影响上市公司高管薪酬的企业因素实证分析--大学毕业设计论文.doc

影响上市公司高管薪酬的企业因素实证分析摘要：本文主要通过分析可能影响上市公司高管薪酬的企业因素（排除了个人因素的不确定性与难统计性），寻找出多个符合经济意义的变量，通过应用eviews这类专业的统计软件，对所收集的深交所385个可用样本进行了一系列的描述统计以及回归分析、调整，最终确定了决定高管薪酬的几个主要因素，并且得到了一个拟合度较高的预测方程，以用于高管薪酬的预测。关键词：高管薪酬 多因素分析 模型 计量经济学 检验 一、问题的提出在股份公司里，人们在努力提高公司经济效益的同时，也越来越来关注委托代理问题。因为我们已意识到如果委托代理关系处理不好，可能带来道德风险、逆向选择等诸多问题，而要解决委托代理问题，重要的一点是如何提高受托人经营的积极性。在西方，高级管理人员的薪酬与公司绩效的关系是企业管理体现激励与约束机制和解决委托代理问题的通行做法，那么在中国这种环境下是不是也是公司绩效影响到高管的薪酬呢？Hall和Liebman在1998年利用美国上百家商业公司近15年的数据，研究经营者报酬与经营业绩之间的关系，得出经营者报酬与经营业绩具有强相关的特征结论。李增泉的激励机制与企业绩效一项基于上市公司的实证研究（2000）中研究发现经营者年度报酬与企业绩效并不相关，而是与企业的规模密切相关，并表现出明显的地区差异性。谌新民、刘善敏的上市公司经营者报酬结构性差异的实证研究（2003）研究发现经营者的年度货币性薪酬与公司绩效不具有统计上的显著性相关关系。杨汉明的高管薪酬与上市公司绩效的实证分析（2004）指出高管平均薪酬的对数与上一年公司国有股持股比例及公司总股本的对数（公司规模）之间呈多元线性关系。李兴绪、扬燕红、章玲和郑树明的国有控股上市公司经营者薪酬安排的实证研究则详细的对国有绝对控股的公司经营者的年度货币性薪酬与公司绩效进行具体的研究。研究认为经营者年薪与公司绩效具有统计上的弱相关关系。但国有控股公司经营者年薪与滞后一期的公司绩效的相关强度小于当期和未来一期的公司绩效的相关强度)。经营者薪酬、薪酬差距对未来公司绩效具有激励作用。所以我们的研究将建立在对过去研究的完善与创新上：对于整个上市公司而言，选择添加了滞后一期的数据进行因素分析添加了行业、地区这类虚拟变量选取样本时剔除了董事兼高管的公司二、经济意义的阐述与基本关系假设1、高管当年薪酬与前一年薪酬存在正相关关系。因为，高管薪酬的确定通常需要参照上市公司上年薪酬水平。2、高管薪酬与经营业绩（扣除非经营性损益的净利润为基础计算的净资产收益率/加权）存在正相关关系。根据委托代理理论，当股东与经理之间存在信息不对称、利益冲突时，股东会与经理签订报酬绩效契约，来减少由于信息不对称和逆向选择所导致的代理成本；在报酬绩效契约下，高管阶层的报酬将由企业的经营绩效确定，所以，我们假设高管薪酬与企业绩效存在显著的正相关关系。3、高管薪酬与总股本存在正相关关系。总股本反映了公司规模的大小，在盈利的企业里，公司规模越大所获利润越多，高管薪酬越多。因此，我们假设高管年薪与总股本存在正相关关系。4、高管薪酬与国有股权比例存在负相关关系。由于国有产权模糊，高管阶层的预期期望低，难以产生应有的激励效果。所以，我们假设高管薪酬与公司股本中国有股的比例存在负相关关系。5、上市公司同时发行B股或H股，会提高高管薪酬。当公司能发行B股或H股时，企业的融资渠道更宽广，资金更雄厚，投资规模将更大。同时，市场对于上市公司的监管更严格更全面，要求企业家有更好的业绩表现，相应的也不吝于给出高薪报酬。6、上市公司所处的地区会影响高管的薪酬。当公司处于上海、北京、广东等地，因为这些地区本身消费水平就很高，所以高管薪酬也相应会提高。因此，我们假设公司是否处于以上较为繁华的城市将对高管年薪产生影响。7、上市公司所在行业影响高管的薪酬。当公司处于当今社会盈利能力很强的行业（如金融保险、垄断性行业等）时，公司盈利能力越强高管薪酬越高。同时认为综合类的上市公司（通常认为是集团类企业）由于其主营业务多样，而应具有更好的盈利能力及抗风险能力，因而高管薪酬应较高。因此，我们假设公司所在行业会影响高管的薪酬。三、理论数学模型的设定根据以上的经济理论的分析和基本关系的假设，在设立模型时将03年高管薪酬作为滞后一期的变量，将经营业绩、总股本和国有比例作为解释变量，将是否发行B股或H股、所在地区和所处行业作为虚拟变量。由于几个变量之间数量级存在差异,若直接回归会存在一些潜在问题,为了回避这一 问题,本文在设定模型时将03年高管薪酬、04年高管薪酬和总股本这几个以绝对值形式出现采用了对数形式。 模型设定如下注：文中回归时使用ly04代替，ly03代替，lx2代替。：04年高管薪酬经营业绩（扣除非经营性损益的净利润为基础计算的净资产收益率/加权）总股本国有股比例u随机扰动项参数四、样本的选取我们以2004年在深圳证券交易所公布年报的上市公司为样本，并且为了保证分析结论的普遍性，我们遵循以下原则选取，共得到385 组样本数据：（一） 为了得到更为成熟的信息，而且考虑到样本的一般代表性，我们首先剔除了资料不全、业绩较差的ST和PT 公司；（二） 由于我国一些公司是经过包装上市的，这样新上市的公司业绩不稳定，所以，样本中未包含新上市公司，都是2003年前就上市了的公司；（三） 因为在本文中我们讨论的是委托代理关系，所以剔除了董事兼高管的公司；（四） 由于我们采用的是最前三位高管薪酬总额，所以，还剔除了高管人数少于3个的公司样本。因为一般而言，投资人在年终才会评价经营者完成受托责任的情况， 以决定是否增加经营者的薪酬，是否继续聘用经营者， 所以我们认为，影响上市公司高管阶层年薪的应该是上年的公司业绩和相关因素。所以，在遵循以上原则基础上，我们选取披露了2004年和2003年前三高管薪酬位总额的所有公司，对应的选择2003 年的业绩、国有股比例、总股本、绝对薪酬差等相关数据及资料。五、样本分析（一）描述统计分析在进行回归分析之前，我们先进行以下描述统计分析：1、 高管薪酬差距较大。