酬激励水平的提高,企业进行战略变革的意愿呈先扬后抑,并使全要素生产率先上升后下降,即战略变革在二者之间起着倒U型中介作用。(3)高度的产品市场竞争能够使高管薪酬激励与资源型企业全要素生产率之间的倒U型曲线形态越来越平缓,并使拐点向右移动。
4.2 研究启示
(1)实证研究表明,高管薪酬激励对企业全要素生产率具有先促进后抑制的倒U型影响,其最优激励水平与企业中位数十分相近。由于中位数不易受极端值的影响,更能反映数据的真实情况,因此企业在实践中可参照其中位数水平来动态调整高管薪酬。若高管薪酬低于中位数水平,企业应酌情提升高管薪酬水平,包括基本工资、绩效奖金和弹性福利等;若高管薪酬高于中位数水平,企业应完善对高管的监督与制约机制,并将其薪酬与业绩紧密挂钩。降低薪酬也许会引起高管不满,但企业可与高管沟通、协商,逐步将薪酬水平调至合理范围。
(2)基于产权性质、产业链阶段以及生命周期异质性的影响,资源型企业应实行差异化的激励方式。具体而言,对于国有、下游加工业、成长期和衰退期企业,应严格控制高管薪酬水平,做到“量才而施,稳中求进”。对于非国有、上游开采业和成熟期企业,应酌情提升高管薪酬激励水平,并尽量避免“大水漫灌”的激励方式,从而为提升全要素生产率建立扎实的组织基础。
(3)资源型企业应根据现有的资源基础和转型规划酌情制定战略变革方案,使高管清晰地了解企业战略变革的具体内容,如转型方向、业务领域和竞争优势等,确保薪酬激励能够与之相匹配。其中,对于亟待深度改革且有能力驾驭的模块,可采纳激进式的变革策略,但也要避免采取可能使资源型企业面临巨大风险的颠覆式策略;对于转型难度较大和控制力较弱的模块,则宜采用循序渐进的变革方式。
(4)为了更好地将产品市场竞争与高管薪酬挂钩,资源型企业需对高管制定灵活有效的绩效考核体系。该套考核体系包括高管在应对市场竞争方面的表现,如市场份额、客户满意度和销售增长率等。企业根据这些考核结果动态调整高管薪酬水平,在提高产品市场竞争力度的同时,更好地发挥高管薪酬激励的长期导向作用,从而助推全要素生产率的提升。
http://www.goldsci.ac.cn/article/2024/1005-2518/1005-2518-2024-32-6-1130.shtml
参考文献
A long-term comparative analysis of the direction and congruence of technological change
[J].
Horizon problem and firm innovation:The influence of CEO career horizon,exploitation and exploration on breakthrough innovations
[J].
CEO excess salary and strategic change—Based on behavioral agency theory
[J].
Do better connected CEOs innovate more?
[J].
Carbon emission regulation,enterprise emission reduction incentives and total factor productivity—Nature experiment based on China’s carbon emission right trading mechanism
[J].
Digital and real industrial technology integration and enterprise total factor productivity—Research based on the patent information of Chinese enterprises
[J].
Does the salary limit in state owned enterprises restrain the increase of total factor productivity
[J].
Salary gap of senior management team,enterprise strategic change and breakthrough innovation—Regulatory role of internal control
[J].
Theory of the frm:Managerial behavior,agency costs,and ownership structure
[J].
Creativity,destructiveness and technological upgrading of market competition
[J].
Mixed reform of state-owned enterprises,executive compensation incentive and total factor productivity
[J].
Will senior executives“compare”with the salary?—Empirical evidence from state owned en-terprise groups
[J].
The disciplinary role of product market competition on cash holding
[J].
Research on the impact of government subsidies on the green innovation of high tech enterprises—Based on the perspective of enterprise life cycle and industrial agglomeration
[J].
Internal training and external airborne training:Who can better promote enterprise innovation?
[J].
Estimation of overcapacity and total factor productivity:Based on the analysis of Chinese steel enterprises
[J].
Difference in property right nature,regional development level and non-efficiency investment
[J].
Management incentive,institutional investor shareholding and enterprise heterogeneous research and development
[J].
Central perspectives and debates in strategic change research
[J].
Management ability and strategic change—Based on the adjustment analysis of the stickiness between chain shareholders and executive compensation
[J].
