鉴于越来越多的中国企业雇用职业经理人管理企业,职业经理人的影响力和关注度也越来越高。自2005年以来,权威媒体为中国杰出的企业经理人授予奖项,如《财富》的“中国最具影响力的商界领袖”奖项和《福布斯》的“中国最佳上市公司CEO”奖项,获奖CEO也由此获得社会的认可和赞誉。已有研究文献指出,由权威媒体授予的CEO奖项是一种来自社会对企业管理者的认可(醋卫华和李培功,2015),作为一种声誉激励,能够有效地激发职业经理人的长期决策和企业家精神(孔峰和刘鸿雁,2009),以及对企业社会责任的关注(Lee等,2020)。也有一些文献发现奖项存在负效应,获奖CEO为了维持其高声誉更多地采取机会主义行为,如进行更多的盈余管理(Malmendier和Tate,2009)和财务不端行为(Li等,2022)。有研究指出,媒体评选的声誉机制导致CEO获奖后的行为扭曲,表现为下年度的业绩下滑(陈红等,2013)。由此可知CEO获奖带来的治理效应尚无一致结果,本文拟从创新行为这一方面补充对媒体奖项的研究。
由于创新研发活动需要大量的资金投入,且具有不确定性高、风险性高和回报周期长等特点,企业进行创新投入通常会遇到较多阻碍。其中,职业经理人短视是阻碍企业进行创新投入的重要原因之一(杨道广等,2017;钟宇翔等,2017)。在两权分离的现代化治理结构下,创新投入可能会降低企业的短期绩效,并随之影响职业经理人的薪酬回报及其被解雇风险,因此职业经理人基于自身利益可能更关注企业短期绩效而非长期绩效,不太愿意进行创新投入(Balkin等,2000)。本文聚焦于获奖带来的信任治理,由于奖项具有溢出效应(邓博夫等,2019;Li等,2020),不仅会影响获奖者,还会影响获奖者的利益相关者,使其对获奖者的态度发生改变,从而可能对获奖者产生进一步的影响。作为企业重要决策者的CEO,当获得媒体奖项后,是否能够得到来自股东和董事会的更多认可和信任,进而激发CEO的创新热情,促使其进行更多的创新行为,这是本文研究的主要焦点。此外,本文以CEO获得权威的媒体奖项作为CEO能够获得股东信任的契机事件,探索CEO获奖与信任治理之间的关系,以及分析信任治理对获奖CEO在创新投入发挥的调节作用。
本文基于2006—2018年中国民营上市公司数据,采用结合倾向得分匹配法(propensity score matching,PSM)的双重差分回归模型(difference-in-differences,DID),验证媒体授予的CEO奖项对企业创新投入的影响。研究结果表明:相较于获奖前,CEO获奖后其所在企业的创新投入显著增加。进一步研究发现,CEO获奖后薪酬绩效敏感度降低,担任董事长职位的概率提高,由此本文认为获奖后获得股东更高程度的信任和更宽松的绩效考核可能是促使CEO获奖后更愿意进行创新投入的重要原因。同时,当CEO获奖后的薪酬绩效敏感度较低或担任董事长职位后,CEO获奖与企业创新投入的正向关系更强。
本文主要有以下两方面的研究创新与贡献。首先,本文以媒体授予的CEO奖项为契机事件,揭示出了媒体为企业职业经理人颁发的“最佳CEO”等奖项对企业创新投入具有积极效果。基于我国当前企业创新投入普遍较低和职业经理人短视的现状,过去的文献更强调监督和约束对委托代理问题的缓解作用,但近来研究发现过度的监督和约束抑制了管理层的主观能动性(Goranova等,2017),甚至引发机会主义行为(Shi等,2017),加剧管理层的短视等。相反,适度的失败容忍可以引导CEO进行长期的战略投资,如进行不确定性较高的创新活动(Tian和Wang,2014;徐悦等,2018)。本文的研究结论表明,媒体授予的CEO奖项更能获得企业股东和董事会的认可和信任,同时形成对获奖CEO的正向强化,激发CEO的创新热情,从而增加创新投入等长期战略投资。
其次,本文拓展了关于奖项如何影响获奖利益相关者行为和决策的解释机制。已有对公众媒体授予的“最佳CEO”等奖项对CEO及其公司影响的研究文献,主要从声誉激励机制的角度来进行解释(刘佳伟和吉利,2021;吕文栋等,2020)。目前有关获奖的研究大多集中在媒体奖项对获奖者本身的直接效应上,如影响获奖者对自我的评价或随后的工作积极性等(Hayward等,2004;Shemesh,2017),而较少探究奖项溢出性,即奖项如何影响第三方(如企业股东或董事会)对获奖者的反应或行为(Jensen等,2021),从而间接地影响获奖者的行为和决策。不同于已有研究,本文发现媒体奖项存在溢出效应,通过影响企业股东和董事会对CEO的信任和约束程度,如降低其薪酬绩效敏感度和提升其职业生涯高度,从而增强获奖CEO进行长期决策。
二、理论综述和假设提出(一)高管激励机制和企业创新投入
由于创新活动与企业常规的生产经营活动不同,其本身具有长期性、高风险和不确定性等特点(Holmstrom,1989)。CEO是否愿意从企业长期发展的角度进行战略决策是影响企业创新活动的重要因素(Flammer和Bansal,2017)。基于企业短期绩效考核与自身薪酬的考虑,职业经理人通常会存在短视行为,而对需要在长期才能显现绩效的创新行为投入不足。因此,企业如何能有效地缓解CEO的短视主义倾向尤为重要。
委托代理理论认为,当职业经理人的个人利益与企业长期绩效相关时,会增加企业创新投入等有利于企业长期发展的战略投资。为了缓解委托代理问题,通过设计薪酬结构或股权结构使职业经理人的个人利益与企业长期绩效绑定的做法被证明在一定程度上有效,例如,对CEO实施长期的薪酬激励可能会增加企业创新投入(Hoskisson等,1993;Lerner和Wulf,2007),而管理层持股比例和企业创新也存在显著正相关性(Mazouz和Zhao,2019;田轩和孟清扬,2018)。但是,也有一些研究发现股权激励等长期激励并不一定能解决代理问题,反而可能产生新的问题,如增加职业经理人盈余操纵等机会主义行为,从而损害企业长期利益(刘宝华等,2016)。例如,有研究发现高管持股比例和企业创新之间的关系是非线性的,在高管持股比例一定范围内两者呈正相关,但在其他范围内呈负相关(McConnell和Servaes,1990)。这说明仅仅依靠长期激励不足以激励管理者从事企业创新投入,甚至由于管理层的个人利益与企业绩效的强相关关系,管理层更加不敢进行创新投入,因为创新活动需要较长的试错过程(Kachelmeier等,2008)。其他研究也指出,企业对于管理层进行过多的监管和约束,会阻碍管理层进行长期的战略决策(Connelly等,2017;Goranova等,2017)。相反,有研究发现,如果企业能够容忍管理层在短期内的一些投资失败行为,如制定粘性较高的薪酬契约,使管理层在企业业绩下滑时免于惩罚,反而有利于提高管理层的创新投资水平(徐悦等,2018)。
总体而言,在代理理论的视角下,这种以不信任、控制和约束为主的管理模式,CEO迫于财务等业绩指标的压力,激励措施并没法起到很好的效果。当然,对管理层进行宽松的管理和激励模式也并不能保证企业创新投入的增加。宽松的管理和激励模式是否对企业创新有效,应该结合对管理者的信任进行分析。在经济行为中,权力、市场和信任一起作为促成和维系合作的三种机制(Powell,1990)。信任最广泛的一个特征是“基于对对方意图和行为积极预期的心理状态”(Rousseau等,1998)。信任能从传统社会的熟人之间,扩展到陌生人之间,是因为经济和社会活动中,经过重复博弈,最后形成的声誉机制。而对于职业经理人的信任则受到更强烈的市场激励,激励不仅仅是经济的,也可能是社会的,如声誉等。信任的主要作用在于能够降低彼此的交易成本,因为信任能稳定预期可能出现的状况。职业经理人因考虑经理人市场评价而努力工作的效应被称为“声誉效应”(Holmström,1999)。如果管理者具备某些特征从而能够证明自身会努力为企业长期发展工作,那么会增强企业股东对该管理者的信任,企业股东在此时采取更为宽松的管理和激励模式,则更可能对企业创新投入产生积极的影响。
因此,本文结合CEO获媒体奖项以及企业对获奖CEO采取的激励机制,探索这两者如何共同影响获奖CEO对企业创新投入的影响。具体而言,本文探究在CEO获得由知名媒体颁发的“最佳CEO”奖项后是否会提高创新投入,同时分析企业是否会改变对CEO的激励机制,进而影响获奖CEO与企业创新投入的关系。
(二)理论基础与假设提出