在385个样本中，04年高管薪酬最高的是000002深万科A，广东，所属行业J（房地产），前三位高管平均薪酬为171.67万，04年高管薪酬最低的是000426富龙热力，内蒙古，所属行业D（电力、煤气及水的生产和供应），前三位高管平均薪酬为1.14万。由此可以看出，不同公司高管薪酬差距较大，最高的是最低的150倍。表1：单位：万元股票代码04年薪酬股票代码03年薪酬max000002171.6667000921140min0004261.1433330004261.143333average20.6651317.02522、同上年相比，不同上市公司间高管薪酬差距扩大。同样本情况下，03年高管薪酬最高的是000921科龙电器，广东，所属行业C7（机械、设备、仪表），前三位高管平均薪酬为140万。03年高管薪酬最低的依然是000426富龙热力的1.14万。而且，04年所有样本的平均高管薪酬为20.67万，03年所有样本的平均高管薪酬为17.03万。显然，差距扩大了。3、业绩与高管薪酬额不挂钩。385个样本中，03年所有公司中用来衡量业绩的“扣除非经常性损益的净利润为基础计算的净资产收益率”ROE最高的为000617石油济柴，山东，所属行业C7（机械、设备、仪表）0.4074，其前三位高管平均薪酬10.80万，ROE最低的为000633合金投资，辽宁，所属行业M（综合），ROE=-2.3030，其前三位高管平均薪酬13.07万。虽然业绩最低，但是其高管薪酬却比业绩最高的公司高管薪酬更高。可见，业绩与高管薪酬额相关度不大。表2：单位：万元股票代码03年ROE（%）04年薪酬03年薪酬max0006170.4074 10.7967 8.4933min000633-2.3030 13.0667 7.8000average0.0192 20.6651 17.02524、公司规模对高管薪酬有较为显著的影响。表3：单位：万元股票代码总股本（单位：股）04年薪酬03年薪酬max0008982,962,942,246.0000 15.5000 15.5200 min00066961,670,000.0000 5.1667 5.1667 average425,046,459.0701 20.6651 17.0252 5、与平均水平相比，国有股份额越大，薪酬水平相对更低。表4：单位：万元股票代码国有股比例（%）04年薪酬03年薪酬max0008980.848477 17.6667 13.6667 min多个股票average0.290516 20.6651 17.0252 （二）回归分析我们利用Eviews软件，用OLS方法估计得到：（见附表1）LY04=0.491748+0.835528LY03+0.167638D1-0.013293D2-0.050005D3+0.050402X1(0.788230) (29.11029) (2.148697) (-0.262773) (-0.554123) (0.490981)+0.093156LX2-0.090802X3(2.973939) (-1.112710)可见，可决系数比较高，F也较高，但、都不显著，而且按照以上的经济意义分析来看，、与经济意义不符，因此，我们再对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。六、回归分析的计量经济学模型检验（一）多重共线性检验用EVIEWS软件，得相关系数矩阵表：表5LY03D1D2D3X1LX2X3LY03 1.000000 0.277966 0.412111 0.009197 0.101279 0.321093-0.034610D1 0.277966 1.000000 0.265374-0.075589 0.097060 0.226111-0.054472D2 0.412111 0.265374 1.000000 0.021739 0.060491 0.161198-0.001576D3 0.009197-0.075589 0.021739 1.000000-0.168662-0.100160-0.151421X1 0.101279 0.097060 0.060491-0.168662 1.000000 0.186132 0.046258LX2 0.321093 0.226111 0.161198-0.100160 0.186132 1.000000 0.107431X3-0.034610-0.054472-0.001576-0.151421 0.046258 0.107431 1.000000由上表我们可以看出，解释变量、虚拟变量和滞后一期变量之间的相关系数较小，可见存在轻度多重共线性。用逐步回归法进行修正：（见附表2）剔除影响不显著的D2、D3、X1、X3方程变为：（见附表2*）LY04 = 0.4890546548 + 0.8341617686*LY03 + 0.09252437598*LX2 + 0.1746671652*D1 （0.814811） （31.22490） （3.027865） （2.293012）R-squared=0.770975F-statistic=426.4015（二）异方差检验用EVIEWS软件，进行ARCH检验，得到：（见附表3）Obs*R-squared=0.373588 =3.84146,不存在异方差性(三)自相关检验由于这是一个一阶自回归模型，所以我们采用德宾 h-检验来检验其自相关性：对于逐步回归法修正前的模型：对于逐步回归法修正后的模型：（见附表2*）在0.05的显著性水平下，上述两个h1.96，即不存在一阶自相关。七、结论那么我们的模型估计式就是经过逐步回归法修正所得到的结果：LY04 = 0.4890546548 + 0.8341617686*LY03 + 0.09252437598*LX2 + 0.1746671652*D1 （0.814811） （31.22490） （3.027865） （2.293012）R-squared=0.770975F-statistic=426.4015经过修正后，我们可以看出，各t统计量非常显著，而且可决系数和F统计量也都比较大，也就是说方程整体拟合效果较好。