Page 43 - 《北京工商大学学报（社会科学版）》2020年第1期

第 35 卷摇 第 1 期 周泽将, 汪摇 帅: 本地独立董事能否有效抑制国有企业高管在职消费?

力 ROA、成 长 能 力 GROW、独 立 董 事 平 均 年 龄 量 YEAR 等因素的潜在影响,具 体 见 表 1。 按
AGE、独立 董 事 平 均 学 历 EDU、女 性 独 立 董 事 照理论预期,模型(1) 中本地独立董事 GEO 的
比例 SEX、行业虚拟变量 INDUS 和年度虚拟变 系数 茁 应显著小于 0。
1
表 1摇 变量的定义与说明

变量类型 变量名称 变量符号 变量定义
(办公费 + 差旅费 + 业务招待费 + 通信费 + 出国培训费 + 董事会费
被解释变量 高管在职消费 PERK
+ 小车费 + 会议费) / 当期主营业务收入
本地独立董事比例 GEOR 本地任职的独立董事人数/ 独立董事人数
解释变量
本地独立董事人数 GEON 本地任职的独立董事数量
企业规模 SIZE 公司期末总资产的自然对数

财务杠杆 LEV 期末负债总额/ 期末资产总额
股权集中度 FIRST 第一大股东持股数/ 总股数
独立董事比例 INDEP 独立董事人数/ 董事会总人数
董事会规模 BOARD 董事会总人数的自然对数
两职合一 DUAL 若本年度由同一人兼任董事长和总经理职务,则赋值为 1,否则为 0
上市年限 LISTY 研究年份 - 上市年份
高管薪酬 SALA 企业前三位高管薪酬总额的自然对数
控制变量 盈利能力 ROA 净利润/ 平均资产总额
成长能力 GROW (主营业务收入 - 上一年主营业务收入) / 上一年主营业务收入

独立董事平均年龄 AGE 若上市企业为国有控股,则赋值为 1,否则为 0
独立董事学历的均值,学历赋值规则如下:中专及中专以下 = 1,大
独立董事平均学历 EDU
专 = 2,本科 = 3,硕士研究生 = 4,博士研究生 = 5
女性独立董事比例 SEX 女性独立董事人数/ 独立董事人数
年份 YEAR 涉及 7 个年份,设置 6 个虚拟变量
参照中国证监会行业分类标准(2012),涉及 17 个行业,设置 16 个虚
行业 INDUS
拟变量

摇 摇 进一步地,为了检验假设 2 和假设 3,本文在 联虚拟变量,若有政治关联的独立董事人数大于

模型(1)的基础上,构建了模型(2)和模型(3): 所有国企样本观测值中 75% 分位数,则赋值为 1,
PERK = 茁 + 茁 GEO + 茁 GEO 伊 PCD + 茁 PCD + 否则为 0;模型(3)中 SUBS 代表政府补贴虚拟变
0 1 2 3
茁 SIZE + 茁 LEV + 茁 FIRST + 茁 INDEP + 量,若政府补贴与总资产之比大于所有国企样本
4 5 6 7
茁 BOARD + 茁 DUAL + 茁 LISTY + 茁 SALA + 观测值中 75% 分位数,则赋值为 1,否则为 0。
8 9 10 11
按照假设 2 的理论预期,模型(2) 中本地独
茁 ROA + 茁 GROW + 茁 AGE + 茁 EDU +
12 13 14 15
立董事 GEO 与独立董事政治关联虚拟变量 PCD
茁 SEX + 移 YEAR + 移 INDUS + 着 (2)
16
的交乘项 GEO 伊 PCD 的系数 茁 应显著大于 0。 按
PERK = 茁 + 茁 GEO + 茁 GEO 伊 SUBS + 茁 SUBS + 2
照假设 3 的理论预期,模型(3) 中本地独立董事
0 1 2 3
茁 SIZE + 茁 LEV + 茁 FIRST + 茁 INDEP +
4 5 6 7
GEO 与政府补贴虚拟变量 SUBS 的交乘项 GEO 伊
茁 BOARD + 茁 DUAL + 茁 LISTY + 茁 SALA +
8 9 10 11
SUBS 的系数 茁 应显著小于 0。
2
茁 ROA + 茁 GROW + 茁 AGE + 茁 EDU +
12 13 14 15 四、实证结果分析
茁 SEX + 移 YEAR + 移 INDUS + 着 (3) (一)相关变量的描述性统计分析
16
其中,模型(2) 中 PCD 代表独立董事政治关 主要研究变量的描述性统计结果如表 2 所
· 3 9 ·