获奖本质上指的是获奖个体在特定领域地位竞争过程中所获得的社会认可,获奖对个体来说是一种社会性的认可与激励(Frey,2006,2007)。基于声誉激励视角,过去有关奖项的研究发现向个人颁发奖项可以增加获奖者对自身的评价和信心,激励个人更好地完成工作(Gallus和Frey,2016)。例如,有研究发现获得学术奖励的学者在获奖后会更加努力,并比其他非获奖学者完成更多的科学研究成果(Chan等,2014)。与此同时,获奖作为一种声誉还具有溢出效应(邓博夫等,2019;Li等,2020),不仅会影响获奖者,还会影响获奖者的利益相关者,使其对获奖者的态度发生改变,从而可能对获奖者产生进一步的影响。由于奖项通常用于奖励最杰出的个人,因此获奖将提高他人对获奖者的认可度(Frey,2006)。例如Borjas和Doran(2015)提出获奖后的科研工作者可能会获得更广泛的合作和更多来自合作者的支持,这也是获奖有利于提高科研工作者科研产出的重要原因。
本文基于获奖溢出性这一视角,即获奖会改变他人对获奖人的态度和行为这一视角,考察CEO获奖后是否会提高其所在企业的创新投入。基于传统的委托代理理论,CEO之所以不愿意进行创新投入等长期战略决策,一方面,因为这些长期战略决策较大程度上会降低企业短期绩效进而影响CEO薪酬回报。另一方面,还可能因为绩效不佳而增加CEO被解雇风险。因此,在成本效益的考量下,CEO不愿意进行长期投入,进而不利于企业创新投入。已有关于企业创新的文献指出,对于初创的中小企业来说,风险投资对CEO创新失败的容忍度越大,越能够促进创新(Manso,2011)。而对于成熟企业的创新行为,则在于其股东和董事会对CEO进行长期投资的支持程度。已有研究文献表明,CEO越受制于一些短期目标,越不能给股东带来长期价值(He和Tian,2013)。由于创新项目投资涉及大量的规划和准备工作,需要较高的资金投入和承担较大的风险,因此股东和董事会的全力支持必不可少。因而如果能够通过放松企业股东对短期绩效目标的强调,有利于引导CEO以长期价值最大化的目标进行决策,即进行更多的研发投入。
基于此,本文认为相较于未获奖CEO,CEO获奖后更能获得企业股东和董事会的认可和信任,企业股东也会因认可CEO的能力而降低对其短期绩效的约束和提高对失败的容忍度。而这种约束的降低和容忍度的提高往往被认为会助长对高风险高收益、回报周期长的创新项目的追求(Ederer和Manso,2013;Tian和Wang,2014)。同时,CEO获奖作为一种奖励,会形成对获奖CEO的正向强化。正强化意味着对一种行为肯定的奖励(Gordan和Amutan,2014)。当某种行为的后果是受人称赞时就增加了该行为重复发生的可能性,如企业用某种具有吸引力的结果(如认可、表扬等),以表示对员工积极工作的肯定,从而增强员工进一步努力工作的行为(Wei和Yazdanifard,2014)。正是由于CEO经营管理表现优异,CEO才获得“最佳CEO”等奖项的认可,这种结果反过来又成为推进CEO趋向或重复此种行为的力量。因此,相较于未获奖CEO,获奖CEO为了继续获得较高的社会声誉、维持较高的社会评价,因此更可能对企业的长期发展有清晰的规划和更高的预期,进而有助于推动企业挖掘未来发展有利的内外部机会。有研究指出拥有关注长远目标CEO的企业,其在发现新技术机会方面更快,并且在部署这些新产品方面表现更好(Flammer和Bansal,2017)。基于此,本文提出假设:
假设1:与获奖前相比,CEO获奖后企业的创新投入更高。
进一步地,本文从信任治理探寻CEO获奖促进其提高创新投入的机制。信任的作用机制被理解成一种隐性的关系契约,企业对经理人激励可以结合正式契约与“信任”。在以不信任为主的代理理论的驱动下,往往更多地采用财务等客观指标衡量业绩,导致职业经理人短视的行为(Hoskisson等,1991)。Sundaramurthy和Lewis(2003)指出,在以信任为主的管家理论的驱动下,股东会更多地采用主观判断、从企业长远角度来衡量职业经理人的业绩,进而可能会克服职业经理人的短视行为。
薪酬绩效敏感度是衡量高管薪酬合理与否的指标之一(王会娟和张然,2012),本文认为CEO获奖后,企业股东和董事会对其能力更加认可和信任,这有助于削弱对CEO短期绩效目标的严格要求,可能表现为CEO的薪酬绩效敏感度降低。首先,已有研究文献指出,股东和董事会的过度约束有可能引发高层管理者的反感,进而导致一些不当行为的产生,例如财务造假、内部交易、贪污受贿等(Shi等,2017)。而当这种约束放松时,高层管理层会对这种信任表现出积极反馈,比如降低其自身的不当行为(Connelly等,2017)。当CEO获得媒体授予的“最佳CEO”等奖项后,公众媒体的高度认可和社会的广泛赞誉可以帮助CEO获取企业股东更高程度的认可和信任,这有助于企业股东放松对CEO短期绩效目标的苛求(Koh,2011)。另外,获奖CEO也会接收到来自企业股东发出的善意,即降低对CEO的监督,以激发其自身内在的努力动机,表现为以股东长期价值最大化的目标去努力工作,股东也会更加受益于CEO的长期决策行为。过度监督控制目标有可能扭曲CEO的薪酬绩效敏感度,而通过放松企业股东对CEO的监督,有利于降低获奖CEO的薪酬绩效敏感度。基于此,本文提出假设:
假设2a:与获奖前相比,CEO获奖后的薪酬绩效敏感度更低。
由于信任有助于剩余控制权在企业股东与职业经理人之间形成一种合理的配置,企业股东可根据对职业经理人的信任而向其主动转移一部分控制权。本文认为CEO获奖后由于在企业内得到更多的认同而可获得更高的决策权,即增加担任董事长职位的可能性。首先,对于获奖CEO,其获奖后将获得更高的社会声誉,并享受社会声誉带来的长期收益。为了维持社会声誉并长期获得这种收益,获奖CEO将从更长远的职业规划出发,以获得更长远的回报,而不会为了短期的个人私利而损害公司利益,因此CEO的利益目标与股东利益目标一致,有利于削弱委托代理问题(Himmelberg等,1999),获得更多信任。其次,CEO获奖后也更有可能因为企业股东的认可和信任,进而有可能被邀请加入董事会。虽然已有关于CEO职业生涯的研究大多假设CEO将以退休告终,但很早就有研究指出CEO岗位并不是所有职业经理人职业生涯的终点,CEO还可以继续担任公司董事甚至董事长等职务(Brickley等,1999)。在该情形下,由于获奖CEO利益目标与股东利益一致,相对于其他未获奖CEO,获奖CEO更能得到企业信任,获奖CEO更可能被赋予更多的决策权,如被邀请加入董事会甚至被聘任为董事长。基于此,本文提出假设:
假设2b:与获奖前相比,CEO获奖后担任董事长职位的可能性更高。
虽然CEO获奖可以提高企业股东对CEO的信任,但是企业是否因此对获奖CEO的薪酬进行调整及调整幅度则取决于企业股东的不同偏好。本文认为,当CEO的薪酬绩效敏感度在获奖后大幅降低时,CEO获奖对企业创新投入的正向影响会更显著。一般而言,当CEO薪酬绩效敏感度较高时,由于短期绩效的压力,CEO为了达到短期业绩目标而更倾向于进行短期决策(Gormley和Matsa,2016),从而降低CEO进行长期战略决策的可能性。对于部分公司来说,如果CEO获奖后的薪酬绩效敏感度仍旧维持在较高水平,CEO获奖对CEO长期决策的激励作用非常有限,这是因为CEO获奖对CEO长期决策的激励作用路径之一在于降低CEO短期绩效的压力。激励理论认为,若高管薪酬与企业绩效具有高度关联性,则会强化企业管理层对短期业绩的偏好(Coles等,2006),如Manso(2011)研究发现,一些企业制定的薪酬—绩效合约规定,企业有权因为短期业绩表现不佳而对管理层进行惩罚甚至终止合同,管理层迫于短期绩效压力会规避高风险性的决策从而阻碍企业创新投入。因此,即使CEO获奖后,如果CEO的薪酬绩效敏感度仍旧较高时,CEO获奖后仍可能面临较高的短期绩效压力,并谨慎考虑可能对短期业绩产生较大波动的创新投入。相反,当CEO获奖后,企业股东的信任改变对CEO的激励方式,即CEO的薪酬绩效敏感度较低时,CEO获奖对企业创新投入的正向作用更为显著。因为当CEO的薪酬绩效敏感度较低时,CEO薪酬回报不会因为短期绩效波动而受到很大影响,CEO承受的短期绩效压力较小,从而会相对更为放心地进行创新投入。此外,当CEO薪酬绩效敏感度较低,获奖CEO才会更加关注企业长远的收益,进而增加创新投入这类长期战略投资(Ederer和Manso,2013)。基于此,本文提出假设:
假设3a:当CEO获奖后的薪酬绩效敏感度较低时,CEO获奖对企业创新投入的正向关系更强。
