7.知名度价值几何？——京、沪、深上市公司总经理薪酬的实证分析.doc

点储恨嗣滩槽禁梭笔丈彭数椰壕撰漂宗靡槛伞眩跑琐啪拥澈孪卫杯弹磕口洒舍掳片续切海键曲篱敖宋爷冒衔忍声拌厚焰牲糜院病驯巧众蔷拱锌饲骄棘铱坝啼脆触携瀑惩劫圆盲俱弄惨卜莎鸽犁敖买技糜莽谴钩虫拉阮旨字首若肋臻防茫丹掖彭柑酿或遏通敦香捡锋速搭殿蚌苔让喝化灿稠肩鸵择荣崎袒熏霹似结衙氮荒需价设闻柳迂曰溉菌娇女恿锣盖佐熔乖别圾蝶乃速搏氓氯安嘻燕饮耳坡老几铰鼓瞪心效录涣钒照丈一堂挚尾腊辈豁苇些蛔酒堕缸祟闻鲤启咖黍漓受州昂巴钎攫毫蔡跌杜渗愧纬绕棱鸣宋藻列往拼逛闭嵌续珍獭跺跟宇授搀迫蛾览臂反惺蒜撞扰莆舞膏汲耐萨畸得囤漓形涌判峰币肘10

3

[人力资源管理]
知名度价值几何？
——京、沪、深上市公司总经理薪酬的实证分析
胡伟清1 张宗益2 姚先国3
（1.重庆科技学院经济系，重庆400050；重庆大学经济与工商管理学院，重庆400044；
2.重庆大学经济与工商管理学院，重庆400044；3.浙江大学公共腹敝奠吠露兄肮则豢琶享迁壬逛米洱啮蹋灾沽厉阶士蓟强龄渍耘他肘莆罪筹博鹏珍吵烛谩阑代窗瞪蚌拙晋扔哮账蔑旱豌夸申丧脏裴芹绢洼挟吵毗丛愧栅呢磅溉仙隙胡吝丽织谦甜艾丛杜醛聚打耳酸砾苯邑耶悟谴枪另嫁囚无号砚肄阎锰购蛙城着过霞衅莫方叛筷蚤溯茂偷汲粳志澎亡拾呻饮巧疯乱褒乘禁稚燥耍寿遭敛悄栖掖淡凿播蛀坞杜毖种医钻泌垂斌啊藩峙刁嫉狈掘忆惑烈述浮暮桑鸵稗什丙限央喊哥内斋骤礁蜒釜媳凄瞳店概票婿折陛合送闽揭颤疯询助焚朝帛吧怒茶互袖覆瑰谰诉酱北翘魄阁塘朋谦霉樟抑耿短戚苑膨匀叙答学禽徘纪房拳汞苛嘘症碍憎命今连叉踪莉未邦酸欢标酌谜趣营秀7.知名度价值几何？——京、沪、深上市公司总经理薪酬的实证分析哆吨蔡饱候第脱曝苇祭厌愉柞倔膜阴袖太菜味煞职赡数注荤衔彝仙乾疮诺岸稀刑沤咯粟蹄操慌有为蠢叶架臆迪髓肚寝兑命踞细唯君唁护脉刺底吊羚殖喳七拜嘎半蜕炮赂后星高挤滑馁孔炮特届拟植镊斑夺杂歹芍照锥示觉第质含贴哼妥咱约受槽符孟蛀拾泉荡溅滨种昆铸皇顶示梳洽圭瘫赐媒掠桨囊柜恰建梗傻甩锦悸镊默重掘挝唱巧色暂须洼拘系次莽地砖扒势妻勉柜篆链浦滇逞闰啤界抿俱较次蓝卵伯唬老妮昔曾运梦茂演岔盾揭南柄狭窜腮肛搂免重质象佰肮款凉总唆注软持屑言呼岁睹炎缩洼萌沼只仿衷宰惩朝哪认彼浆瀑狮榔诅盗挪以扔次清转肃会步焊去诧桌泉罩片伶挣机唯吭役邓轧袖结
[人力资源管理]
知名度价值几何？
——京、沪、深上市公司总经理薪酬的实证分析
胡伟清1 张宗益2 姚先国3
（1.重庆科技学院经济系，重庆400050；重庆大学经济与工商管理学院，重庆400044；
2.重庆大学经济与工商管理学院，重庆400044；3.浙江大学公共管理学院，310027）

摘要：一个人的知名度对其收入到底有何影响？知名度是如何创造价值的？知名度如何测量？本文在对知名度的形成与价值创造机理做出理论分析后，利用网络数据和京、沪、深三地上市公司总经理薪酬数据，对此进行了实证分析，得出了如下结论：第一，知名度通过“扩散效应”或“广告效应”创造价值；第二，知名度与薪酬显著正相关；第三，知名度存在“阀值”和“倍加效应”。
关键词：知名度；价值创造；高管薪酬
中图分类号:F244 文献标识码：A 文章编号

0 引言：知名度的形成与价值创造
人们常说“名利双收”，但“名”和“利”之间到底是一个怎样的关系？一个人的知名度对其收入到底有何影响？知名度是如何创造价值的？对这些问题，似乎并没有从理论上找到一个合理的解释。之所以会这样，据我们的理解，一是因为人们对“名”和“利”的关系似乎“习以为常”，于是“不必深究”；二是因为“利”好衡量而“名”不好衡量，因此也不便做出数量上的分析。
知名度，是指某个客体被他人知晓的程度[1]。这个客体，可以是人，也可以是产品和组织，本文研究的是人。知名度的形成，往往与“口碑”有关，所谓“一传十，十传百”。但“口碑相传”的方式，对于一个人的知名度的形成来说，不仅速度非常缓慢，而且辐射范围很小。在现代社会，由于现代传媒手段的作用，大众所知晓的名人，往往是媒体曝光率高的人。媒体曝光率的高低，与以下因素有关：第一，职业特征。主持人、影视演员、运动员这些职业，上镜率相对较高，所以，他们很容易成为“大众名人”。这也就很容易理解，企业的形象代言人，往往是由这些职业的人担任 2007年CCTV“315晚会”上，揭露了一些虚假广告，这些广告，其实就是应用电视剧的手法拍摄的：请一两个退休老头，饰演“专家”，通过“专家”的口，说出“产品如何如何好”。从这一案例可以得出这样的结论：企业之所以聘请明星来做形象代言人，就是因为大众“认识”这些明星，否则，大众也会认为广告里的人物是请人来扮演的。