结合经济意义，以及回归结果（附表1），我们得出以下结论：1、总体而言，上市公司高管平均薪酬的对数与其上一年的平均薪酬的对数、反映公司规模的总股本的对数以及是否发行H股或B股，呈现多元线性关系。2、高管薪酬受其上一期薪酬水平的显著影响。3、高管薪酬与经营业绩（扣除非经营性损益的净利润为基础计算的净资产收益率/加权）虽然存在正相关关系，但不显著。即表明我国上市公司的委托代理激励机制尚未建立健全，高管的薪酬与其经营的业绩没有什么关系。“干多干少一个样的，干好干坏一个样”的传统计划经济体制下的经营管理模式仍未改变。4、高管薪酬与公司规模存在显著正相关关系。从积极的角度看，这体现了企业家在管理更大的企业时所体现的企业家价值获得了更多的补偿；但从另一个角度看，也说明了为什么我国上市公司那么热衷于“圈钱”、扩大企业规模。5、高管薪酬与国有股权比例存在负相关关系，但不显著。国有企业的改制，以及国有股的逐步减持，都能说明国家持股对于上市公司高管的薪酬影响渐渐减弱。6、上市公司是否同时发行B股或H股，显著影响着高管薪酬。同时在B股市场发行股票或在香港联交所上市的上市公司的高管薪酬显著高于一般水平。7、上市公司所处的地区对上市公司高管薪酬影响不显著，而且违背了我们做出的假设或者说是经济意义。究其原因，可能是地区差异按照省份划分不合理，忽略了省内发达城市与不发达城市的区别，同时，由于样本选取中只选择了深市，所以样本中没有包括上海的上市公司。当然也可能是地区因素根本不显著，即对于薪酬没什么影响。8、上市公司所在行业没有显著影响高管的薪酬。而且，基于对行业虚拟变量的假设，认为综合类的上市公司（通常认为是集团类企业）由于其主营业务多样，而应具有更好的盈利能力及抗风险能力，因而高管薪酬应较高。但回归结果与假定相反，这可能是因为一方面，我国上市公司行业分类本身存在一定的缺陷，很多综合类公司并非我们假定中认为的集团类上市公司，而只是主营业务有两项超过判断标准；另一方面，由于数据录入的困难，没有具体的对各个行业进行判断，所以可能让高盈利水平的行业影响没有表现出来。九、不足之处当然，由于我们水平有限，不足之处如下所述：由于录入数据的工作量太大，所以我们只选择了深交所的上市公司作为样本。这样影响了对于我国上市公司的全面反映，而且地区因素也可能因此不显著。对于行业的分类以及虚拟变量的设定还不够合理，有待完善另注：对于高管薪酬的反映，忽略了高管可能获得的福利及“灰色收入”，而单纯考虑其年报所披露的收入。由于福利及灰色收入的不确定性和难以统计性，同时，也由于这些福利与灰色收入对于所有上市公司应该是普遍存在，所以我们不得不选择在研究时忽略这些。欢迎大家一同探讨、指正。参考文献1 李增泉激励机制与企业绩效一项基于上市公司的实证研究（2000）2 谌新民、刘善敏的上市公司经营者报酬结构性差异的实证研究（2003）3 杨汉明的高管薪酬与上市公司绩效的实证分析（2004）4 李兴绪、扬燕红、章玲和郑树明的国有控股上市公司经营者薪酬安排的实证研究附录（附表1）Dependent Variable: LY04Method: Least SquaresDate: 06/06/05 Time: 10:35Sample(adjusted): 1 384Included observations: 384 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C0.4917480.6238640.7882300.4311LY030.8355280.02870229.110290.0000D10.1676380.0780192.1486970.0323D2-0.0132930.050589-0.2627730.7929D3-0.0500050.090242-0.5541230.5798X10.0504020.1026560.4909810.6237LX20.0931560.0313242.9739390.0031X3-0.0908020.081604-1.1127100.2665R-squared0.772059 Mean dependent var12.99271Adjusted R-squared0.767815 S.D. dependent var0.826929S.E. of regression0.398460 Akaike info criterion1.018194Sum squared resid59.69766 Schwarz criterion1.100499Log likelihood-187.4933 F-statistic181.9356Durbin-Watson stat1.910938 Prob(F-statistic)0.000000（附表2）Dependent Variable: LY04Method: Least SquaresDate: 06/06/05 Time: 10:25Sample(adjusted): 1 384Included observations: 384 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C1.7759290.3224685.5072980.0000LY030.8763290.02514234.855810.0000R-squared0.760791 Mean dependent var12.99271Adjusted R-squared0.760164 S.D. dependent var0.826929S.E. of regression0.404972 Akaike info criterion1.035196Sum squared resid62.64882 