同样,并非所有获奖CEO最终都能担任董事长职位。本文认为,当CEO在获奖后能够担任董事长职位,CEO获奖对企业创新投入的正向作用会更显著。因为以CEO为核心的高管团队是企业创新战略决策的主体,如果CEO获奖后没有担任董事长,在两职分离的治理结构中,即使获奖提高了CEO在企业中的地位和信任,获奖CEO仍旧会受到董事会干预和控制,在进行创新决策时还是可能会遭到质疑。但是,如果CEO获奖后能够担任董事长,CEO的个人利益和企业长期利益出现分歧的可能性极大地降低,CEO则更可能从短期主义行为中解放出来而更关注企业长远的发展。当CEO兼任董事长后,能够有效减少两职分离所引起的权力利益纠纷(Brickley等,1997),并拥有更大的决策权(Goyal和Park,2002)。此时,CEO在执行企业长期战略中受到的阻碍较少,因此更愿意进行创新投入等长期战略。同时,当CEO兼任董事长后,公司的良好绩效更可能归功于两职合一的CEO,因此获奖CEO具有更强烈的动机进行有利于企业长期发展的战略决策,以维持个人长期的声誉及其带来的收益,加上获奖CEO的两职合一,使得其具有更大的自主权和更强烈的长期视野来推进企业创新投入战略的实施。基于此,本文提出假设:
假设3b:当CEO获奖后担任董事长职位,CEO获奖对企业创新投入的正向关系更强。
三、研究设计(一)样本选择与数据来源
本文的主要数据来源于CSMAR数据库。CEO获奖数据来源于《财富》《福布斯》杂志每年授予的CEO奖项的获奖名单。《财富》授予的“中国最具影响力的商界领袖”奖项设立于2005年,《福布斯》授予的“中国上市公司的最佳CEO”奖项设立于2006年。选择《福布斯》和《财富》所颁发的CEO奖项作为研究对象,是由于《福布斯》和《财富》在百度搜索指数中位列各类商业杂志前列,为众多商界人士所关注,具有较大的社会影响力,且奖项授予具有持续性,有利于进行跨期研究。
本文选取2007年至2017年中国民营上市企业中获得《财富》和《福布斯》授予的CEO奖项的职业经理人作为研究样本①,剔除了兼任公司董事长或为企业创始人的中国上市民营企业获奖CEO。研究样本排除国有企业的原因在于,国有企业大多数CEO并非通过竞争性的经理人市场遴选而来,而是由上级政府任命,因此国有企业的公司治理模式较少地受到外部媒体的影响。为了清晰地区分CEO获奖前期与获奖后期,本文只保留了获奖CEO首次获奖的记录②,由此本文得到了118位获奖CEO。获奖CEO在各年度的分布情况见表1。
获奖
年份 |
获奖上市公司高管数量 | 其中:获奖CEO数量 | 其中:获奖CEO占比 | 其中:首次获奖的CEO数量 | |||||
福布斯 | 财富 | 福布斯 | 财富 | 福布斯 | 财富 | 福布斯 | 财富 | 合计 | |
2007 | 25 | 10 | 19 | 6 | 0.76 | 0.60 | 6 | 5 | 11 |
2008 | 25 | 15 | 23 | 11 | 0.92 | 0.73 | 8 | 2 | 10 |
2009 | 50 | 14 | 42 | 9 | 0.84 | 0.64 | 9 | 3 | 12 |
2010 | 50 | 17 | 37 | 16 | 0.74 | 0.94 | 6 | 3 | 9 |
2011 | 50 | 30 | 32 | 28 | 0.64 | 0.93 | 7 | 4 | 11 |
2012 | 15 | 30 | 10 | 26 | 0.67 | 0.87 | 3 | 4 | 7 |
2013 | 31 | 32 | 20 | 26 | 0.65 | 0.81 | 5 | 8 | 13 |
2014 | 36 | 28 | 23 | 24 | 0.64 | 0.86 | 4 | 7 | 11 |
2015 | 44 | 26 | 24 | 23 | 0.55 | 0.88 | 5 | 7 | 12 |
2016 | 49 | 27 | 26 | 18 | 0.53 | 0.67 | 10 | 7 | 17 |
2017 | 36 | 28 | 26 | 18 | 0.72 | 0.64 | 2 | 3 | 5 |
总计 | 411 | 257 | 282 | 205 | 0.69 | 0.80 | 65 | 53 | 118 |
(二)实证研究设计
为了解决内生性问题的干扰,本文采用倾向得分匹配法(propensity score matching,PSM)和双重差分回归方法(difference-in-differences,DID)以获得更准确的实证结论(Bertrand等,2004),即为每位获奖CEO匹配类似的未获奖CEO,并对获奖CEO和未获奖CEO在获奖前后的变化进行对比分析。具体而言,本文采用最相近的logistic倾向得分匹配策略(Rosenbaum和Rubin,1983),通过一组在CEO获奖年份前一年可观察到的特征变量,将获奖的CEO与控制组中为未获奖的CEO进行匹配。当CEO在某一特定年份获得了奖项,因变量取值为“1”,否则为“0”,并在此基础上进行logistic回归。
在估计倾向得分的logistic回归中,本文加入公司层面和CEO层面的变量来预测CEO是否获奖。在公司层面,本文控制了企业规模、企业绩效、企业负债率、企业创新投入和企业年龄。在CEO层面,本文控制了CEO年龄、CEO性别、CEO任期、CEO是否为董事以及CEO是否为家族成员。在这些预测变量的基础上,本文计算出了每个CEO的获奖可能性得分。除此之外,本文要求控制组的CEO未兼任董事长职位(即亦为职业经理人),其所在企业为民营企业,与获奖CEO所在企业属于同一行业(证监会二级行业标准),在同一证券交易所(上海或深圳证券交易所)上市。如果有多个控制组CEO符合这些标准,本文将依据在给定获奖年份计算出的倾向得分,选取出与获奖企业最为相近的作为控制组企业。最终,本文为118位获奖CEO(实验组)分别匹配了一位未获奖的CEO(控制组),并分别保留该获奖CEO在该企业任职的所有年度数据,获得了1496个企业年度观测值。匹配变量的描述性统计,以及实验组(获奖CEO企业)和控制组的对比分析详见表2。在稳健性检验中,本文按照1:2的匹配比例对获奖CEO重新进行了匹配,基于新的匹配样本的回归结果同样验证了本文的假设。此外,本文也对时间窗口的选择进行了稳健性检验,分别保留企业获奖年份前后三年的数据,基于新的样本所得到的回归结果同样验证了本文假设。
变量 | 获奖CEO企业 | 控制组企业 | t检验 | |||||||
均值 | 标准误 | 最小值 | 最大值 | 均值 | 标准误 | 最小值 | 最大值 | t值 | p>|t| | |
Size | 21.646 | 1.261 | 17.532 | 26.296 | 21.500 | 1.537 | 17.532 | 26.296 | 2.016 | 0.052 |
ROA | 0.007 | 0.060 | −0.497 | 0.309 | 0.003 | 0.103 | −0.508 | 0.309 | 0.929 | 0.259 |
Lev | 0.533 | 0.322 | 0.045 | 6.684 | 0.598 | 0.929 | 0.045 | 6.684 | 1.845 | 0.073 |
R&D | 1.021 | 3.606 | 0.000 | 17.670 | 0.776 | 1.738 | 0.000 | 17.670 | 1.644 | 0.103 |
Firmage | 13.100 | 4.885 | 3.000 | 28.000 | 16.602 | 5.258 | 2.000 | 32.000 | 13.352 | 0.000 |
CEO age | 46.559 | 6.480 | 28.000 | 65.000 | 46.629 | 6.573 | 29.000 | 67.000 | 0.207 | 0.390 |
CEO gender | 0.102 | 0.315 | 0.000 | 1.000 | 0.079 | 0.269 | 0.000 | 1.000 | 1.510 | 0.128 |
CEO tenure | 3.688 | 3.241 | 0.083 | 17.917 | 2.838 | 2.980 | 0.000 | 17.500 | 5.261 | 0.000 |