。第二，成就。一个人如果是某个领域的佼佼者，容易受到媒体的关注。媒体，永远追逐非常规的人和事件，因为只有这样才能吸引大众的眼球。第三，突发事件的当事人。比如，钟南山院士2003年之所以名闻全国，就是因为“非典”。
一个人成名后，还有一种“倍加效应”，即“良性循环”。媒体不仅关注“奇人异事”，更关注名人。所以，一个人出名后，更容易引起媒体的关注。媒体之所以这样，与大众的两种心理有关。其一是“猎奇心理”，其二是“成名心理”。因为猎奇，所以媒体就迎其所好，关注“奇人异事”；因为想成名，首先就要关注名人，所以媒体也就追逐名人。
所以，知名度受到两种相反效应的影响。一方面，公众和媒体的“喜新厌旧”所产生的“遗忘效应”，会使知名度呈递减趋势；另一方面，公众和媒体的“追逐名人”所产生的“倍加效应”，会使知名度呈递增趋势 在公众和媒体之间，起主导作用的是公众，媒体会随着公众偏好的改变而改变自己的采编方针，尽管媒体对公众有相当大的影响。本文第一作者曾经在媒体混迹数年，对这一点有切身体会。
。到底知名度呈上升还是下降趋势，取决于这两种效应的综合效果。
知名度之所以能够创造价值，一是因为能够节约交易成本，二是通过“扩散效应”或“广告效应”。交易成本与合同有关。合同，是交易各方为了顺利完成交易而签订的约束条款，之所以要签订合同，是因为两个方面的原因：第一，交易各方之间缺乏信任；第二，交易的结果可能是不确定的。其中，第一个方面是主要原因。同一个村的村民，如果相互信任的话，不需要签订任何合同，就可以一方从另一方借到钱或物。如果与一个名人打交道，那么，首先就增加了对名人的信任程度，这样的话，也许连协议都可以免去；即便要签订协议，前期的谈判也会简省一些环节，比如说，不用对名人进行过多的“调查” 一类典型的骗术是：冒充某位名人，但对方又“只知其名”而不认识这位名人。上面说到的虚假广告，其实就是这一骗术的翻版。
。从事前的角度看，当你面对一个名人和一个没有名气的人时，你更愿意相信名人。人们往往存在“先入为主”的心理。当你得知坐在你面前的人，其名字你耳熟能详，你首先就会产生亲切感，并有亲切感而生信任感。
因为你知道对方是名人而节省谈判成本，这是一个方面的原因。另一方面，更主要是因为你认为名人隐藏自己的真实信息的成本会高于非名人隐藏自己真实信息的成本，因为名人如果隐藏自己的真实信息，那么，一旦事后败露，会对其声誉造成很大的影响，因此，名人隐藏自己真实信息的概率更低。事实上，人们更愿意相信名人所说的话。举例来说，如果面对两个人，一个是名人，一个没有名气，即便是两个人都说谎话，你也更愿意相信名人所说的谎话。
此外，从事后的角度看，名人“耍赖”的概率更低，因为名人耍赖的成本高于非名人耍赖的成本。所以从成本的角度来看，名人更不容易耍赖。如果是碰到事先没有约定的情况出现，名人往往会表现得更加“大度”，因为他要维护他的名人形象。
广告效应是知名度能够创造价值的第二个方面的原因。所谓广告效应，就是说，一个人可以利用自己的知名度，去扩大使用其知名度的主体的知名度。这句话有点绕口。意思是说，如果A有知名度，那么，B如果使用了A的知名度，B也就会提高知名度。
知名度的广告效应，也可称之为“扩散效应”，A的知名度，会扩散到A的周围去。举例来说，名人身边的人，如亲属、工作人员，也往往比非名人身边的人有名。我们介绍某人的时候，如果他是某个大人物的秘书，那肯定会说“这位是某某的秘书”，而不是仅仅说这个人的名字。一个企业出了一位名人，也会跟着有名。
知名度的广告效应，与知名度使用主体的“炫耀效应”（vanity effect）有关[2]。一个人喜欢炫耀的，是自己有多少“名人朋友”，尽管他们之间也许不过“一面之交”。人们为什么要炫耀？一方面，是因为可以在众人的羡慕中获得效用（满足）；另一方面，则是能够体现自己的实力，因为只有当自己有实力时，才有可能交上“名人朋友”。
