国企高管层激励与约束机制的实证分析

【摘要】 本文以国有 企业 中的央企为研究样本，对国务院国资委发布的《中央企业负责人经营业绩考核暂行办法》中提到的考核指标以及其他可以反映企业业绩的指标进行因子分析和主成分分析，得出一个综合的考核企业经营业绩的指标。然后，对这一综合指标和企业高管层持股比例的关系进行相关性分析，试图分析央企高管层股权激励与企业业绩之间的关系。 　　【关键词】 高管层；中央企业；股权激励；企业业绩 中国论文联盟编辑。　　 　　一、本文相关概念界定 　　 　　（一）中央企业的界定 　　中央企业简称“央企”，通常指由国务院国有资产监督管理委员会监督管理的企业，是由国家直接创办、领导的企业。广义的中央企业包括三类：一是由国务院国资委管理的企业；二是由银监会、保监会、证监会管理的企业，属于 金融 行业；三是由国务院其他部门或群众团体管理的企业。狭义上讲，中央企业是国资委监督管理的企业。本文所涉及的中央企业是狭义的中央企业，是国资委网站上公布名单的中央企业。 　　（二）高管层的界定 　　本文研究的高管层包括年报摘要中披露的董事、监事与其他高级经理人员，具体包括董事长、副董事长、董事、监事、总经理、副总经理、总裁、副总裁、总 会计 师、总 经济 师、总工程师、财务总监等。 　　（三）国企高管层的约束机制 　　国有企业作为一种生产经营组织形式，同时具有营利法人和公益法人的特点。本文使用《中央企业负责人经营业绩考核暂行办法》中规定的央企负责人经营业绩考核办法作为国企高管层经营业绩的约束机制。其中，考核公共绩效的核心指标用经济增加值，考核经营绩效的财务绩效指标是利润总额和净资产收益率。 　　（四）国企高管层激励机制 　　国有企业高管层激励机制的形式有很多种，包括：薪酬激励、股权激励、控制权激励、行政晋升、声誉激励等。本文主要采用股权激励机制进行实证分析。 　　 　　二、样本选择、数据来源及统计方法的选择 　　 　　（一）样本选择 　　在样本的收集过程中，没有发现被ST、PT的公司。因此，本文的样本为2006年实行股权激励的上市中央企业。 　　（二）数据来源 　　本文数据来自于巨灵数据库和国泰君安数据库。所选择的企业业绩评价指标部分来自于2006年国务院国有资产管理委员会发布的《中央企业负责人经营业绩考核暂行办法》。 　　（三）统计方法的选择 　　本文利用SPSS作为分析软件，首先对可以反映中央企业绩效的相关财务指标进行主成分分析及因子分析，得出一个可以反映中央企业绩效的综合指标。再将这一综合指标作为因变量，将高管层持股比例作为自变量，在控制某些可能影响公司绩效的变量的情况下对因变量和自变量的相关性进行偏相关分析。如果偏相关分析的结果证明了两者呈现显著的相关关系，便对因变量和自变量进行回归分析，得出两者的相关系数。

思想汇报 /sixianghuibao/ 　　 　　三、实证分析 　　 　　（一）假设的提出 　　国内外许多学者研究过股权激励机制与公司业绩之间的关系，但对于两者之间关系的观点并不统一，仍然存在争议。一种观点认为，二者之间存在正相关关系；另一种观点认为，二者之间不存在正相关关系或正相关关系不显著。持第一种观点的代表人物有Hall、Jeffrey Liebman、Morck、ShlEifer and Vishny、李增泉、周建波和孙菊生等；持第二种观点的代表人物有Demsetz、Lehn Palia（2001）、袁国良和魏刚等。在二者存在正相关关系的观点中，对二者的相关性又存在着两种观点：一种认为是线性相关；另一种则认为二者曲线相关。 　　在以上分析的基础上，本文提出以下3个假设： 　　H1：在研究样本中，高管层持股比例与企业业绩呈显著的线性正相关关系。 　　H2：随着高管层持股比例的增加，其与企业业绩的正相关性越显著。 　　H3：样本中高管层持股比例的平方与企业业绩之间 　　呈二次曲线正相关关系。 　　（二）模型的建立 　　本文建立了检验企业业绩综合指标的模型，分别给予《中央企业负责人经营业绩考核暂行办法》中规定的考核企业经营业绩的财务指标以及能够反映企业经营业绩的其他财务指标以不同权重，由此综合出考核中央企业经营业绩综合指标的模型，即中央企业综合业绩评价模型1，具体如下：