CEO director | 0.902 | 0.283 | 0.000 | 1.000 | 0.873 | 0.355 | 0.000 | 1.000 | 1.755 | 0.086 |
Family CEO | 0.192 | 0.394 | 0.000 | 1.000 | 0.176 | 0.332 | 0.000 | 1.000 | 0.844 | 0.279 |
注:获奖CEO企业样本量=788,控制组企业样本量=708。由于同行业存在多个获奖者,因此存在多家获奖CEO企业匹配到同一家控制组企业,因此控制组企业的样本量少于获奖CEO企业样本量。 |
从表2中可以看出,50%的匹配变量在实验组和控制组之间的差异不显著,但由于匹配变量较多,较难做到所有匹配变量均差异不显著,为控制这些差异对因变量可能造成的影响,本研究后续的主要模型中也控制了所有的匹配变量。
(三)变量测量
1.因变量。本文有三个因变量。第一个因变量为创新投入(R&D),本文用研发投入强度来衡量企业创新投入,研发投入强度等于研发投入总费用除以企业总营业收入。在稳健性检验中,本文也使用研发费用(取自然对数)来衡量企业创新投入,其回归结果与使用研发投入强度一致。
第二个因变量是CEO薪酬绩效敏感度(PPS),本文考察CEO获奖对薪酬绩效敏感度的影响,需要衡量出CEO每年的薪酬绩效敏感度,因此借鉴已有研究,采用该年CEO总薪酬的变化率与公司绩效的变化率的比值来计算该年CEO薪酬绩效敏感度(Kubo,2005;陈文哲等,2014),计算公式为:
$PP{S_t} = \frac{{\Delta Compensatio{n_t}/\Delta Compensatio{n_{t - 1}}}}{{\Delta Performanc{e_t}/\Delta Performanc{e_{t - 1}}}}$ | (1) |
其中,Compensation是指CEO的总薪酬;Performance是指公司绩效,本文采用经行业均值调整后的资产收益率(ROA)来衡量公司绩效。在稳健性检验中,本文也采用构建模型的方式检验获奖对CEO薪酬绩效敏感度的影响。
第三个因变量为CEO担任董事长(CEOtoChair),当CEO在该年份升任(或兼任)董事长,则该年份CEOtoChair取值为“1”,其他年份均取值为“0”。
2.自变量。本文的自变量为获奖(Treatment)和获奖后(Postaward)的交互项,对于获奖CEO,Treatment取值为“1”,对于控制组CEO,Treatment取值为“0”。CEO获奖之后,Postaward取值为“1”,获奖当年及获奖之前取值为“0”③。控制组企业的Postaward取值与它们所匹配的获奖CEO企业相同。
3.调节变量。本文的调节变量为CEO薪酬绩效敏感度(PPS)和CEO担任董事长后(CEOasChair)。值得一提的是,CEOasChair不同于因变量CEOtoChair,CEOtoChair衡量的是CEO该年是否成为董事长,而CEOasChair衡量的是CEO该年是否担任董事长的状态。具体来说,若CEO在某年度开始担任(或兼任)董事长,则该CEO担任(或兼任)董事长的所有年份CEOasChair取值为“1”,其未担任(或兼任)董事长的年份取值为“0”。
4.控制变量。在企业层面,本文控制了企业规模、企业绩效、托宾Q、企业负债率和企业年龄。在股权方面,本文控制了董事会规模、机构投资者比例、股权集中度和独立董事比例。在CEO层面,已有研究从CEO人口统计学特征和CEO的管理性特征等方面探索了CEO对企业创新投入的影响(Barker III和Mueller,2002;Lin等,2011;刘运国和刘雯,2007),本文控制了CEO持股比例、CEO年龄、CEO薪酬、CEO任期、CEO是否为董事以及CEO政府奖项。在行业层面,本文控制了行业集中度和行业动态性。此外,本文还控制了年份固定效应和CEO固定效应,控制了CEO固定效应即控制了企业固定效应和行业固定效应。变量的具体定义及测量见表3。为了尽量减少异常值对回归结果的影响,本文对所有连续变量在1%水平上进行了缩尾处理以规避异常值的影响。
变量 | 变量简称 | 变量全称 | 定义测量 |
因变量 | R&D | 创新投入 | 研发投入总费用与企业总营业收入之比乘以100(%) |
PPS | CEO薪酬绩效
敏感度 |
该年CEO总薪酬的变化率与公司绩效的变化率的比值 | |
CEOtoChair | CEO担任董事长 | 当CEO在该年度开始担任(或兼任)董事长,则为“1”, 否则为“0” |
|
自变量 | Treatment×
Postaward |
CEO获奖 | 对于获奖CEO,Treatment取值为“1”,对于控制组CEO,Treatment取值为“0”;当年份是在CEO获奖之后时,Postaward取值为“1”,获奖当年及获奖之前取值为“0” |
调节变量 | PPS | CEO薪酬绩效敏感度 | 该年CEO总薪酬的变化率与公司绩效的变化率的比值 |
CEOasChair | CEO担任董事长后 | CEO担任(或兼任)董事长的年份均取值为“1”,之前则取值为“0” | |
控制变量 | Size | 企业规模 | 企业总账面资产取自然对数 |
ROA | 企业绩效 | 企业资产收益率减企业所在二级行业的均值 | |
Tobin’s q | 托宾Q | 企业市场价值除以企业资产账面价值 | |
Lev | 企业负债率 | 公司负债总额与资产总额的比率 | |
Firm age | 企业年龄 | 当年年份减去企业创建年份 | |
Board size | 董事会规模 | 董事会总人数 | |
Inst | 机构投资者比例 | 机构投资者持股数量与公司总股数量之比 | |
Ownership conc | 股权集中度 | 前五大股东的股份比例之和 | |
Independent director | 独立董事比例 | 独立董事数量与董事会总人数之比 | |
CEO share | CEO持股比例 | CEO总持股数量与公司总股数量之比 | |
CEO age | CEO年龄 | 当年年份减去CEO的出生年份 | |
CEO comp | CEO薪酬 | CEO总薪酬取自然对数 | |
CEO tenure | CEO任期 | CEO自上任以来实际任职的年限 | |
CEO director | CEO为董事 | CEO为董事取值为“1”,否则取值为“0” | |
CEO govaward | CEO政府奖项 | CEO在该年累计获得的政府类重要奖项(全国非公有制经济人士奖、省级非公有制经济人士奖和全国优秀创业企业家奖)的数量 | |
HHI | 行业集中度 | 当年所处行业的赫芬达指数 | |
Dynamism | 行业动态性 | 以年份为自变量,行业总营业额取自然对数为因变量得到的年份的回归系数的标准误(Keats和Hitt,1988) | |
Year | 年份固定效应 | 年份虚拟变量 | |
CEO | CEO固定效应 | CEO虚拟变量 |
(四)平行趋势假设检验
由于DID回归模型有效性的前提是实验组和控制组在接受处理(即CEO获奖)之前满足平行趋势假设,即要求实验组企业(获奖CEO所在企业)和控制组企业于获奖前,在企业创新投入方面有类似的增长趋势,为此本研究进行了两个诊断检验来确保平行趋势假设的成立。
首先,比较实验组企业和控制组企业在接受处理之前企业创新投入的年增长率:两组企业的创新投入年增长率差异在统计上不显著(斜率为0.022,t值为0.105),满足平行趋势假设。其次,以CEO获奖年份为中心(横轴0点),将实验组企业和控制组企业在CEO获奖前后不同年份的平均创新投入进行绘制。图1显示,在CEO获奖前,控制组企业和实验组企业的创新投入大致保持相同的增长趋势,而在CEO获奖后,实验组和控制组在创新投入的增长趋势出现明显的差异,实验组企业的创新投入增长显著高于控制组企业的创新投入的增长。图1不仅说明研究样本满足平行趋势检验,也说明CEO获奖后所在企业的创新投入将显著增加。
(五)实证模型
经过Hausman测试的结果,本研究采用CEO固定效应的OLS回归模型对研究假设进行检验。本文采用CEO固定效应而非企业固定效应,是因为CEO固定效应不仅可以控制企业层面难以观测的异质性,还可以控制CEO个人层面的异质性所带来的偏差,比如风险偏好等。以下为本文的回归模型:
$ {Y}_{it}={\alpha }_{t}+{\delta }_{i}+\beta \times Treatment\times P{ostaward}_{t}+\gamma \times {X}_{i\text{,}t-1}+{\varepsilon }_{it} $ | (2) |
i代表第i个CEO,t代表年份。Y代表因变量(PPS,CEOtoChair,R&D),α代表年的固定效应,δ代表CEO的固定效应,ε代表误差项,X是一个代表所有控制变量的向量,β系数代表CEO获奖(Treatment×Postaward)对因变量的影响。由于回归中包括了年份和CEO的固定效应,所以不需要再加入Treatment和Postaward两个哑变量。当CEO担任董事长为因变量时,虽然它是虚拟变量,但本文不使用logit回归而使用OLS回归来检验。这是因为logit回归只能用于随着时间不断变化的因变量,在本文的样本内,有些企业该变量一直为0且随年份变化不变,将导致无变化的企业观测值被省略,因此logit回归不适用。在每个回归中,本文以每个CEO为聚类单位调整标准误,以得到稳健的回归结果。此外,本文对所有回归模型进行共线性检验,计算变量的方差膨胀因子,结果均表明回归结果并没有受到共线性的影响。
四、实证结果与分析(一)描述性统计
表4为描述性统计表。其中,PPS的均值为0.031,标准差为0.653,说明职业经理人的薪酬绩效敏感度差异较大。CEOtoChair均值为0.038,标准差为0.210,说明职业经理CEO最终升任董事长的概率并不高。R&D均值为0.965%,标准差为2.851,表明样本企业的创新投入普遍较低,企业创新投入的差异较大。本文研究样本的CEO基本特征如下:CEO持股均值为1.4%,CEO年龄均值为46.5岁,CEO任期均值为3.2年,88.1%的CEO担任董事职位。本文研究样本的企业基本特征如下:企业总资产均值为24.2亿元人民币,Tobin’s q均值为3.332,企业负债率均值为57.3%,企业平均年龄为14.9年,董事会规模平均为8.8人,机构投资者持股均值为6.7%,前五大股东股权比例平均为47.4%,独立董事比例平均为36.8%。
变量 | 均值 | 标准误 | 最大值 | 最小值 | 中值 | 样本量 |
PPS | 0.031 | 0.653 | 5.130 | -4.470 | 0.000 | 1496 |
CEOtoChair | 0.038 | 0.21 | 1.000 | 0.000 | 0.000 | 1496 |
R&D | 0.965 | 2.851 | 17.670 | 0.000 | 0.162 | 1496 |
CEOasChair | 0.047 | 0.213 | 1.000 | 0.000 | 0.000 | 1496 |
Size | 21.606 | 1.449 | 26.296 | 17.532 | 21.492 | 1496 |
ROA | 0.005 | 0.089 | 0.309 | -0.308 | 0.000 | 1496 |
Tobin’s q | 3.332 | 4.883 | 27.380 | 0.164 | 1.971 | 1496 |
Lev | 0.573 | 0.722 | 6.684 | 0.045 | 0.499 | 1496 |
Firm age | 14.945 | 5.375 | 32.000 | 4.000 | 15.000 | 1496 |
Board size | 8.866 | 1.951 | 20.000 | 5.000 | 9.000 | 1496 |
Inst | 0.067 | 0.087 | 0.385 | 0.000 | 0.029 | 1496 |
Ownership conc | 0.474 | 0.159 | 0.929 | 0.023 | 0.468 | 1496 |
Independent director | 0.368 | 0.05 | 0.500 | 0.154 | 0.333 | 1496 |
CEO share | 0.014 | 0.048 | 0.099 | 0.000 | 0.000 | 1496 |
CEO age | 46.596 | 6.527 | 67.000 | 28.000 | 47.000 | 1496 |
CEO comp | 12.974 | 0.936 | 15.359 | 10.416 | 12.965 | 1496 |
CEO tenure | 4.24 | 3.134 | 17.916 | 2.000 | 5.750 | 1496 |
CEO director | 0.881 | 0.324 | 1.000 | 0.000 | 1.000 | 1496 |
CEO govaward | 0.025 | 0.187 | 2.000 | 0.000 | 0.000 | 1496 |
HHI | 0.508 | 0.229 | 1.000 | 0.165 | 0.457 | 1496 |
Dynamism | 0.035 | 0.035 | 0.516 | 0.002 | 0.026 | 1496 |
(二)回归结果分析
表5报告CEO固定效应OLS-DID模型的回归结果。在模型1中,因变量为R&D(创新投入)。模型1中Treatment×Postaward的系数估计值为0.646(p<0.01),验证了假设1,CEO获奖会提高创新投入。具体来说,CEO获奖后其所在企业的创新投入将提高0.646%(样本均值为0.965%)。在模型2中,因变量为PPS(CEO薪酬绩效敏感度),自变量Treatment×Postaward的系数估计值为−0.137(p<0.05),验证了假设2a,CEO获奖降低了薪酬绩效敏感度。具体来说,CEO获奖后其薪酬与绩效之间的敏感度将降低0.137。在模型3中,因变量为CEOtoChair(CEO担任董事长),自变量Treatment×Postaward的系数估计值为0.035(p<0.1),验证了假设2b,CEO获奖提高了其担任董事长概率。就经济意义而言,CEO获奖后其担任董事长的概率上升了3.5%(样本均值为3.8%)。在模型4至5中,因变量为R&D(创新投入)。在模型4中,Treatment×Postaward×PPS三重交叉项系数估计值为−0.249(p<0.05),验证了CEO薪酬绩效敏感度的负向调节作用(假设3a)。当CEO的薪酬绩效敏感度较低时(均值—标准差),CEO获奖对企业创新投入的正向影响较强。具体而言,此时CEO获奖后其所在企业的创新投入将提高0.805%;当CEO的薪酬绩效敏感度较高时(均值+标准差),CEO获奖对企业创新投入的正向影响较弱。具体而言,此时CEO获奖后其所在企业的创新投入将提高0.480%。在模型5中,Treatment×Postaward×CEOasChair三重交叉项系数估计值为0.870(p<0.05),验证了CEO担任董事长的正向调节作用(假设3b)。若CEO在获奖后担任董事长职位,CEO获奖对企业创新投入的正向影响较强。具体而言,此时CEO获奖后其所在企业的创新投入将提高0.875%;若CEO在获奖后未担任董事长职位,CEO获奖后对企业创新投入的正向影响较弱,具体而言,此时CEO获奖后其所在企业的创新投入将提高0.505%。
变量 | 模型1 | 模型2 | 模型3 | 模型4 | 模型5 |
R&D | PPS | CEOtoChair | R&D | ||
Treatment×Postaward | 0.646*** | −0.137** | 0.035* | 0.650*** | 0.649*** |
(0.231) | (0.059) | (0.018) | (0.230) | (0.233) | |
Treatment×Postaward×PPS | −0.249** | ||||
(0.102) | |||||
Treatment×Postaward×CEOasChair | 0.870** | ||||
(0.408) | |||||
Postaward×PPS | −0.108 | ||||
(0.093) | |||||
Postaward×CEOasChair | −0.735** | ||||
(0.316) | |||||