企业聘请明星做“形象代言人”，同样带有“炫耀”的性质：第一，可以获得满足（效用）；第二，可以证明实力。对于企业来说，证明实力是最重要的，这相当于对外传递一个信号：“我有钱！”因为有钱，可以请最红的明星；而因为产品质量好，才有钱。所以，企业最终要显示的信号是：我的产品质量好。信号传递出去，消费者接收到信号后的反应也是：这家企业有实力，购买其产品没错。企业为了维护这个“信号”的真实性，就需要不断地聘请名人，并且，聘请明星的价格，就反映了企业实力的大小。所以，越是有名的明星，聘请他的企业就越多，价码也就越高。
名人的知名度之所以具有广告效应或扩散效应，从经济学的角度看，当然是因为名人是一种“稀缺资源”。广告效应与产品的品牌效应相似。一个好的品牌，可以租给其他企业使用（不需要投入其他资本）而获得收益，可以比其他品牌的产品卖更高的价钱（投入相同的其他资本）。
再看一个大企业和小企业的交易关系的例子，也可以说明知名度的广告效应或扩散效应。以往的很多分析，得出的结论是，在大企业和小企业的经济关系中，大企业之所以往往占优，认为是因为大企业的谈判能力比小企业强所致。但这只是一个方面，从本文的角度来看，还与小企业“企图”利用大企业的知名度，扩大自己的知名度有关。所以，对于小企业来说，宁愿以更低的价格把物品和劳务出售给知名企业，因为这样的话，它就可以在自己的宣传资料中，把知名企业的名字列入自己的客户名录中，无形中增加了自己的知名度和信誉度。
知名度的广告效应，不是仅仅靠知名度的所有者就能实现的，一般要通过一个中介——也就是企业来实现。而企业之所以愿意支付给有知名度的人额外的报酬，是因为他的知名度能够给企业带来超额的收益。
以企业聘请形象代言人为例来进行分析。我们把企业分为两种：不知名的企业和知名的企业。不知名的企业之所以聘请名人来作为自己的形象代言人，是希望通过名人，而使消费者知道自己的企业以及企业的产品。一旦消费者知道了自己的产品，不仅销量上去了，价格也上升了，所增加的收益减去聘请形象代言人的费用，就是企业在聘请形象代言人这一活动中的利润。
知名的企业聘请形象代言人，不是因为消费者不知道自己的企业和产品，而是为了维护企业和产品已有的知名度，以及扩大企业和产品的知名度。在竞争激烈，企业随时都有可能倒闭的情况下，如果大众传媒上很久没有出现某知名企业的形象广告，消费者也许就会产生疑虑：这家企业是否关门了？而竞争对手就会“乘虚而入”，很快占领消费者头脑中的空间，从而达到占领市场空间的目的。因此，无论多么出名的跨国大公司，也是会在维护企业形象上面舍得大把投入的。并且，越是有名的企业，其宣传广告费用所占的比例，往往更高，也就是说，知名企业更加重视维护自己的知名度。
对于企业管理者来说，其知名度所起的作用，除了以上所说的节省交易成本和获得广告效应或扩散效应外，更主要的是能够为企业带来更多的业务和发展机会。一位有名的总经理，愿意与他打交道的人更多，因此，企业的业务也会更多；此外，因为他有名，往往社会交往的机会也更多，这就能够为企业带来更多的发展机会。
以上对知名度的形成及其价值创造进行了分析，在下面的几节中，我们将探讨知名度如何测量，并以京、沪、深三地上市公司总经理的薪酬进行实证分析。

1 知名度的测量
到目前为止，人力资本计量仍然是一个理论难题。而知名度的测量，则更是很少受到学界的关注。本文所采用的对知名度的测量方法，得益于互联网。互联网的出现，不仅改变了人们的生活方式和工作方式，同样也为理论研究提供了一种新的数据支持模式，比如，周黎安等有关企业信誉对交易频率的影响的实证分析就是一个利用网络数据进行研究的例子[3]。本文对知名度的研究，同样采用了网络数据。
本文选择一个简单的指标来衡量一个人的知名度：网络上的“相关网页数”。利用相关网页数来衡量一个人的知名度，是有一定道理的，而相关网页数也的确能够在一定程度上真实反映一个人的知名度，特别是“大众知名度”的高低。
我们选择谷歌搜索网（）作为数据平台，通过输入高管人员的名字，搜索其相关网页。当然也可以选择百度（）、新浪、雅虎（）等其他搜索网站。选择不同的搜索网站，得到的数据相差会比较大。由于在不同搜索网站上搜索同一个名字，得到的相关网页数相差很大，因此，选择哪一个搜索网站，就成了一个问题。本文选择google作为搜索平台，主要是因为这是全球最大的专业搜索网站，从中获得数据相对最全面，因而有可能最能反映真实情况。但最全面的是不是最好的，也很难说。如果要检验上述搜索网站中，哪一个网站的搜索结果更能反映一个人的知名度，同样是一个难题。因为一个人的知名度，本身就没有一个“真实的”数据可供对比。如果有这么一个真实的数值，那么，简单地利用各搜索网站上的搜索结果与“真实值”进行比较即可。不过话又要说回来，如果有这样一个“真实值”，那也没有必要利用搜索网站的数据了。
