20.3.1 实证模型
(1)企业家寻租行为与监管力度
为了验证监管强度的提高对企业家寻租行为具有抑制作用,我们构建如下回归模型:
EAE=α+γ1xs+γ2biggest+γ3independ+γ4dual+γ5change+γ6size+γ7inst+γ8manstake+γ9lev+γ10broadsize+Σindu+ε
(20-15)
ΔEAEα+γ1xs+γ2biggest+γ3independ+γ4dual+γ5change+γ6size+γ7inst+γ8manstake+γ9lev+γ10broadsize+Σindu+ε
(20-16)
为了增强说服力,我们设计了两组回归模型来验证假设H1,两组回归方程的不同之处在于,(20-15)的因变量为超额管理费用,(20-16)的因变量为超额管理费用的增长数额。这里需要说明的是,主要自变量xs是中央巡视组巡视部署的代理变量,反映的是企业所在地区对企业家寻租的监管水平。我们对xs的定义为:如果巡视组还未对该企业所在省、自治区、直辖市进行部署则取0;如果巡视组已经部署过则该值取1。考虑到巡视组部署过的省、自治区、直辖市对企业家与政府租金交易的监管强度在短时间内不会改变,以及政治环境的变化对商业环境影响的时间滞后性,所以对于巡视组部署过的省、自治区、直辖市该值依然取1。在控制变量的选取上,借鉴了杜兴强等(2010)的做法,将第一大股东持股比例、企业资产负债率、董事会规模和企业所处省、自治区、直辖市的市场化程度作为控制变量。除此之外,我们认为,企业的治理结构也会对企业家的寻租行为产生影响,比如总经理是否兼任董事长、上市公司独立董事的比例、是否有企业家离职等。
(2)企业家寻租行为与上市公司绩效
为了验证企业家寻租活动对企业绩效的影响,我们构建以下回归模型:
perfromance=α+γ1EAE+γ2size+γ3lev+γ4dual+γ5sale+γ6biggest+γ7inst+γ8manstake+γ9independ+γ10broadsize+Σindu+ε
(20-17)
(20-17)中,企业绩效用企业当期ROE作为代理变量,主要自变量为企业家的寻租行为,用企业当期超额管理费用作为代理变量。控制变量的选取借鉴了姜鹏飞(2015)的做法。此外,我们本打算将企业所有制形式作为控制变量加入模型中,但是在回归过程中出现了严重的多重共线性的问题,遂将其删除。
(3)企业家寻租行为、激励水平与上市公司绩效
为了验证在寻租行为受到抑制之后,提高企业家激励力度与上市公司绩效的作用,我们构建以下回归模型:
perfromance=α+γ1EAE+γ2CCWIBNU+γ3xs+γ4cross+γ5eaexs+γ6eaeccwi+γ7ccwixs+γ8size+γ9lev+γ10dual+γ11sale+γ12biggest+γ13inst+γ14manstake+γ15independ+γ16broadsize+Σindu+ε
(20-18)
其中因变量依然是企业绩效,由企业当期ROE作为代理变量,CCECIBNU表示的是企业对企业家的薪酬激励程度,其值越大说明对企业家的激励程度越高。交叉项cross是企业超额管理费用EAE与企业家激励程度CCECIBNU的乘积。其他控制变量与(20-16)完全相同。
20.3.2 变量定义(www.daowen.com)
参照杜兴强等(2010)的实证研究,我们这里用企业的超额管理费用作为企业寻租的代理变量。而超额管理费用则借鉴陈冬华等(2005)和曾庆生(2004)的思路构建,利用回归计算各个企业的期望管理费用,然后用企业的真实管理费用EA减去期望管理费用,就是最终超额管理费用。期望管理费用由下面回归模型估计得到:
在具体操作过程中,本章的做法是先把2012~2015年所有上市公司的相关数据代入回归模型中,同时考虑到各个省份的消费水平不相同、各个行业的薪资水平也不相同,同时固定住了省份和行业。再把回归模型所得各个估计值放入回归方程,带入各个企业的控制变量之后计算出各个企业各年份的期望管理费用,再减去真实管理费用EAi,t之后便是超额管理费用。在上述期望管理费用回归模型中,代表期望管理费用;Lnsale是企业营业收入的自然对数;Growth代表企业营业收入的增长率;Staff代表企业员工人数;Audit表示企业审计师是否来自四大会计师事务所(普华永道、德勤、毕马威、安永),如果是则值为1,否则为0;Lev代表企业的资产负债率;Hf代表企业的股权集中度,我们这里用前五大股东的赫芬达尔赫希曼指数替代(即前五大股东股权比例之和);GrossMargin体现的是公司盈利能力,用毛利率代表;CI代表企业的资本密度,用固定资产除以总资产表示;Listage表示公司上市年限,数值越大,则上市时间越长。除此之外在估计期望管理费用时还控制了地区和行业。
目前国内关于政府内部对官员设租和经理人寻租的监管力度和惩处力度,暂时还找不到合适的代理变量。于是,我们选取了该企业所在地区当年是否有中央巡视组进驻调查作为代理变量。中央巡视组从2013年起分批次先后进驻各个省级政府开展工作,其主要工作之一就是着力发现领导干部是否存在权钱交易、以权谋私、贪污贿赂、腐化堕落等违纪违法问题。我们认为,中央派出巡视组是对该地区政治环境的外生性冲击。中央巡视组的进驻无疑加大了寻租活动被发现的概率ρ0,是该地区政府监管力度的外生性突变,作为监管力度的代理变量是合适的。
中央巡视组在各个地区的部署情况是从中央巡视工作专题网站下载得到的,2013年常规巡视的11个省市自治区为:内蒙古、江西、湖北、重庆、贵州、山西、吉林、安徽、湖南、广东、云南。2014年常规巡视的20个省市自治区为:北京、天津、辽宁、福建、山东、河南、海南、甘肃、宁夏、新疆、广西、上海、青海、西藏、浙江、河北、陕西、黑龙江、四川、江苏。
在模型3和模型4中,我们借鉴了高明华等(2011)关于上市公司高管薪酬指数的构建方法,构建各个样本在2012~2015年各年中对高管激励程度的代理变量。高管薪酬指数采用基准法,即首先选择每个行业的基准公司,然后计算各行业全部公司的基准值,最后以该基准值为标杆,计算出各公司高管人员薪酬指数。具体方法如下:
①计算第j个行业第i个上市公司薪酬最高前三位高管的平均薪酬与营业收入的比值,计算公式是:
其中,高管薪酬是折算成货币形式的收入,包括基本工资、各项奖金、福利、补贴和各种津贴,以及股票期权。
②找出Xij的中位值,以位居该中位值的那家公司作为第j个行业的基准公司,令Yj为Xij的中位值。
③把Yj相加,再除以行业总数,得到所有上市公司薪酬最高前三位高管的平均薪酬与营业收入的比值(Z),计算公式是:
其中,n是行业总数,根据证监会《上市公司行业分类指引(2012年修订)》,上市公司分为19大类行业。
④将Xi,j除以Z再乘以100,得到第j个行业第i个上市公司的高管薪酬指数。计算公式是:
①此处乘以100,是因为假设全部上市公司的高管薪酬指数为100。
最终得到的CCECIBNU就是上市公司薪酬指数,其值越高,说明该上市公司高管薪酬激励程度越强。
表20-2为各个变量的名称、符号和计量方法。
表20-2 变量定义表
20.3.3 样本选择和数据来源
本章选取2012年至2015年4个年份的所有A股上市公司作为样本,剔除数据缺失的样本之后剩余2332家上市公司4年间的数据。数据来源为CSMAR、Wind、choice等金融数据库,为了消除数据中异常值的影响,本章对主要变量进行1%的winsorize缩尾处理。此外,本章数据处理主要采用STATA14软件进行处理。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。