Schwarz criterion1.055772Log likelihood-196.7576 F-statistic1214.928Durbin-Watson stat1.877970 Prob(F-statistic)0.000000Dependent Variable: LY04Method: Least SquaresDate: 06/06/05 Time: 10:29Sample(adjusted): 1 384Included observations: 384 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C0.1231310.5818270.2116290.8325LY030.8477980.02618932.371780.0000LX20.1030650.0303783.3927440.0008R-squared0.767806 Mean dependent var12.99271Adjusted R-squared0.766587 S.D. dependent var0.826929S.E. of regression0.399513 Akaike info criterion1.010640Sum squared resid60.81159 Schwarz criterion1.041504Log likelihood-191.0428 F-statistic629.9334Durbin-Watson stat1.885471 Prob(F-statistic)0.000000（附表2*）Dependent Variable: LY04Method: Least SquaresDate: 06/06/05 Time: 10:30Sample(adjusted): 1 384Included observations: 384 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C0.4890550.6002060.8148110.4157LY030.8341620.02671531.224900.0000LX20.0925240.0305583.0278650.0026D10.1746670.0761742.2930120.0224R-squared0.770975 Mean dependent var12.99271Adjusted R-squared0.769167 S.D. dependent var0.826929S.E. of regression0.397299 Akaike info criterion1.002106Sum squared resid59.98164 Schwarz criterion1.043259Log likelihood-188.4044 F-statistic426.4015Durbin-Watson stat1.895634 Prob(F-statistic)0.000000Dependent Variable: LY04Method: Least SquaresDate: 06/06/05 Time: 10:32Sample(adjusted): 1 384Included observations: 384 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C0.4501530.6013250.7486010.4546LY030.8325860.02675531.118340.0000LX20.0967990.0308333.1395110.0018D10.1693850.0763372.2189090.0271X3-0.0832960.080470-1.0351160.3013R-squared0.771620 Mean dependent var12.99271Adjusted R-squared0.769210 S.D. dependent var0.826929S.E. of regression0.397262 Akaike info criterion1.004492Sum squared resid59.81255 Schwarz criterion1.055932Log likelihood-187.8624 F-statistic320.1292Durbin-Watson stat1.902857 Prob(F-statistic)0.000000Dependent Variable: LY04Method: Least SquaresDate: 06/06/05 Time: 10:33Sample(adjusted): 1 384Included observations: 384 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C0.4758560.6030970.7890200.4306LY030.8334500.02680931.088080.0000LX20.0952190.0309533.0762840.0022D10.1656010.0766202.1613360.0313X3-0.0909060.081386-1.1169720.2647D3-0.0575480.088952-0.6469540.5181R-squared0.771873 Mean dependent var12.99271Adjusted R-squared0.768855 S.D. dependent var0.826929S.E. of regression0.397567 Akaike info criterion1.008593Sum squared resid59.74639 Schwarz criterion1.070322Log likelihood-187.6499 