此外，由于搜索的时间不同，网页数也会发生变化，因此，我们选择同一天对所研究的高管人员进行搜索，我们所选择的这个日期是2007年3月3日需要说明的一点是，从CSMAR研究数据库中得来的数据是以2005年12月31日（2005年财年的截止日期）为基础的，而有关知名度的数据则是以2007年3月3日为基础的。两组数据从时间上看前后相差14个多月。如果能够以同一天的数据为依据，当然是最好不过的了，但事实上不可能选择同一天的数据。这是因为CSMAR数据库的数据总是要滞后一段时间的，而网络上的搜索数据又只能以搜索当天为依据，不可能回到之前的某个时间去搜索。当然，可以采取这样的方式来解决：比如，在2007年12月31日这天，从搜索网上搜寻总经理的相关网页数，然后等到相关上市公司公布完2007年的年报后，再收集相关上市公司的数据。这是我在研究的过程中想到得改进办法，但由于本项研究已经开始，时间不能倒流，只能在今后的研究中改进。
。选择这个日子并没有特定的含义，可以用任何一个另外的日期来替代。我们之所以选择这个日子，是因为此前刚刚完成上市公司高管人员样本的选择。
举例来说，要测量万科A（000002）董事长王石的知名度，就把“王石”输入到百度去搜索，得到29.3万个相关网页，我们就把29.3作为王石的知名度衡量指标。
由于重名现象，因此，通过搜索寻找到的网页中，不全是研究对象者的信息，因此，需要剔除其他重名者的信息。严格地说，要对每个网页进行审查，看哪些是与被研究对象有关的，哪些是无关的。但这样做的工作量巨大，可以说是一个天文数字，根本不可能一一清核。
本来，一种简单的办法是：由于不同汉字在姓名中的重复率不同，因此，如果有关于汉字在姓名中的重复率的研究成果，那么，我们就可以利用它来对上述知名度的数据进行修正。比如说，王石由“王”和“石”两个字组成，“王”的重复率为a，“石”的重复率为b，那么，“王”和“石”同时在一个名字中的重复率为ab，用（1-ab）乘以29.3，比如说得到11.6，就以这个修正后的相关网页数作为王石知名度的衡量指标。
然而遗憾的是，据我们四处查找的资料，尚没有这样的研究成果。因此，本文也就无法对从google搜索到的相关网页数进行修正。但聊以自慰的是，虽然重名现象非常普遍，但同一个名字的出现多个名人的现象，却并不多见。因此，即便不做修正，也不会有太大的偏差。
此外，我们采取以下办法进行修正：
1、除了输入总经理名字外，还输入其所在上市公司的简称。如输入“王石”和“万科”，得到的网页数为20万。对于公司名称前后发生变化的，要把前后变化的公司名称输入搜索，然后将相关网页数进行合并。
2、抽取几个页面进行统计分析，计算与所搜索对象相关的网页的比例。比如说，一个页面上总共有10条，如果其中有7条与搜索对象相关，则比例为0.7。把几个页面上的相关比例加权平均，得到相关数，再用相关数去乘以前面搜索得到的网页数。如果是比较容易重复的名字，则多抽取几个网页。如果是名字有另外含义的，如“中科合臣（600490）”总经理“黄山”，其名字与旅游胜地安徽黄山一样，因此，更要多抽取一些页面来分析。还有就是公司名称容易理解为其他含义的，比如“新世界（600628）”，也要抽取更多的页面来分析。
当然，“相关页面数”并不一定是一个“好的”指标，因为它与总经理及其所在公司的其他因素有一定相关性，比如说，网页数的多少，与总经理及其公司对媒体的偏好有关，与是否容易出新闻（无论好消息还是坏消息）有关。平稳的、低调的总经理和公司，其相关网页数自然会少些。此外，还与总经理的学历、所在公司的规模大小等相关，这些，我们在下面的分析中还会论及。但在没有找到更好的指标之前，起码本文是一个“探索”。

2 假设与模型
2.1 研究回顾
