Page 59 - 201902

北京工商大学学报(社会科学版)摇 摇 摇 摇 2019 年摇 第 2 期

有衡量会计绩效的总资产报酬率、净资产收益率 3郾 控制变量

和每股收益,以及衡量市场绩效的托宾 Q 值等。 本文主要控制了包括企业规模( Size)、企业
由于市场绩效的计量受到市场波动的影响,因此 风险 ( Risk)、 企业成 长 性 ( Grow)、 股 权 集 中 度
本文选用总资产报酬率(ROA) 和净资产收益率 (Herf)等变量的影响,同时控制了年份和行业,具

(ROE)来衡量所选样本的企业绩效。 体定义如表 1 所示。
表 1摇 主要变量定义
变量描述 变量符号 变量说明
总资产报酬率 ROA 年度净利润/ 年末总资产
被解释变量
净资产收益率 ROE 净利润/ 股东权益余额
内部薪酬差距 Wgap 高管平均薪酬与员工平均薪酬的比值
解释变量摇
内部薪酬差距平方 Wgap 2 高管平均薪酬与员工平均薪酬比值的平方
企业规模 Size 年末总资产的自然对数
企业成长性 Grow 营业增长率
企业风险 Risk 年末负债总额/ 年末资产总额
控制变量摇
股权集中度 Herf 前十大股东的赫芬达尔指数
年份 Year 属于样本年度时取值为 1,否则为 0
行业 Industry 属于样本行业时取值为 1,否则为 0

摇 摇 (三)模型设计 其中,i 表示不同的企业,t 表示时间, 滋 表示
i
1郾 面板数据固定效应模型 不随时 间 变 化 的 个 体 效 应, 着 为 随 机 扰 动 项,
it
本文构建以下模型来研究薪酬差距与企业绩 Wgap 为门限变量,ROA 和 Wgap 分别为被解释
it it it
效的关系: 变量和解释变量, 同时引入企业规模、企业成长
Perf = 茁 + 茁 Wgap + 茁 Size + 茁 Risk + 性等控制变量,I 为一个指标函数,相应的条件成
it
it
it
it
1
2
0
3
立时取值为 1,否则取值为 0。 该模型实际上相当
茁 Grow + 茁 Herf + 移 Industry +
it
it
4 5
于一个分段函数模型,当 Wgap 臆酌 时,Wgap 的
移 Year + 着 it (1) it it
系数为 茁 ,而当 Wgap > 酌 时,Wgap 的系数为 茁 。
1 it it 2
2
Perf = 茁 + 茁 Wgap + 茁 Wgap + 茁 Size + 为了得到上述系数的估计值,需要对各变量
it
it
it
it
3
2
0
1
茁 Risk + 茁 Grow + 茁 Herf +
4 it 5 it 6 it 去除组内平均值,以此去除个体效应 滋 ,可以对
i
移 Industry + 移 Year + 着 it (2) 所有的个体值进行累叠得到矩阵形式:Y * = X *
模型(2)在模型(1) 的基础上引入了薪酬差 (酌)茁 + 着 ,根据给定的门限值 酌,采用普通最小
*
^
距的平方项,目的是为了研究薪酬差距与企业绩 二乘法(OLS)得到参数 茁 的一致估计量:茁(酌) =
效之间是否存在非线性的关系。 其中 Perf 为企 [X (酌)忆X (酌)] - 1 X (酌)忆Y ,相应的残差向量
*
*
*
*
^
业绩效,分别以总资产报酬率(ROA) 和净资产收 为:e (酌) = Y - X (酌)茁 (酌)。 残差平方和越
*
*
*
*
益率(ROE)来衡量,其余变量如表 1 所示。 小,给定的 酌 值越接近门限值。 因此,可以通过最
2郾 面板门限模型 小化残差平方和来获得 酌 的估计值。
为了研究薪酬差距的区间效应,本文参考 在得到参数估计值之后,需要检验门限效应
[21] 的研究,构建面板门限模型,设定单一
Hansen 的显著性,原假设为不存在门限效应,检验统计量
^
^
2
门限模型为: 为:F = S - S (酌) / 滓 。 其中,S 是原假设成立
1 0 1 0
ROA = 滋 + 茁 Wgap 伊 I(Wgap 臆酌 ) + 时的残差平方和,S 是备择假设成立时的残差平
it
it
it
i
1
1
1
茁 Wgap 伊 I(Wgap > 酌 ) + 方和。 Hansen 采用“ 自体抽样法( Bootstrap)冶 获
2 it it 1
茁 Size + 茁 Grow + 茁 Herf + 着 (3) 得 F 统计量的一阶渐进分布从而构造 p 值,如果
3 it 4 it 5 it it 1
· 5 6 ·