国企高管层激励与约束机制的实证分析论文

《国企高管层激励与约束机制的实证分析论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国企高管层激励与约束机制的实证分析论文【摘要】本文以国有企业中的央企为研究样本，对国务院国资委发布的《中央企业负责人经营业绩考核暂行办法》中提到的考核指标以及其他可以反映企业业绩的指标进行因子分析和主成分分析，得出一个综合的考核企业经营业绩的指标。然后，对这一综合指标和企业高管层持股比例的关系进行相关性分析，试图分析央企高管层股权激励与企业业绩之间的关系。【关键词】高管层；中央企业；股权激励；企业业绩一、本文相关概念界定（一）中央企业的界定中央企业简称“央企”，通常指由国务院国有资产监督管理委员会监督管理的企业，是由国家直接创办、领导

2、的企业。广义的中央企业包括三类：一是由国务院国资委管理的企业；二是由银监会、保监会、证监会管理的企业，属于金融行业；三是由国务院其他部门或群众团体管理的企业。狭义上讲.freelan、Morck、ShleiferandVishny、李增泉、周建波和孙菊生等；持第二种观点的代表人物有Demsetz、LehnPalia（2001）、袁国良和魏刚等。在二者存在正相关关系的观点中，对二者的相关性又存在着两种观点：一种认为是线性相关；另一种则认为二者曲线相关。在以上分析的基础上，本文提出以下3个假设：H1：在研究样本中，高管层持股比例与企业业绩

3、呈显著的线性正相关关系。H2：随着高管层持股比例的增加，其与企业业绩的正相关性越显著。H3：样本中高管层持股比例的平方与企业业绩之间呈二次曲线正相关关系。（二）模型的建立本文建立了检验企业业绩综合指标的模型，分别给予《中央企业负责人经营业绩考核暂行办法》中规定的考核企业经营业绩的财务指标以及能够反映企业经营业绩的其他财务指标以不同权重，由此综合出考核中央企业经营业绩综合指标的模型，即中央企业综合业绩评价模型1，具体如下：设主因子F（综合业绩）表示为变量fj（各相关财务指标）的线性组合：F=β1f1+β2f2+Λ+βjfj（j=1,.f

4、reel）（1）其中，F表示以因子分析法计算的公司业绩的综合评价指标值；βj表示第j个因子方差贡献率与累计方差贡献率的比率；fj表示第j个因子。对于检验公司业绩与高管层持股比例之间的关系主要设计了以下回归模型：鉴于公司业绩不仅仅是取决于高管层持股比例，可能会受诸多复杂因素的影响，本文考虑了控制变量。模型2表示实施了股权激励后的公司业绩与高管层持股比例和相关控制变量之间的关系。本文的假设之一是两者之间呈二次曲线关系，因此本文加入了高管层持股比例的二次方作为自变量，建立模型3。Fi=αi+β1×ROMi+ContralVariablei+

5、εi（i=1，2，3...）（2）Fi=αi+β1×ROMi+β2ROM2i+ContralVariablei+εi（i=1，2，3...）（3）其中，下标i为样本公司，αi为每个样本公司的固定效应，ROMi为检验变量，代表中央企业高管层的持股比例，ContralVariablei为控制变量，分别为公司规模（SIZE）、资产负债率（DEBT）和股东平均持股数（AS），εi为误差项。（三）对中央企业业绩评价模型的因子分析和主成分分析首先，对《中央企业负责人业绩考核暂行办法》中确定的5个考核指标以及反映企业业绩的其他7个指标进行KMOan

6、dBartlett'sTest，分析这些变量间的信息重叠程度即相关度，检验结果确定他们是否适合因子分析法。若可以使用因子分析法，再对这些指标进行因子分析，分析哪些指标对综合业绩的影响较大。其次，利用主成分分析法赋予这些与综合业绩关系密切的因子不同的权重。最后，根据因子分析得出的指标和主成分分析得出的各指标的权重，计算评价企业业绩的综合因子得分函数。KMOandBartlett'sTest的结果如表1所示。表1KMO检验和Bartlett检验结果说明，巴特利特球度检验统计量的观测值是513.392，相应的概率p接近0，显著性水平α为0.

7、05，由于概率p小于显著性水平α，应拒绝零假设，认为系数矩阵与单位阵有显著差异。同时，KMO统计量的值为0.698，接近于0.7，这说明各变量间信息重叠的程度较好，根据Kaiser给出的KMO度量标准可知原有变量适合进行因子分析。对各因子进行主成分分析，提取出最能解释因变量的主因子。各因子解释原有变量总方差的情况如表2所示。表2第一组数据项（第2至第4列）描述了初始因子解的情况。第一个因子的特征根值为6.222，解释原有12个变量总方差的51.848%，累积方差贡献率为51.848%；第二个因子的特征根为2.345，解释原有12个变量

8、总方差的19.541%，累积方差贡献率为71.390%。依次类推，在初始解中由于提取了12个因子，因此原有变量的总方差均被解释。第二组数据项（第5至第7列）描述了因子解的情况。可以看出，由于提取的4个因子共解释了原有变量