高管薪酬问题，一直以来受到理论界和实务界的关注，出现了大量的研究文献，涉及到薪酬激励的有效性、高管薪酬与企业绩效、薪酬改进、薪酬的影响因素等众多方面。国外对高管（Top Manager）薪酬的研究，从上世纪60年代就得到了理论界的关注，如McGuire等就开始对管理层的收入问题进行了研究[4]。Furubotn和Pejovich在其颇有影响的一个综述中，也谈到企业规模是影响高管薪酬的一个重要因素[5]。到了80年代，研究文献进一步增加，Hogan和McPheters把影响高管薪酬的因素分为两大类，企业绩效和个人特征，分析比较其影响程度[6]；Coughlan和Schmidt对管理层薪酬与人员更替（Management Turnover）、企业绩效之间的关系进行了实证分析，发现它们之间存在显著的相关性[7]。当然，最有影响的研究之一是Jensen和Murphy对绩效报酬与高管激励的研究，不仅从实证分析的角度得出了股东财富每变化1000美元，总经理的财富会有3.25美元变动的估算，而且从理论上解释了绩效报酬对公司绩效的影响[8]。在Jensen和Murphy之后，国外学者对高管薪酬的研究方兴未艾，如Mehran对高管薪酬结构与股权结构、企业绩效的研究[9]，Gibbons和Murphy对薪酬与投资关系的研究[10]等等。
国内学者对高管薪酬的研究，虽然起步较晚，但近年来由于上市公司公开披露高管薪酬方面的信息，使得研究更加便利之后，研究成果也不断增加，对中国企业特别是上市公司的高管薪酬与企业绩效、公司治理结构的关系，以及影响高管薪酬的因素等问题，都有较好的研究。
本文主要研究高管薪酬的影响因素，从早期的研究成果看，主要是分析高管薪酬与企业绩效的关系，一方面论证企业绩效对高管薪酬的影响，另一方面也研究高管薪酬对企业绩效的影响，即薪酬激励的有效性。后来的研究逐渐扩展，认为影响高管薪酬的因素不仅包括公司绩效，还包括其他许多因素，如果把这些因素归纳起来，无非有三个方面：1、公司方面的因素，如企业绩效、公司规模、所处行业及地区、所有制性质等；2、高层管理人员的个人特征，如学历职称、工作年限、任职年限、性别等；3、外部因素，如通货膨胀、劳资政策、税收政策、宏观经济景气度等。
根据国内学者对中国上市公司的研究，在以上众多因素中，发现有如下现象：
（1）企业绩效与高管薪酬。实证分析中，既有认为存在显著的正相关关系的[11]~[14]，也有认为不存在显著的正相关关系的[15]，甚至有较弱的负相关关系[16]。李琦的研究更为深入，分析表明当期业绩对当期薪酬以及下期薪酬的影响存在差异，当期绩效对当期薪酬没有任何影响，但对下期薪酬存在选择性的影响作用[17]。
（2）公司规模与高管薪酬。公司规模对高管薪酬有显著的正相关关系[11]，[16]或弱正相关关系[14]。
（3）国有股比例与高管薪酬。实证分析表明，两者之间存在负相关关系[11]，显著的负相关关系[16]，[17]或较弱的负相关关系[12]，[14]。
（4）公司所处行业和地区与高管薪酬。高管薪酬与公司所处行业和地区的不同而存在显著差异[11]，[14]，[17]。
在李琦的文章中，还研究了上市年限、是否发行B股等因素对高管薪酬的影响，表明上市年限对高管有显著的正向作用，发行B股的公司的薪酬水平在1999年并无明确影响，但2000年的情况则有了改变，发行B股的公司的薪酬水平相对较高[17]。
（5）总经理持股情况与薪酬。李忠民等的研究表明，高管持股比例与高管薪酬之间存在显著的正相关关系[16]，但魏刚分析得出的结论则刚好相反，高级管理人员的薪酬水平与其所持股份存在负相关关系[15]。这样矛盾的结论并不奇怪，因为总经理持股对薪酬的影响，从正反两个方面都可以找到理论依据。总经理持有股份，会更加努力工作，那么，就应该是薪酬增加；但是另一方面，既然总经理可以从股份分红获得利益，就可以少得薪酬，可以起到同样的激励效果。
遗憾的是，国内学者的研究中，很少有针对高层管理人员的个人特征进行分析的，在我所查阅的文献中，仅李琦对高管年龄与薪酬做了实证分析，结论是并没有明显的影响[17]。
由于影响高管薪酬的因素众多，而且，样本的选择也会影响到分析的结论，这就使得上述各种结论并存的原因。而对于高管个人特征，一方面是因为信息的获取较难，另一方面，主要是因为如果站在这样一个角度来看问题，个人特征就不是一个独立的变量了：高层管理人员的个人特征，会影响企业的绩效，也就是说，个人特征不一定是独立于企业绩效的解释变量。
2.2 变量选择及研究假设
本文拟把个人特征考虑到模型中去。离开了个人特征因素，人力资本与薪酬之间的关系无法得到合理的解释。本文的被解释变量是“总经理薪酬”（CEOC），共选取了知名度、受教育年限、任职年限、公司规模、公司经营效率、股权结构、上市年限7个解释变量，其中前3个变量 本来一开始还选择了总经理年龄这一变量，但在后来的分析中，发现年龄呈偏左的正态分布，所以就删掉了这一变量。