PPS | 0.012 | ||||
(0.035) | |||||
CEOasChair | 0.105 | ||||
(0.332) | |||||
Size | −0.036 | 0.026 | −0.010 | −0.037 | −0.044 |
(0.127) | (0.036) | (0.011) | (0.127) | (0.130) | |
ROA | −0.820 | −0.071 | −0.081 | −0.816 | −0.846 |
(0.568) | (0.118) | (0.069) | (0.568) | (0.560) | |
Tobin’s q | −0.002*** | 0.000 | 0.000 | −0.002*** | −0.002*** |
(0.001) | (0.000) | (0.000) | (0.001) | (0.001) | |
Lev | −0.126 | −0.001 | −0.064*** | −0.127 | −0.124 |
(0.150) | (0.019) | (0.013) | (0.150) | (0.149) | |
Firm age | 0.227*** | −0.001 | 0.006* | 0.226*** | 0.227*** |
(0.062) | (0.016) | (0.003) | (0.062) | (0.061) | |
Board size | 0.197* | −0.004 | −0.011* | 0.198* | 0.196* |
(0.111) | (0.018) | (0.006) | (0.111) | (0.111) | |
Inst | 2.928** | −0.303 | 0.045 | 2.932** | 2.898** |
(1.229) | (0.295) | (0.089) | (1.233) | (1.222) | |
Ownership conc | −1.559* | −0.311 | −0.073 | −1.557* | −1.575* |
(0.810) | (0.282) | (0.065) | (0.812) | (0.816) | |
Independent director | 2.505 | 0.750 | −0.101 | 2.509 | 2.525 |
(2.118) | (0.485) | (0.157) | (2.127) | (2.130) | |
CEO share | −3.939 | −0.397 | 0.319 | −3.927 | −3.930 |
(3.215) | (0.446) | (0.200) | (3.219) | (3.241) | |
CEO age | −0.016 | 0.002 | −0.001 | −0.017 | −0.015 |
(0.013) | (0.004) | (0.001) | (0.013) | (0.013) | |
CEO comp | −0.287*** | −0.043 | −0.014 | −0.284*** | −0.277*** |
(0.103) | (0.048) | (0.011) | (0.102) | (0.102) | |
CEO tenure | 0.103* | −0.009 | 0.002 | 0.104* | 0.102* |
(0.058) | (0.008) | (0.002) | (0.058) | (0.058) | |
CEO director | 0.167 | 0.097 | 0.050** | 0.164 | 0.185 |
(0.260) | (0.066) | (0.020) | (0.262) | (0.267) | |
CEO gov award | −0.230 | −0.007 | 0.009 | −0.229 | −0.231 |
(0.250) | (0.048) | (0.061) | (0.251) | (0.251) | |
HHI | −1.111 | −0.224 | 0.027 | −1.097 | −1.164 |
(0.818) | (0.204) | (0.077) | (0.819) | (0.825) | |
Dynamism | 2.793* | −0.150 | −0.021 | 2.792* | 2.815* |
(1.480) | (0.263) | (0.169) | (1.483) | (1.496) | |
常数项 | 1.860 | 0.027 | 0.521** | 1.838 | 1.876 |
(2.924) | (0.814) | (0.245) | (2.920) | (2.934) | |
年份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
CEO固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
N | 1496 | 1496 | 1496 | 1496 | 1496 |
Adj.R2 | 0.251 | 0.032 | 0.035 | 0.257 | 0.259 |
F | 4.57*** | 2.15*** | 4.89*** | 4.76*** | 4.51*** |
注:括号内为标准误(以单个CEO为聚类单位),所有控制变量均滞后一年,***表示p<0.01,**表示p<0.05,*表示p<0.1,双尾测试,下同。 |
(三)内生性问题:两阶段Heckman模型和工具变量
本文进一步使用两阶段Heckman模型和工具变量以缓解内生性问题。在第一阶段Probit模型中,本文将2006—2018年中国民营上市公司CEO在职年份的所有观测值作为样本(N=10,591),将该职业经理人是否曾在2006—2018年间获得CEO奖项(CEO award)作为因变量,用一系列可能影响CEO获奖的控制变量来估计其获奖的概率。模型中的控制变量包括:企业规模、企业绩效、企业负债率、企业创新强度、企业年龄、CEO年龄、CEO性别、CEO任期、CEO是否为董事和CEO是否为家族成员。除此之外,本文还加入两个工具变量,当年该企业所处行业的获奖CEO数量(Industry award number)和所处地区的获奖CEO数量(Province award number)。选择这两个工具变量的理由如下:某些行业和地区的企业可能由于其特点更容易产生获奖CEO,因此行业或地区的获奖CEO数量与CEO获奖的概率呈正相关关系。同时在回归分析中,当把PPS、CEOtoChair以及R&D分别作为因变量时,Industry award number和Province award number的系数估计值均不显著,说明行业或地区的获奖CEO数量并不会显著影响该企业的CEO薪酬绩效敏感度、升任董事长的概率以及企业创新投入。满足这两个条件,说明Industry award number和Province award number符合工具变量的选取原则。
在第二阶段模型中,本文采用了CEO固定效应OLS模型进行回归,样本为获奖CEO所有在职年份的观测值(N=788),本文将CEO获奖后(Postaward)作为自变量。两阶段Heckman模型的回归结果见表6。表6中的回归结果支持了本研究的假设。
变量 | 一阶 | 二阶 | ||||
模型1 | 模型2 | 模型3 | 模型3 | 模型5 | 模型6 | |
CEO award | R&D | PPS | CEOasChair | R&D | ||
Postaward | 0.047** | −0.078** | 0.019* | 0.049** | 0.027 | |
(0.023) | (0.037) | (0.010) | (0.023) | (0.021) | ||
Postaward×PPS | −0.216** | |||||
(0.109) | ||||||
Postaward×CEOasChair | 0.888*** | |||||
(0.133) | ||||||
PPS | 0.102 | |||||
(0.150) | ||||||
CEOasChair | 0.257** | |||||
(0.107) | ||||||