F-statistic255.7941Durbin-Watson stat1.911948 Prob(F-statistic)0.000000Dependent Variable: LY04Method: Least SquaresDate: 06/06/05 Time: 10:34Sample(adjusted): 1 384Included observations: 384 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C0.5232720.6114640.8557680.3927LY030.8328930.02686131.008010.0000LX20.0931060.0312852.9760850.0031D10.1641070.0767582.1379900.0332X3-0.0913750.081474-1.1215260.2628D3-0.0509590.090058-0.5658540.5718X10.0500640.1025210.4883250.6256R-squared0.772017 Mean dependent var12.99271Adjusted R-squared0.768389 S.D. dependent var0.826929S.E. of regression0.397968 Akaike info criterion1.013169Sum squared resid59.70863 Schwarz criterion1.085186Log likelihood-187.5285 F-statistic212.7721Durbin-Watson stat1.910351 Prob(F-statistic)0.000000（附表3）ARCH Test:F-statistic0.372000 Probability0.542280Obs*R-squared0.373588 Probability0.541055Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/06/05 Time: 10:52Sample(adjusted): 2 384Included observations: 383 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C0.1613640.0194338.3036170.0000RESID2(-1)-0.0312350.051212-0.6099180.5423R-squared0.000975 Mean dependent var0.156473Adjusted R-squared-0.001647 S.D. dependent var0.346138S.E. of regression0.346423 Akaike info criterion0.722897Sum squared resid45.72346 Schwarz criterion0.743514Log likelihood-136.4348 F-statistic0.372000Durbin-Watson stat1.992667 Prob(F-statistic)0.542280数据表股票代码2004年 高管薪酬前三位总额(元）2003年 高管薪酬前三位总额(元）是否发行H股或B股地区行业经营业绩（扣除非经营性损益的净利润为基础计算的净资产收益率/加权）%总股本（股）国有股比例0000012,290,000 1,660,000 0100.0592 1,945,822,149 0.000882 0000025,150,000 1,770,000 1100.1558 2,273,627,871 0.069603 000004930,000 900,000 010-0.0448 83,976,684 0.000000 000006541,300 746,000 0100.0069 253,591,631 0.280248 000007560,000 430,000 010-1.4417 143,593,664 0.049668 000009540,000 540,000 011-0.0122 958,810,042 0.227963 000010225,000 225,000 010-0.0952 147,017,448 0.000000 0000121,480,000 1,230,500 1100.1418 676,975,416 0.000000 000014734,800 514,000 0100.0982 89,646,750 0.288000 000016739,200 739,200 1100.0319 601,986,352 0.000000 000018610,000 610,000 1100.0028 169,142,356 0.280000 000019344,600 332,700 1100.0205 115,846,292 0.380592 000021630,000 574,000 0100.0867 732,932,101 0.559619 0000221,560,000 1,060,000 1100.3193 495,972,100 0.000000 000023421,000 338,000 010-0.0665 138,756,240 0.267123 0000241,285,000 1,096,000 1100.1146 618,822,672 0.000000 000026888,100 730,700 1100.0048 249,317,999 0.000000 000027814,000 811,000 0100.1696 1,202,495,332 0.552833 000028829,600 843,700 1100.0662 288,149,400 0