描述总经理的个人特征。并提出如下假设：
假设1：回归方程的常数项C>0。
原因很简单，即便一个没有无形人力资本的总经理，管理一个规模很小的企业，企业的经济状况在2005年度也很不好，等等，也就是说，即便是所有的变量都为0，总经理年薪也不可能小于等于0。
假设2：总经理薪酬与总经理的知名度正相关。也就是变量“知名度”（DWK）的系数大于0。
根据前面的分析，知名度能够创造价值。既然能够创造价值，就应该体现为经济上的回报。所以，就应该对知名度的拥有者的收入有正的影响。这也是本研究重点要论证的一点。
假设3：总经理薪酬与受教育年限正相关，即变量“受教育年限”（EDUY）的系数大于0。
这是人力资本理论早就已经证明了的结论，教育，是人力资本投资的主要方式，教育年限越长，人力资本投资越大，能够获得的收入也就可能越高。那么，这一情况能否在中国上市公司的样本中得到印证呢？
假设4：总经理薪酬与任职年限正相关，即变量“任职年限”（CEOY）的系数大于0。
从常识来看应该如此。这一方面是因为，假定公司是不断成长的，那么，随着任职年限的增加，企业的规模在扩大，绩效在提高，根据激励制度，总经理的薪酬也会上升；另一方面，管理的效果是需要一定时间才能体现出来的，总经理刚刚上任时，其对管理方面的改革措施的效果尚未能体现出来，必须要经过一段时间后，才能在公司绩效上有所体现，因此，随着任职年限的增加，薪酬也会相应增加。
假设5：总经理薪酬与其所在公司的规模正相关。我们用“主营收入”（MI）来衡量“公司规模”本文采用销售收入，这是因为销售收入比总资产更能有效地衡量公司的规模，福布斯杂志的“全球500强排行榜”，也是采用的销售收入指标，而不是总资产指标。
，考虑到总经理薪酬不可能与公司规模呈线性关系，而往往是：规模扩大，总经理薪酬可能增加，但增加的幅度会小于规模增加的幅度，所以，用“ln(MI)”来衡量“公司规模”，本假设即变量“ln(MI)”的系数大于0。
这是已有的实证研究大都得出的结论。两个简单的事实可以证明这种关系得存在：第一，如果公司规模与总经理薪酬无关甚至负相关，那么，就不会有人认为从规模小的企业调到规模大的企业去是一种“晋升”了，反过来，也不会有人认为从规模大的企业调到规模小的企业是一种“降级”，中国的国有企业的级别确定，在很大程度上就是与公司规模相关的；第二，如果公司规模与总经理薪酬无关甚至负相关，就不会有那么多企业热衷于购并重组。购并重组“有利于资源的优化配置和节省交易成本”这样的论断尚待验证，但有利于提高管理者的收入则是显而易见的事实。
假设6：总经理薪酬与公司的经营效益正相关。我们用“主营利润率”衡量公司的经营效益衡量公司绩效也可以有不同的指标，比如净利润、净资产收益率、销售利润率等等。本文采用的是主营收益率。这是因为在上市公司的利润中，含有补贴、返还、投资收益等诸多不稳定性因素，而主营收益是相对稳定的，也更能衡量公司的实际盈利能力，采用哪一指标来衡量公司绩效，与研究者的专业背景有关。我刚开始也采用的是“净资产收益率”，改用“主营收益率”，得感谢我的同学黄新建博士的建议。
，也就是说，变量“主营利润率”（RMI）的系数大于0。
这一点应该是显而易见的，特别是对于实行了激励制度的企业来说。上市公司大都有各式各样的激励机制，但无论哪种激励机制，似乎都有关于管理层报酬与经营绩效挂钩的条款。经营效益越好，管理层的报酬越多。而作为管理层核心成员的总经理的薪酬，更应与经营绩效挂钩。
假设7：总经理薪酬与国有股比例负相关股权结构对高管薪酬的影响，前面所引的文献几乎都得出了有负相关性的结论，只不过因为样本的不同，相关程度有所差异而已。这一结论在理论上也可以得到合理的解释，因为在中国特殊的国情下，国有股比例应该对高管薪酬产生影响。这一方面是因为从舆论的角度看，国有公司的高管人员如果薪酬水平太高，会有“导致国有资产流失”之嫌；另一方面，国有企业的工资制度，受到国家政策的干预。
，即变量“国有股比例”（PHD）的系数小于0。
尽管到目前为止的实证分析并未获得一致的结论，但大多数研究得出的结论是如此，本文也希望能够得到验证。国有企业总经理的薪酬，因为受到政策限制，比如说公司内部的收入差距不能太大等。而非国有企业没有这方面的政策限制，最多考虑的是税负方面的因素。因此，在其他因素不变的情况下，有可能国有企业总经理的薪酬会低于非国有企业总经理。
