201505 - page 57

第 30 卷摇 第 5 期 沈小燕, 王跃堂: 薪酬委员会设立 、产权性质与高管薪酬
茁3 不显著,而在地方国企样本中 , 预计 茁3 显著为
正,在相对业绩较低的央企中预计 茁 3 不显著, 而
地方国企样本中预计 茁 3 显著为负。 模型 (2) 本
文则根据业绩上升和下降将样本分组, 同样关注
系数 茁 3 ,在业绩上升的央企预计 茁3 不显著 ,而在
地方国企样本中预计 茁3 显著为正; 在业绩下降的
央企样本中预计 茁3 显著为正,在业绩下降的地方
国企样本中预计 茁3 显著为负。
模型(1) 中 ,高管薪酬( Compensation) 参照卢
锐(2007) [26] 和方军雄 (2011)[27] , 分别采用 “ 薪
酬最高的前三位高管冶 ( TCOMP ) 和 “ 现任所有公
司董事、监事及高管 冶 ( MCOMP ) 取其人均薪酬的
自然对数作为代理变量。 公司绩效( Performance )
本文借鉴李增泉(2000) [28] 学者的研究, 选择资产
负债率( ROA) 作为业绩代理变量。 模型 (2) 中因
变量采用差值法,由于变化值有正有负 ,如果采用
取对数法消除量纲会消去负值, 所以本文采取除
以 1 000 的方法消除量纲, 形成差量 DTCOMP 和
DTCOMP。 对于业绩变量( ROA ) 也采用差量的方
法,形成业绩变化值 DROA。 其他变量见表 3。
表 3摇 研究变量定义表
变量符号 变量名称 变量定义
被解释变量
Compensation 高管薪酬
前三位高管平均薪酬的自然对数( LnTCOMP)
高管薪酬总额 / ( 高管总数 - 不领取薪酬高管数量 )(Ln MCOMP)
DCompensation 高管薪酬变化 ( TCOMP t - TCOMP t -1 ) / 1000;( MCOMP t - MCOMP t -1 ) / 1 000
解释变量
Performance 企业绩效 总资产收益率( ROA):企业净利润与平均总资产额之比
DPerformance 企业绩效差值 总资产收益率变化( DROA) = ROAt - ROAt -1
DRem 薪酬委员会设置 设置薪酬委员会取值为 1 ;否则为 0
Gov 产权性质 当公司国有性质取值为 1 ;否则为 0
CenGov 国有控制层级 当公司属于央企取值为 1 ;否则为 0
DPER 相对业绩 高于各年行业业绩的平均值取值为 1 ; 否则为 0
控制变量
LnA 企业规模 企业总资产的自然对数
LEV 财务杠杆 企业负债总额与资产总额之比
IndexMKT 市场化程度 按各年上市公司所在地区的樊纲市场化指数
FSHR1 股权集中度 第一大股东持股比例
GROWA 企业成长性 公司总资产增长率
BOARD 董事会规模 董事会人数
OUTR 董事会独立性 独立董事占董事会人数的比例
DUAL 是否二职合一 当总经理同时兼任董事长时, 取值为 1 ;否则为 0
IND 行业虚拟变量 若企业属于 i 行业则取 1 ;否则取 0
YEAR 年份虚拟变量 若属于 i 年份则取 1 ;否则取 0
五、实证检验结果与分析
( 一) 描述性统计
表 4 是为 2003—2006 年全样本公司主要变
量描述性统计。 变量 TCOMP 和 MCOMP 的最小
值为 0,后文对其取对数时会自动消除 0 值, 主要
变量 ROA 的均值为 0郾 024 3, 而最小值为 -
0郾 898, 最大值为 0郾 284,对于可能存在的极值 ,后
文对其进行 1 % 的 winsrize 缩尾处理。 对于主要
薪酬变量 TCOMP 和 MCOMP ,取对数以消除量纲
的影响。
( 二) 实证分析结果
1郾 产权性质、薪酬委员会与高管薪酬
表 5 是基于假设 1 设置薪酬委员会与高管薪
酬业绩敏感度在不同产权性质下的多元回归结
果, 其中高管薪酬 ( LnTCOMP 和 LnMCOMP ) 与
ROA_w 的回归系数均显著正相关 ,说明高管薪酬
与业绩显著正相关。 在各回归方程中, 与交乘项
ROA_w 伊 DRem 的多元回归系数均为负, 但是在
·75·