作文 /zuowen/ 　　设主因子F（综合业绩）表示为变量fj（各相关财务指标）的线性组合： 　　 F=β1f1+β2f2+Λ+βjfj （j=1,2,Λ,m）（1） 　　其中，F表示以因子分析法 计算 的公司业绩的综合评价指标值；βj表示第j个因子方差贡献率与累计方差贡献率的比率；fj表示第j个因子。 　　对于检验公司业绩与高管层持股比例之间的关系主要设计了以下回归模型：鉴于公司业绩不仅仅是取决于高管层持股比例，可能会受诸多复杂因素的影响，本文考虑了控制变量。模型2表示实施了股权激励后的公司业绩与高管层持股比例和相关控制变量之间的关系。本文的假设之一是两者之间呈二次曲线关系，因此本文加入了高管层持股比例的二次方作为自变量，建立模型3。 　　Fi=αi+β1×ROMi+ContralVariablEI+εi 　　（i=1，2，3...）（2） 　　Fi=αi+β1×ROMi+β2ROM2i+ContralVariablei+εi 　　（i=1，2，3...）（3） 　　其中，下标i为样本公司，αi为每个样本公司的固定效应，ROMi为检验变量，代表中央企业高管层的持股比例，ContralVariablei为控制变量，分别为公司规模（SIZE）、资产负债率（DEBT）和股东平均持股数（AS），εi 为误差项。 　　（三）对中央企业业绩评价模型的因子分析和主成分分析。

思想汇报 /sixianghuibao/ 　　首先，对《中央企业负责人业绩考核暂行办法》中确定的5个考核指标以及反映企业业绩的其他7个指标进行KMO and Bartlett‘s Test，分析这些变量间的信息重叠程度即相关度，检验结果确定他们是否适合因子分析法。若可以使用因子分析法，再对这些指标进行因子分析，分析哪些指标对综合业绩的影响较大。其次，利用主成分分析法赋予这些与综合业绩关系密切的因子不同的权重。最后，根据因子分析得出的指标和主成分分析得出的各指标的权重，计算评价企业业绩的综合因子得分函数。KMO and Bartlett‘s Test的结果如表1所示。 　　 　　表1 KMO检验和 Bartlett 检验结果说明，巴特利特球度检验统计量的观测值是513.392，相应的概率p接近0，显著性水平α为0.05，由于概率p小于显著性水平α，应拒绝零假设，认为系数矩阵与单位阵有显著差异。同时，KMO统计量的值为0.698，接近于0.7，这说明各变量间信息重叠的程度较好，根据Kaiser给出的KMO度量标准可知原有变量适合进行因子分析。对各因子进行主成分分析，提取出最能解释因变量的主因子。各因子解释原有变量总方差的情况如表2所示。 　　表2第一组数据项（第2至第4列）描述了初始因子解的情况。第一个因子的特征根值为6.222，解释原有12个变量总方差的51.848%，累积方差贡献率为51.848%；第二个因子的特征根为2.345，解释原有12个变量总方差的19.541%，累积方差贡献率为71.390%。依次类推，在初始解中由于提取了12个因子，因此原有变量的总方差均被解释。第二组数据项（第5至第7列）描述了因子解的情况。可以看出，由于提取的4个因子共解释了原有变量总方差的89.241%，接近于90%。总体上，原有变量的信息丢失较少，因子分析效果较为理想。