文档介绍：公司高管薪酬的同群效应分析
【摘要】 近年来企业高管的薪酬水平大幅度提升,高管薪酬的同群效应已经成为研究者分析导致高管薪酬增加原因的重要视角。文章选取2008—2018年我国A股上市公司数据对高管薪酬是否具有同群效应进行检会受到同行业竞争的影响,提高企业自身高管薪酬。基于以上分析,本文提出以下假设:
假设1:企业高管薪酬存在同群效应且效应较为显著。
高管薪酬的同群效应可能会受不同行业、不同地区的影响,地区的发达程度以及行业的热门性都会直接影响企业的绩效,进而影响企业高管薪酬的制定。不同区域中由于资源禀赋以及其他方面的差异,行业以及企业间相互模仿的难度较大,所以会展现出不同的同群效应。黄珺(2010)认为,对于特殊行业——金融行业,其在公司业绩方面, 由于银行业、保险业、证券业自身特点不同,导致高管薪酬的业绩影响因素不同,存在极大的行业差距。而同行业企业高管薪酬水平大多是基于自身的经营情况以及企业规模制定的,因为同行业间可能会出现部分企业垄断现象,导致只有少数企业利润高进而使其高管薪酬水平高,而其他企业收益额和薪酬水平良莠不齐。由此可见,不同行业由于行业性质、技术等方面的差异,其同群效应的作用会显著高于同行业间的同群效应。基于以上分析,本文提出以下假设: 假设2:高管薪酬受行业与区域异质性影响。
四、研究设计
(一)样本选取
本文根据CCER数据库,以2008—2018年我国A股上市公司为研究对象,共选取1 575家公司,使用连续10年的观测值,形成面板平衡数据,并且通过Stata对极端值进行Winsorize处理。
(二)变量定义
——高管薪酬。本文采用企业结构数据中的董事、监事、高管薪酬总额作为被解释变量。
——同群效应。结合我国A股上市公司的情况,本文依据如下标准定义同群企业:对任一公司h,在同一年的样本中,选择与h公司账面市值比(B/M)最为接近、杠杆率在h公司[60%,140%]之间,规模在h 公司[80%,120%]之间的10家公司。进一步地,本文定义同群企业高管薪酬(pay-peer)为同群企业年度高管薪酬的均值。
。本文将现金流、市盈率、公司规模、账面市值比等设置为控制变量。
具体的变量定义见下页表1。
(三)模型建立
为检验同群效应在高管薪酬中的存在性,以及研究企业自身薪酬的设定与同群企业的制定在行业间、区域间的相关性情况,本文建立模型如下:
其中ε为误差项。
五、实证结果检验
(一)变量描述性统计
从表2可以看出,同群公司高管薪酬变量(pay-peer)与高管薪酬变量(pay)均值相同,标准差、上四分位数、中位数、下四分位数均较为接近,这说明企业高管薪酬与同群企业高管薪酬水平的关系较为显著,并且存在较为明显的趋同性。
(二)高管薪酬同群效应存在性检验
从表3可以看出,企业的高管薪酬与同群企业的高管薪酬水平相关系数在1%的水平上显著相关,表明同群企业的高管薪酬水平越高,企业越倾向于提高自身的高管薪酬水平。并且,企业高管薪酬与企业的当期收入在1%的水平上显著正相关,与企业的杠杆率在1%水平上显著负相关。可见,高管薪酬水平的制定与企业利润呈现相互促进的作用。一方面,企业高管薪酬水平的制定在很大程度上取决于企业业绩,以及负债情况;另一方面,企业高管薪酬水平高又降低了人才的流动,保障了企业经营状况的稳定。因此,企业会根据同群企业相关信号来决定自身高管薪酬水平的制定,进而减少流动性,提高稳定性。由此可见,高管薪酬的同群效應在上市公司中普遍存在,并且非常显著。除此之外,本文使用滞后两期的高管薪酬数据进行分析,发现相比于同期效应,其影响程度明显降低,可以看出,高管薪酬的同群效应主要是受当期经济状况和行业形势的影响,而与往期高管薪酬水平的相关性较小。
(三)行业与地域的差异性影响
本文认为,高管薪酬的同群效应体现在三个方面:一是不同区域中的同一行业,二是同一区域中的不同行业,三是同一区域内的同一行业。通过上文建立的模型进行分析,分析结果见表4。
经过上述分析可以发现,无论是否属于同一行业同一地域,同群企业的高管薪酬水平都会对企业的高管薪酬水平产生很大的影响。根据表4数据可以发现,同一区域内同行业高管薪酬的同群效应在5%水平上显著,而同一区域内不同行业中高管薪酬的同群效应在1%水平上显著,即在同一区域中,不同行业间的同群效应显著性更高。这表明同一区域中,高管薪酬的同群效应不仅表现在同行业的协同效应,而且表现在不同行业的追赶效应。从上页表4可以看出,不同区域中同一行业的同群效应在1%水平上显著