Size | 0.215*** | 0.011
|
−0.043 | −0.020* | 0.011 | 0.022 |
(0.015) | (0.023) | (0.016) | (0.016) | (0.023) | (0.021) | |
ROA | 4.381*** | 4.331*** | −2.147*** | 4.331*** | 0.113 | 4.331*** |
(0.337) | (0.370) | (0.370) | (0.183) | (0.398) | (0.368) | |
Tobin’s q | −0.003 | 0.003 | −0.001 | −0.004 | −0.002 | |
(0.007) | (0.010) | (0.003) | (0.007) | (0.006) | ||
Lev | 0.295*** | 0.197** | −0.168 | 0.023 | −0.048 | −0.044 |
(0.080) | (0.089) | (0.089) | (0.036) | (0.142) | (0.072) | |
Firm age | −0.026*** | −0.001 | 0.008* | −0.018*** | −0.001 | −0.004 |
(0.003) | (0.003) | (0.004) | (0.004) | (0.003) | (0.003) | |
Board size | −0.007 | 0.017* | −0.001 | −0.008 | −0.011* | |
(0.006) | (0.010) | (0.003) | (0.006) | (0.006) | ||
Inst | 0.064 | 0.361* | 0.090 | 0.048 | 0.034 | |
(0.138) | (0.219) | (0.060) | (0.138) | (0.126) | ||
Ownership conc | −0.192** | −0.059 | 0.010 | −0.173* | −0.220*** | |
(0.090) | (0.142) | (0.039) | (0.090) | (0.082) | ||
Independent director | 0.708*** | 0.490 | −0.076 | 0.718*** | 0.683*** | |
(0.228) | (0.361) | (0.099) | (0.227) | (0.208) | ||
CEO share | 0.750*** | 0.303 | 0.123 | 0.782*** | 0.598** | |
(0.273) | (0.430) | (0.118) | (0.273) | (0.249) | ||
CEO age | −0.006** | −0.008*** | 0.002 | −0.000 | −0.001 | −0.001 |
(0.003) | (0.003) | (0.003) | (0.001) | (0.002) | (0.002) | |
CEO comp | −0.001 | −0.024 | −0.002 | −0.002 | 0.001 | |
(0.016) | (0.025) | (0.007) | (0.016) | (0.014) | ||
CEO tenure | 0.044*** | 0.042*** | −0.018* | −0.009*** | −0.008 | −0.001 |
(0.006) | (0.007) | (0.009) | (0.007) | (0.006) | (0.005) | |
CEO director | 0.321*** | 0.042 | 0.320*** | −0.044** | 0.039 | 0.320*** |
(0.054) | (0.048) | (0.059) | (0.022) | (0.048) | (0.059) | |
CEO gov award | 0.009 | −0.077 | 0.025 | 0.006 | −0.021 | |
(0.051) | (0.081) | (0.022) | (0.051) | (0.047) | ||
HHI | −0.062 | −0.046 | −0.021 | −0.069 | −0.040 | |
(0.062) | (0.098) | (0.027) | (0.062) | (0.056) | ||
Dynamism | 0.071 | 0.352 | 0.134 | 0.145 | −0.063 | |
(0.375) | (0.600) | (0.167) | (0.377) | (0.344) | ||
CEO gender | −0.107* | |||||
(0.060) | ||||||
CEO family member | 0.039 | |||||
(0.046) | ||||||
R&D | −0.017*** | |||||
(0.006) | ||||||
Industry award number | 0.002*** | |||||
(0.001) | ||||||
Province award number | 0.010*** | |||||
(0.003) | ||||||
Inverse Mills ratio(λ) | −6.753*** | −0.404*** | −0.142*** | −6.706*** | −7.042*** | |
(0.085) | (0.138) | (0.039) | (0.085) | (0.079) | ||
常数项 | −5.795*** | −0.254 | 1.707* | 0.783*** | −0.231 | −0.623 |
(0.315) | (0.607) | (0.347) | (0.274) | (0.621) | (0.560) | |
年固定效应 | / | 控制 | 控制 | 控制 | 控制 | 控制 |
CEO固定效应 | / | 控制 | 控制 | 控制 | 控制 | 控制 |
N | 10591 | 788 | 788 | 788 | 788 | 788 |
Chi2 | 732.05*** | 57.56*** | 55.78** | 53.17** | 61.67*** | 78.11*** |
(四)稳健性检验:匹配比例
本文按照1:2的匹配比例对获奖CEO重新进行了匹配(限于篇幅,结果未全部列示,备索)。模型1中Treatment×Postaward的系数估计值为0.658(p<0.01),验证了假设1。在模型2中,因变量为PPS(CEO薪酬绩效敏感度),自变量Treatment×Postaward的系数估计值为−0.138(p<0.05),验证了假设2a。在模型3中,因变量为CEOtoChair(CEO担任董事长),自变量Treatment×Postaward的系数估计值为0.024,但不显著,不支持假设2b。在模型4至5中,因变量为R&D(创新投入)。在模型4中,Treatment×Postaward×PPS三重交叉项系数估计值为−0.254(p<0.05),验证了假设3a。在模型5中,Treatment×Postaward×CEOasChair三重交叉项系数估计值为0.850(p<0.05),验证了假设3b。综上所述,假设1、2a、3a和3b在进行1:2的匹配后,依旧得到验证。
(五)稳健性检验:获奖前后的时间窗口
本文对时间窗口的选择进行了稳健性检验,保留企业获奖年份前后三年的数据,并基于新的样本重新进行回归分析(限于篇幅,结果全部未列示,备索)。模型1中Treatment×Postaward的系数估计值为0.606(p<0.05),验证了假设1。在模型2中,因变量为PPS(CEO薪酬绩效敏感度),自变量Treatment×Postaward的系数估计值为−0.157(p<0.05),验证了假设2a。在模型3中,因变量为CEOtoChair(CEO担任董事长),自变量Treatment×Postaward的系数估计值为0.036(p<0.05),验证了假设2b。在模型4至5中,因变量为R&D(创新投入)。在模型4中,Treatment×Postaward×PPS三重交叉项系数估计值为−0.283(p<0.05),验证了假设3a。在模型5中,Treatment×Postaward×CEOasChair三重交叉项系数估计值为0.847(p<0.05),验证了假设3b。