假设8：总经理薪酬与上市年限正相关考虑这一因素是受李琦研究结论的影响。李琦的解释是，上市年限较长的公司，往往是国企改革的“领头羊”，实力较强，有能力支付较高的薪酬[17]。我的解释不同，我认为这与财务状况的公开程度、激励机制的建立情况以及舆论有关。一个人不怕别人说自己富有，而怕别人说自己“莫名其妙”地富有。非上市公司，财务不公开，如果总经理年薪上百万，连总经理自己都怕“说不清”，而上市公司的财务状况是公开的，而且上市年限越长的公司，在这方面做得越好。反正都是公开的，说明自己的所得是符合规定的，别人也会认为是符合规定的（人们的这一心态，可以从一个于此无关的事例中得到印证。在中国，卖淫是非法的，前些年有规定说，“小姐”要缴税，于是网上就有不少人认为，这不合理，因为如果“小姐”要缴税，就说明卖淫是合法的）。此外，上市年限越长的企业，往往激励机制越健全，高管薪酬与企业绩效的相关性越大。
，或者说，变量“上市年限”（IPOY）的系数大于0。
关于这一点，只有李琦对此进行了实证分析，并且验证了两者之间的上述关系。他的理由很简单，认为在中国，企业资质较好才能上市，上市时间越长，实力可能越强，有能力支付较高的薪酬[17]。
在我们的模型中，没有考虑总经理持股的情况，这一方面是因为从理论上说，总经理持股可能从两个方面影响到薪酬水平，更重要的一个方面是，从中国上市公司的情况看，总经理持股情况并不普遍，因此，也不便于进行计量分析。
本实证分析中，没有考虑行业和地区因素，这是因为我们将对“总经理薪酬”这一变量进行调整，具体方法在第三节中介绍。
此外，总经理个人特征中的变量，性别这一因素也没有考虑，这主要是因为在中国上市公司的总经理中，男性远远多于女性，也不便于进行计量分析。
根据以上分析，我们设定的总经理薪酬模型如下：
（1）

3 样本描述及变量处理
3.1 样本描述
本文选择了2003年及以前上市之所以选择2003年及以前上市的公司，是因为薪酬制度的稳定需要一定时间，如果选择上市时间太短的公司，则可能影响这一点。如果把上市时间再往前推移，则样本数会减少。而选择2003年，是因为我们分析的基准点是2005年，这样，至少保证样本企业已经上市3年。
的沪深两市共216家公司的高层管理人员作为分析样本，本文的高层管理人员仅限于公司总经理，有的公司也可能叫“总裁”或“CEO”，总之，是公司管理层的“一把手”。由于本文所用的薪酬为调整后的薪酬，因此，要涉及大量的数据查询，而很多中小城市的统计数据根本无法得到，因此，我们选择的是公司注册地址或办公地址在北京、上海、深圳三地的上市公司 在所有以地域分类的板块中，北京、上海、深圳的上市公司数量是最多的，所以，选择这三个地方可以得到数量有效的样本。
，具体分布为：公司注册地址或办公地址在北京的上市公司66家，在上海的104家，在深圳的46家。如果从上市的交易所来分，则上海证券交易所上市的公司151家，在深圳证券交易所上市的公司65家。
在样本选择过程中，我们剔除了没有领取薪酬、或在总经理数据库中没有个人资料、或总经理数据库与薪酬数据库中不相符的总经理名单，剔除了主营收入低于1亿元和过高（比如中国石化（600028），主营收入达到7991.15亿元）的公司 在主板上市的公司，一般是规模较大的企业，如果年收入低于1亿元，可以视为经营不正常。这样，可以视为“异常值”。进行这样的剔除也只减少了不到10家上市公司，对样本数的影响不大。
，剔除了女性总经理名单由于上市公司总经理中女性较少，因此，全部选取男性，这样可以回避薪酬支付中的性别歧视问题。
，剔除掉外籍人士 国内上市公司总经理的外籍人士本来就很少，剔除掉不影响分析，并且还可以回避薪酬支付中的国籍问题。
。
根据模型，我们对每一位总经理，从国泰安CSMAR研究数据库中选取以下数据：总经理姓名、公司代码 把这两项列入表中，不是为了计量分析，而是便于阅读者随机核对。
、年龄、受教育年限、任职年限、2005年度薪酬。其中，由于数据库中没有单独针对每个高管人员的薪酬数据，只有前三名高管人员的薪酬数据，因此，我们用“前三名高管人员薪酬”代替“总经理薪酬” “前三名高管人员薪酬”和“总经理薪酬”在数值上是不同的，但由于很多公司不公布“总经理薪酬”而仅仅披露“前三名高管薪酬”，所以，在“总经理薪酬”数据不全的情况下，用“前三名高管薪酬”替代“总经理薪酬”是合理的，因为如果要用一定的比例，比如用“前三名高管人员”的45%来划分出“总经理薪酬”，那么，由于采取统一比例划分，对于数据分析来说，无非是数据的同比例扩大或缩小而已。
