创业板上市公司股权激励对公司绩效的影响研究外文翻译资料

Executive Equity and Pay Incentives and Firm Performance

——Based on GEM Listed Companies in China

原文作者 Chen-lu ZHANG

单位 Management School, Wuhan University of Technology

摘要：基于代理理论，本文以2015年至2017年中国366家创业板上市公司为样本，采用两种高层管理团队激励方法、股权激励和薪酬激励为因变量，资产回报率(ROA) 是衡量企业盈利能力的自变量。同时，考虑到激励措施与制定适当的经营决策之间的时间差，本文对高管激励措施进行了-年和两年的滞后效应检验。结论是，高管股权激励和薪酬激励对公司绩效产生积极影响，高管股权激励与滞后时期的公司绩效呈正相关。而薪酬激励则没有显着的相关性。

关键词：高管；企业绩效；股权激励；薪酬激励

1.引言

企业的有效发展离不开合理、正确的管理决策和高层管理人员的执行。高管是业务发展战略的决策者。在现代公司治理结构中，高管激励机制在企业发展中的作用越来越重要，包括股权激励和薪酬激励。激励措施的强度在一定程度上影响决策的有效性。适当的决策有利于改善日常业务活动，并努力使股东权益最大化，有效提升公司绩效。在以前的研究中，学者们经常集中在薪酬激励上，而忽略了股权激励。更多的研究集中在管理上，而高层管理人员则相对被忽略。中国的创业板主要是成长性不成熟，成长性高的中小企业及创业型企业，本文以创业板上市公司为研究对象，探讨了高管股权激励和薪酬激励对公司绩效的影响，以丰富相关研究。考虑到股权激励是一种长期激励方式，短期内难以观测到效果，因此本文选取股权激励实施后一年到两年的数据。

2.文献与假设.

由于所有权和管理权的分离，公司股东倾向于最大化其财务状况，而企业管理者则选择增加其报酬并规避风险。如果公司的所有者和管理者的利益不一致甚至相反，信息的不对称可能会导致道德风险和不利的选择，从而偏离其目标。为了协调利益冲突，股东通常会选择采取激励措施来增加薪酬或增加公司股份，从而激励高管人员做出真正适合企业发展井降低代理成本的战略决策，从而提高企业经营业绩。

研究发现，高管薪酬与公司绩效之间存在显着的积极影响。lurphy 在1985年通过股东回报和销售收入增长率来衡量公司绩效。Mehran 在1995年提出首席执行宫的薪酬激励与公司绩效呈正相关关系。Brian 和Jeffrey 在1998年表明公司绩效与首席执行官薪酬之间存在很强的正相关关系，这主要是由高管持有的股票和期权决定的。杜和王在2007年通过检测ROA，ROE，托宾Q和OF(所有者财富)作为研究高管薪酬激励与公司绩效之间关系的指标，研究发现薪酬激励在最近两个时期与OF(所有者财富) 呈正相关。薪酬激励措施去年对 托宾Q产生了积极影响，而对当前时期产生了负面影响。Jerry和 Steven 在2009年对 812 家美国公司进行的实证研究表明， 当薪酬委员会更强大时，CEO 现金薪酬和公司绩效的影响得到了显着改善。李在2017年通过将研发投入作为中介变量，研究证明高管在公司的薪酬和持股比例绩效中发挥了积极作用。程在2018以中国制造业上市公司的面板数据为样本，研究得出高管薪酬激励对企业的创新研发战略具有积极影响，而股权激励与创新研发战略则具有“ U”型相关性。该策略极大地提高了公司的创新绩效。在上述文献研究的基础上， 本文提出以下假设:

假设1:高管股权激励措施对业务绩效产生积极影响。

假设 2:高管薪酬激励措施对业务绩效产生积极影响。

由于某些激励措施是在今年年底实施的，因此它们对本年度公司绩效的影响可能较小，并且下一两年的新管理决定将奏效。本文提出以下假设:

假设 3:高管股权激励对滞后期间的业务绩效产生积极影响。

假设 4:高管薪酬激励措施对滞后期间的业务绩效产生积极影响。

3.变量设计和模型构建

3.1变量设计

3.1.1 自变量

根据以前的文献研究，本文通过高管股权激励和薪酬激励来衡量高管激励。当高管被授予更多股权时，他们将与公司的发展和股票趋势紧密相关。高薪的高管更有动力承担管理公司的责任，他们会更愿意做一些利于公司可持续发展的控制和决策。

3.1.2因变量

资产收益率反映了每单位资产投资收到的净利润收益，用于衡量公司的盈利能力。较高的 ROA 意味着该公司在增加收入和节省资金方面取得了更好的结果。本文使用 ROA 来代表公司绩效。

3.1.3 控制变量

根据相关研究，杠杆率，公司规模和公司成长能力通常被用作控制变量。本文选取的数据反应的是企业滞后一年和两年的表现。由于不同企业的发展程度不同，规模和偿付能力不同， 因此采用四个指标作为控制变量，以保证研究的有效性和正确性。

表格 1 变量设计

3.2模型构造

基于文献研究和理论假设，本文构建了以下模型:

ROA_T=alpha;₀ alpha;₁INCENTIVE_t alpha;₂PAY_t alpha;₃LEVERAGE_t alpha;₄SCALE_t alpha;₅Grow_t alpha;₆Year_t

ε_t

考虑到在年底实施的激励措施可能需要在下一年和未来两年的绩效中发挥作用，因此本文构建了以下模型:

ROA_t=beta;₀ beta;₁INCENTIVE_t-n beta;₂PAY_t-n beta;₃LEVERAGE_t beta;₄SCALE_t beta;₅GROW_t beta;₆YEAR_t ε_trsquo;

3.3实证研究与数据分析

3.3.1数据源

本文选择了2015-2017年中国创业板中的366家上市公司，排除了2015-2017年间的ST和*ST公司，删除了财务数据变化异常的样本数据，并删除了未披露的薪酬或股权激励信息的样本。所有数据均来自CSMAR数据库，公司财务报表和报表说明。

3.3.2描述性统计

本文提供了变量的描述性统计分析。从最大值和最小值来看，创业板公司之间股权激励和薪酬激励的差异是完全不同的。这反映了公司对高管人员激励机制的不同态度。同时，在某些情况下，公司一方面只关注激励机制，例如关注高薪薪酬激励机制，而不是股权激励机制，因此，高管持有公司股份的比例较低。2016 年，薪酬和股权激励均下降，可能是由于相关行业的压力以及经济下滑导致了激励措施的减少。从资产回报率和控制变量可以看出，创业板公司的规模各不相同，发展不平衡，因此存在股权激励和薪酬激励机制不同。

表格 2描述性统计

3.3.3相关性分析

在本文中，对每个变量进行了 Pearson系数相关分析。分析结果表明，三年股权激励和薪酬激励与资产回报率具有显着的相关性，今年的相关系数为三年来最大，可以进行多元线性回归分析。股权激励与薪酬激励之间没有显着相关性，表明股权激励与薪酬激励来自不同方面，两者的激励之间不存在显着相关性。

表格 3变量相关性分析