五、结论与启示本文在CEO荣获媒体奖项的背景下,分析CEO获奖后是否影响企业创新决策行为,同时分析企业内部是否会改变对获奖CEO的信任治理,进而影响获奖CEO与企业创新投入的关系。本文基于2006—2018年中国民营上市企业的样本,对相关假设进行实证验证并得出如下结论。相较于获奖前,获奖CEO所在的企业创新投入显著增加,实证结果支持了媒体授予的CEO奖项对CEO长期决策的激励作用。进一步分析发现,这种激励作用主要来自于股东和董事会增强了对获奖CEO的信任程度,从而放松了对CEO的监督和约束,表现为CEO获奖后薪酬绩效敏感度更低,担任董事长职位的概率更高。同时还发现,当获奖后CEO的薪酬绩效敏感度较低或担任董事长职位后,CEO获奖对其获奖后企业创新投入的正向关系更强。
本文识别了一些影响职业经理人创新动机的外部因素,对企业经营具有一定政策建议和启示。首先,企业应该关注一些非经济奖励对管理者的作用。CEO为代表的职业经理人是企业创新决策最重要的决策者和实施者,目前企业大多关注管理层的职业经理人薪酬和长期股权计划。除了这些显性的薪酬、股权等方案,一些潜在的声誉奖励也可能会影响其创新动机,例如社会或媒体给高管授予的一些奖项,可能会让管理者感到受信任和重视,进而其可能会更敢于进行长期战略决策。这也表明,一些非经济的奖励,可以实现与薪酬、股权等激励的协同效应,有可能进一步降低职业经理人的短视主义倾向。其次,企业可以合理利用媒体评价机制在公司治理中发挥的作用。不少人批评媒体评选各种最佳CEO等头衔,为企业治理带来一些负面影响,如CEO自恋和过度自信等。本研究则表明,媒体颁奖也不失为一种有效的外部激励机制。公众媒体也可以成为企业管理者评价体系的重要参与主体,要发挥媒体在企业公司治理方面的积极效果,需要对媒体进行合理的引导,并配合企业内部的其他激励机制以完善社会和企业的双重激励机制,如将企业高管获得外部奖励纳入企业高管绩效评价体系,这样才能真正发挥媒体奖项对CEO的积极激励效果。
本文存在一些局限性有待未来深入研究。首先,本文认为获得媒体授予的CEO奖项能够促进企业创新投入是由于CEO获奖后更愿意进行长期决策,虽然本文在分析中发现CEO获奖后的确能够降低CEO的薪酬绩效敏感度以及提高CEO的职业前景,由此反映出CEO获奖将面临更小的短期绩效压力、更长的职业规划,从而推断获奖CEO将更可能拥有长期视野。未来的研究可以通过调查问卷来直接测量CEO从获奖前到获奖后决策视野的变化。其次,CEO获奖后可能对他们的心理特征也产生一定影响(如自我控制水平、过度自信、自恋)。但本文假定这些特征是不变的,因此使用了CEO固定效应来部分剔除CEO心理特质的影响。未来的研究可以探究CEO获奖对其创新决策的影响是否取决于CEO的心理特征变化。
① 本研究要求样本企业必须有CEO获奖前/后至少一年的企业创新投入数据,基于本研究中企业创新投入数据的时间跨度为2006年至2018年,因此本研究中CEO奖项数据的时间跨度为2007年至2017年。
② 样本已剔除在2005年、2006年已获奖的CEO,以保证样本内的获奖CEO为自2005年后首次获奖。
③ CEO奖项和颁奖时间每年并不统一,经过查询,福布斯CEO奖项的颁奖时间主要分布在8月至12月,财富CEO奖项的颁奖时间主要为9月至12月。此外,研发投入这类重要的战略决策都需要提前进行规划,若CEO获奖时间在8月,即使CEO立刻希望提高企业研发投入,这一提案也需要较长时间通过决议并施行,因此CEO获奖当年企业研发投入受到CEO获奖的影响较小。因此,本文将Postaward在CEO获奖当年取值为“0”。
[1] | 邓博夫, 刘佳伟, 吉利. “中国式业绩”与企业财务业绩诉求——基于A股上市公司获奖信息披露的基本事实发现与探讨[J]. 南开管理评论, 2019, 22(1): 42–54. |
[2] | 刘佳伟, 吉利. 明星CEO、信息渠道与分析师行为[J]. 当代财经, 2021(2): 124–136. |
[3] | 吕文栋, 林琳, 赵杨. 名人CEO与企业战略风险承担[J]. 中国软科学, 2020(1): 112–127. |
[4] | 田轩, 孟清扬. 股权激励计划能促进企业创新吗[J]. 南开管理评论, 2018, 21(3): 176–190. |
[5] | 王会娟, 张然. 私募股权投资与被投资企业高管薪酬契约——基于公司治理视角的研究[J]. 管理世界, 2012(9): 156–167. |
[6] | 徐悦, 刘运国, 蔡贵龙. 高管薪酬粘性与企业创新[J]. 会计研究, 2018(7): 43–49. |
[7] | 杨道广, 陈汉文, 刘启亮. 媒体压力与企业创新[J]. 经济研究, 2017, 52(8): 125–139. |
[8] | 钟宇翔, 吕怀立, 李婉丽. 管理层短视、会计稳健性与企业创新抑制[J]. 南开管理评论, 2017, 20(6): 163–177. |
[9] | Connelly B L, Shi W, Zyung J. Managerial response to constitutional constraints on shareholder power[J]. Strategic Management Journal, 2017, 38(7): 1499–1517. |
[10] | Flammer C, Bansal P. Does a long-term orientation create value? Evidence from a regression discontinuity[J]. Strategic Management Journal, 2017, 38(9): 1827–1847. |
[11] | Goranova M L, Priem R L, Ndofor H A, et al. Is there a “Dark Side” to monitoring? Board and shareholder monitoring effects on M&A performance extremeness[J]. Strategic Management Journal, 2017, 38(11): 2285–2297. |
[12] | Lee G, Cho S Y, Arthurs J, et al. Celebrity CEO, identity threat, and impression management: Impact of celebrity status on corporate social responsibility[J]. Journal of Business Research, 2020, 111: 69–84. |
[13] | Li J Y, Shi W, Connelly B L, et al. CEO awards and financial misconduct[J]. Journal of Management, 2022, 48(2): 380–409. |
[14] | Mazouz K, Zhao Y. CEO incentives, takeover protection and corporate innovation[J]. British Journal of Management, 2019, 30(2): 494–515. |
[15] | Shemesh J. CEO social status and risk-taking[J]. Quarterly Journal of Finance, 2017, 7(2): 1750004. |
[16] | Shi W, Connelly B L, Hoskisson R E. External corporate governance and financial fraud: Cognitive evaluation theory insights on agency theory prescriptions[J]. Strategic Management Journal, 2017, 38(6): 1268–1286. |