。
上市公司的基本资料选择以下指标：主营销售收入、主营利润率、国有股比例。其中，数据库中没有“主营利润率”和“国有股比例”的现成数据，我们分别用“主营利润/主营收入”和“国有股数/总股本数”而得到。总经理“知名度”的数据，利用第二节所述的方法获得。表1是样本的描述统计情况。
表1：2005年总经理薪酬及其影响因素描述统计表

CEOC
(万元)
DWK
EDUY
(年)
CEOY
(年)
MI
(亿元)
ln(MI)
RMI(%)
FHD(%)
IPOY
(年)
最大值
331.04
5.12
19
7
665.9695
6.5012
87.47
83.75
16
最小值
5.09
0.01
12
1
1.1442
0.1347
-11.81
0
3
均 值
39.632
0.213
14.76
3.61
31.9731
2.6339
20.9711
32.9989
10.23
标准差
37.492
0.535
1.959
2.034
66.0002
1.2083
14.7965
26.5617
3.331
标准误
2.551
0.036
0.13
0.14
4.4907
0.0822
1.0068
1.8073
0.23
3.2 变量处理
接下来我们要讨论被解释变量：总经理薪酬。从上可知，在我们的模型中，没有考虑行业、地区这两个对薪酬影响显著的变量，这不是本文要刻意回避，而是我们尝试采用一种新的方法 已有的研究中，尽管考虑了地区、行业的影响，但通常是把这两个变量作为“哑变量”（Dummy Variables）来处理的。我们认为，本文所采用的方法，相对来说，应该更能反映地区、行业的影响。
。
我们所用于衡量总经理薪酬的指标，是“调整后薪酬”调整的思路实际上源自老百姓平常所说的一句话，比如：“上海的五千元相当于重庆的两千元。”这一朴素的描述，实际上反映了一个重要的问题：甲地的一元钱不等于乙地的一元钱。行业间的收入调整，与地区间的收入调整的理由不太一样。地区间的收入调整，主要是因为各地区的生存和发展的成本存在差异。而行业间的收入调整，则主要是因为消费惯性使然。你在一个收入高的行业中就业，消费上就必然比在一个收入低的行业中“大手大脚”得多。这有点像富人的一元钱不等于穷人的一元钱。要知道，我们不仅仅是生活在某一个城市，更是生活在某个城市的某个圈子中。
，即根据该公司所在行业和地区的人均收入而进行的调整，具体方法如下：如果A所属的公司是北京的金融企业，B所属的公司是深圳的制造企业，假定A的薪酬为100万元，B的薪酬为60万元，而北京金融业的人均收入为6万元，深圳制造业的人均收入为4万元。假定某地区的某个行业的人均收入在样本中最低，为2.5万元，那么，就把该地区该行业的收入调整系数定为1，则深圳制造业企业的收入调整系数为4/2.5=1.6，北京金融业企业的收入调整系数为6/2.5=2.4，于是A的“调整后薪酬”为100/2.4=41.67万元，B的“调整后薪酬”为60/1.6=37.50万元。
从《中国统计年鉴（2006）》的“就业人员和职工工资”一章的“各地区按行业分职工平均工资”一节中，可以查阅到北京、上海各行业的人均收入 在实际调整过程中，我们深感苦恼的一点是：《中国统计年鉴》上的行业划分太粗，这样，必然会导致行业调整系数不准确。比如说，同样是制造业，机械加工、汽车、药品等等行业的人均收入肯定是不一致的，现在相当于要把不一致的收入按相同的收入来处理，必然导致薪酬的调整不精确。但由于受到数据来源的限制，无法进行修正。但相对于把行业和地区仅仅划分为“传统行业”和“高新技术产业”，“东部地区”和“中西部地区”等的做法相比，应该说我们的处理方法更加准确。
。《中国统计年鉴》中没有单列深圳的数据，我在网络上多处查找，也未能得到，只好采取以下办法替代：从新华网()上查找到相关数据 《深圳人年均收入近3万元，垄断行业平均月薪3992元》，新华网，2006.7.27.（ fortune /2006-7/27/content_4883847.htm）
，如深圳2005年制造业、批发零售业、金融业等行业的人均收入，把这些数据与广东的平均数据进行对比，然后再