理论教育 2086家企业2012年职员消费分析及相关性分析

2086家企业2012年职员消费分析及相关性分析

时间:2023-06-12 理论教育 版权反馈
【摘要】:从总额来看,2086家样本公司2012年在职消费总额为826.48亿元,平均值为3962万元。8个细目中占比最大的前三项分别是办公费322.50亿元,占比39.00%;差旅费244.16亿元,占比29.53%;业务招待费173.94亿元,占比21.04%,其余5项占比都在5%以下。表22-4主要变量描述性统计22.3.2相关性分析表22-5为Perk1及主要变量相关性分析结果。

2086家企业2012年职员消费分析及相关性分析

实证检验遵循以下思路:①通过描述性统计和相关性分析详细了解在职消费,并从直观上判断高管薪酬与在职消费以及在职消费与公司绩效的关系;②检验高管薪酬与在职消费的关系,检验我们在提出假设时对于两者关系的逻辑猜想,即高管薪酬和在职消费在激励过度时作为管理层攫取股东利益的工具呈高度正相关关系,而在激励不足时,这种正相关关系则不存在;③检验假设1,即高管激励对于在职消费与公司绩效关系的调节作用。

22.3.1 描述性统计

我们首先对在职消费进行统计,具体情况见表22-2。在2086家有效样本公司中,仅有800家公司(38.35%)的在职消费数据来自现金流量表中“支付的其他与经营活动有关的现金”项目附注,绝大多数公司(1286家,占比61.65%)的在职消费数据来自利润表管理费用”项目附注。比较两种数据来源,通过“支付的其他与经营活动有关的现金”项目附注得到的高管在职消费平均值为5681万元,通过“管理费用”项目附注得到的高管在职消费平均值为2893万元,前者是后者的1.96倍,不难发现,两者的统计口径是不一样的,使用“管理费用”项目附注的计算方法低估了在职消费。因此,使用在职消费的数据时应该区分两种数据来源,分别进行统计或者回归分析,混合使用不科学。

从总额来看,2086家样本公司2012年在职消费总额为826.48亿元,平均值为3962万元。8个细目中占比最大的前三项分别是办公费322.50亿元,占比39.00%;差旅费244.16亿元,占比29.53%;业务招待费173.94亿元,占比21.04%,其余5项占比都在5%以下。具体到两种数据来源的在职消费,其细目结构也不同。通过现金流量表“支付的其他与经营活动有关的现金流”项目附注得到的在职消费中,金额最大的前三项分别是差旅费(39.78%)、办公费(27.73%)和业务招待费(21.24%)。通过利润表“管理费用”项目附注得到的在职消费中,金额最大的前三项分别是办公费(52.81%)、业务招待费(20.81%)和差旅费(17.04%)。

表22-2 2012年在职消费统计

表22-3对不同激励区间的在职消费和高管薪酬的绝对值和相对值进行了比较。从绝对值来看,激励过度的公司的在职消费和高管薪酬的绝对金额是最低的,激励不足的公司的在职消费和高管薪酬的绝对金额是最高的;从相对值来看,激励过度的公司的在职消费和高管薪酬都是最高的,激励不足的公司的在职消费和高管薪酬都是最低的。所以激励过度或不足不取决于薪酬绝对值的大小,而是要考虑经营业绩,用相对值来进行衡量。只关心绝对薪酬或者在职消费的绝对值(如高额的三公消费)有失偏颇。

表22-3 分激励区间在职消费和高管薪酬比较

表22-4是主要变量的描述性统计。为了避免异常值的影响,我们对所有连续变量上下1%进行了缩尾调整(winsorize)处理。“支付的其他与经营活动有关的现金”得到的在职消费绝对值平均为4709万元,相对值为0.0215,“管理费用”得到的在职消费绝对值平均为2329万元,相对值为0.0123,高管薪酬总额绝对值平均为410万元,相对值平均为0.0041,在职消费水平超出货币薪酬水平,两种来源的在职消费分别是高管货币薪酬的11.49倍和5.68倍,由于数据获取的局限性,我们使用的在职消费数据是整个公司而不仅是高管的在职消费,存在在职消费数据高估的问题,在职消费和高管货币薪酬的实际差距要小一些。