Environmental regulation,risk compensation and executive compensation—Based on the empirical evidence of the implementation of the new environmental protection law
[J].
Fintech and enterprise digital transformation—Based on the enterprise life cycle perspective
[J].
The effects of financialization on investment:Evidence from firm level data for the UK
[J].
Does digitization promote the green technology innovation of resource-based enterprises?
[J].
Industrial scale preference and total factor productivity of enterprises—Evidence from the five year plan text of provincial government
[J].
Research on the relationship between corporate governance structure and corporate performance—Based on the perspective of enterprise total factor productivity
[J].
Impact of information disclosure quality on corporate reputation and its function mechanism—Based on the case analysis of Shanghai Electric financial explosion incident
[J].
Research on the influence of senior executive team incentive methods of resource based listed companies on enterprise innovation efficiency—Based on the innovation value chain and property rights nature
[J].
Analysis of mediation effect:Methods and model development
[J].
The strange history of the Washington consensus
[J].
Wage distortion,population density and enterprise growth:Dynamic analysis based on enterprise life cycle
[J].
Space-time characteristics,types and paths of industrial transformation of typical resource based cities in the Yellow River Basin
[J].
Transformation path research of resource based enterprises—Based on the case study of four enterprises
[J].
Spatial and temporal evolution and driving factors of ecological efficiency of resource-based cities in the Yellow River Basin
[J].
Frontier of industrial organization theory and public policy
[J].
Product market competition,financial subsidy and capital allocation efficiency
[J].
Research on the high growth mechanism of enterprises in the Era of digital economy—Strategic rhythm perspective
[J].
The impact of the deepening of digital transformation capital on the total factor productivity of resource-based enterprises
[J].
Impact of voluntary environmental regulations on executive compensation of resource-based enterprises in China
[J].
CEO超额薪酬与战略变革——基于行为代理理论的研究
[J].
碳排放规制、企业减排激励与全要素生产率——基于中国碳排放权交易机制的自然实验
[J].
数实产业技术融合与企业全要素生产率——基于中国企业专利信息的研究
[J].
国有企业限薪抑制了全要素生产率的提升吗
[J].
高管团队薪酬差距、企业战略变革与突破性创新——内部控制的调节作用
[J].
市场竞争的创造性、破坏性与技术升级
[J].
国企混改、高管薪酬激励与全要素生产率
[J].
高管会“攀比”薪酬吗?——来自国有企业集团的经验证据
[J].
政府补贴对高新技术企业绿色创新的影响研究——基于企业生命周期和产业集聚视角
[J].
内部培养与外部空降:谁更能促进企业创新
[J].
产能过剩与全要素生产率的估算:基于中国钢铁企业的分析
[J].
产权性质、地区发展水平差异与非效率投资
[J].
管理层激励、机构投资者持股与企业异质研发
[J].
管理者能力与战略变革——基于连锁股东与高管薪酬粘性的调节分析
[J].
环境规制、风险补偿与高管薪酬——基于新《环境保护法》实施的经验证据
[J].
金融科技与企业数字化转型——基于企业生命周期视角
[J].
数字化促进了资源型企业绿色技术创新吗?
[J].
产业规模偏好与企业全要素生产率——来自省级政府五年规划文本的证据
[J].
公司治理结构与公司绩效关系研究——基于企业全要素生产率的视角
[J].
信息披露质量对企业声誉的影响及作用机制——基于上海电气财务爆雷事件的案例分析
[J].
资源型上市公司高管团队激励方式对企业创新效率的影响研究——基于创新价值链和产权性质的考量
[J].
中介效应分析:方法和模型发展
[J].
工资扭曲、种群密度与企业成长:基于企业生命周期的动态分析
[J].
黄河流域典型资源型城市工业转型的时空特征、类型与路径
[J].
资源型企业转型路径研究——基于四家企业的案例研究
[J].
黄河流域资源型城市生态效率时空演变及驱动因素
[J].
产业组织理论前沿与公共政策——2013年产业组织前沿问题研讨会综述
[J].
产品市场竞争、财政补贴与资本配置效率
[J].
数字经济时代企业高成长机理研究——战略节奏视角
[J].
资本深化对资源型企业全要素生产率的影响
[J].
自愿性环境规制对资源型企业高管薪酬的影响研究
[J].
/
〈 |
|
〉 |
