高管人员薪酬激励对上市公司绩效影响的实证研究的论文

《高管人员薪酬激励对上市公司绩效影响的实证研究的论文》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、高管人员薪酬激励对上市公司绩效影响的实证研究的论文　　摘要：文章通过采用logistic回归分析，对高管人员现金薪酬激励与股权激励和上市公司绩效之间的关系进行了实证检验。研究表明，高管人员现金薪酬激励并不对公司价值增值的实现构成显著的影响；相反持有上市公司股份高管人员在管理层中所占的比例越高，上市公司实现价值增值的概率越大。　　关键词：上市公司；高管人员；薪酬激励；绩效　　　　上市公司需要制定完备的薪酬激励契约，以约束和激励高管人员以最大化全体股东利益为目标而努力工作，避免其为了个人私利而损害股东的利益。本文根据目前上市公司高管人员薪酬激励的特点，实证

2、研究高管人员薪酬激励的设计对上市公司绩效的影响，试图为上市公司设计合理的管理层激励模式提供理论借鉴和实践参考。这对于优化我国上市公司治理结构，提高上市公司股东财富和投资者回报，从而促进资本市场良性发展具有深远的现实意义。　　　　1高管人员薪酬激励与上市公司绩效的实证研究　　　　1.1　实证研究设计　　1.1.1　实证研究假设　　上市公司高管人员薪酬激励可以分为基于公司盈余的现金薪酬激励和基于股权激励的薪酬激励。以盈余为基础的管理者给予薪酬，从形式上可能更方便股东对管理者的行为作出评价，因为管理者是否能对公司盈余作出改善更容易被观察，但实质上公司盈余的改

3、善也可能是利润操纵的结果。同时公司的盈余反映的是管理者过去行为所产生的结果，基于盈余的现金薪酬会激励管理者追求短期利益，当盈余结果没有达到公司既定的要求时，管理者有动机通过操纵利润以保证自己的既得利益不会受到损害。.股票价格反映了对公司未来现金流量的预期，因此，股权激励在管理者薪酬和股东价值之间建立了更为紧密和直接的联系，使管理者的个人利益与公司未来价值成长连接在一起，从而会激励管理者考虑其当前的行为对公司未来价值的影响，促使其采取富有远见的行为。　　有鉴于此，本文提出以下一个实证研究假设，即：　　h：高管人员现金薪酬激励与股权激励对上市公司的绩效存在

4、不同的影响，相比与现金薪酬激励，股权激励可以提升企业的绩效。　　1.1.2　实证研究方法　　为对研究假设进行有效的实证检验，本文尝试以eva作为上市公司绩效的评价变量，通过对高管人员现金薪酬激励和股权激励设定代理变量，采用构建logistic回归模型，对现金薪酬变量与股权激励变量对上市公司绩效的影响进行回归分析。　　　　1.1.3　研究变量设定　　基于本文的实证研究思路，本文设定了以下研究变量用于构建logistic回归模型，并进行实证检验：　　(1)上市公司继续的评价变量。本文选择经济增加值(eco-nomicvalueadded，eva)作为上市公

5、司绩效的代理变量。eva根源于一个基本的经济学概念，即剩余收益(residual，ine)，在西方国家企业中被广泛采用，成为绩效管理和薪酬激励评价体系所考察的核心指标之一。在本文的研究中，通过计算研究样本的eva，将eva大于0的样本界定为实现了价值增值的公司，将eva小于0的样本界定为未实现价值增值的公司。研究中因此设定一个虚拟变量y，如果研究样本的eva大于0，则y值为1，否则y值为0。如此设定变量的理由是，本文使用统计软件spssl1.5中binarylogisticregression模块对样本数据进行分析，而spss软件默认对观测数量较多样本

6、赋值为1，而在本文的研究中，eva大于0的样本居多，因此设定eva大于0时，y值为1。eva的计算公式为：　　eva=息前税后净营业利润一资本成本　　=息前税后净营业利润一资本总额×加权平均资本成本　　息前税后净营业利润由损益表调整得到，资本总额包括股权资本和债务资本；加权平均资本成本由股权资本成本和债权资本成本加权平均计算得到。　　(2)高管人员现金薪酬激励(cash)。根据上市公司年报中披露的信息，以报告期间上市公司中薪酬最高的前3名管理人员的薪酬总额为基数，取自然对数计算确定。取自然对数的目的在于消除样本观测数据量纲的差异。　　(3)高管人员股权

7、激励(stock)。在　　1.1.4　研究样本的选取　　本文选择2004年-2006年期间沪深两市全部上市公司为初选样本。然后对初选样本进行了以下筛选：①剔除掉了金融保险行业的上市公司，因为同其他行业相比，金融保险行业公司的经营特征和会计制度具有特殊性；②剔除掉当年新上市的公司，由于上市融资，公司规模和股本结构都会发生较大变化，这使得对上市前后财务数据的比较的实际意义减弱；③剔除掉全部st及*st上市公司。经过以上程序，本文最终确定了836个上市公司作为本文的研究样本。本文样本数据来源于　　1.1.5　回归模型的构建　　根据上文设定的研究变量，本文构建

8、以下logistic回归分析模型，用于对研究假设进行实证检验：　　logit(y)β0+β1×