表22-4 主要变量描述性统计

22.3.2 相关性分析

表22-5为Perk1及主要变量相关性分析结果。可以看出,在职消费与高管薪酬在1%的水平下显著正相关,大多数控制变量也与在职消费显著相关,在职消费与公司绩效正相关但不显著。Perk2及主要变量相关性分析结果跟Perk1结果类似,其中在职消费与公司绩效显著负相关(因篇幅所限,不单独列出)。

表22-5 主要变量相关性分析——Perk1样本组

注:***代表在1%的显著性水平下显著;**代表在5%的显著性水平下显著;*代表在10%的显著性水平下显著。

22.3.3 回归分析

(1)高管薪酬与在职消费

为了检验本章对于高管薪酬与在职消费的逻辑猜想,我们对模型(22-1)进行了回归分析,如表22-6所示。结果表明,不管是使用Perk1还是Perk2,高管薪酬对在职消费都有正向显著影响。其余控制变量对两种数据来源下的在职消费影响则存在一定的差异,如管理层持股对Perk1有正向显著影响,对Perk2则有负向显著影响。两种数据来源的在职消费所代表的含义存在一定的差异,值得我们在今后的研究中继续关注。

表22-6 高管薪酬与在职消费回归结果(www.daowen.com)

注:表格中报告的是标准化的回归系数;*p<0.1,**p<0.05,***p<0.01。

表22-7分组回归结果显示:跟激励适中的公司相比,激励过度时,高管薪酬和在职消费的正相关关系明显增强,而激励不足的公司,高管薪酬和在职消费的正相关关系则没有得到一致支持,Perk1系数不显著。回归结果支持了我们在提出假设时对于高管薪酬和在职消费两者关系的逻辑猜想,即高管薪酬和在职消费在激励过度时作为管理层攫取股东利益的工具呈高度正相关关系,而在激励不足时,这种正相关关系则不存在。

表22-7 高管薪酬与在职消费——分激励区间回归结果

注:表格中报告的是标准化的回归系数;*p<0.1,**p<0.05,***p<0.01。

(2)在职消费对公司绩效的影响

根据前面的检验结果,本章关于高管薪酬和在职消费这两种激励方式的逻辑猜想已经得到了验证。接下来我们将检验在职消费对公司绩效的影响,模型(22-2)的回归结果见表22-8。可以看出,两种数据来源得到的在职消费对公司绩效均有负向影响,其中Perk1的估计系数负向但不显著,Perk2的估计系数负向且显著。

表22-8 在职消费对公司绩效的影响

注:表格中报告的是标准化的回归系数;*p<0.1,**p<0.05,***p<0.01。

表22-9是不同激励情况下,在职消费对公司绩效影响的分组回归结果。

首先看Perk1的分组回归结果。在激励过度的公司中,在职消费对公司绩效有负向影响但不显著;激励适中的公司中,在职消费对公司绩效有正向影响但不显著;激励不足的公司中,在职消费对公司绩效有正向影响(0.149)且在5%的显著性水平下显著。这说明激励情况对在职消费与公司绩效之间的关系存在一定的影响,激励不足的公司中,在职消费对公司绩效有正向影响,支持了假设1和假设1a。

再来看Perk2的分组回归结果。在激励过度的公司中,在职消费对公司绩效的影响为负(-0.270)且在1%的显著性水平下显著;激励适中的公司中,在职消费对公司绩效的影响为负(-0.089)且在5%的显著性水平下显著;激励不足的公司中,在职消费对公司绩效的影响为正但不显著。这说明激励情况对在职消费与公司绩效之间关系存在一定的影响,激励过度和激励适中的公司中,在职消费对公司绩效有负向影响,支持了假设1和假设1b。

表22-9 在职消费对公司绩效的影响——分激励区间回归结果

注:表格中报告的是标准化的回归系数;*p<0.1,**p<0.05,***p<0.01。

为了验证假设2,我们在回归模型(22-2)的基础上加入在职消费与激励不足情况的交叉项Perk_LowIncen建立回归模型(22-3),回归结果见表22-10。Perk1和Perk2两组的回归得到了相同的结果,在职消费的系数显著为负,交叉项的系数显著为正,说明在职消费对公司绩效有负向影响,激励不足的公司中,这种负向关系会减弱,反过来讲,激励过度的公司中,在职消费对公司绩效的负向影响会增强,假设2得到了支持。

表22-10 在职消费对公司绩效的影响——激励不足的调节作用

注:表格中报告的是标准化的回归系数;*p<0.1,**p<0.05,***p<0.01。

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。

我要反馈