文章信息
上海财经大学 2018年20卷第3期 |
- 邵剑兵, 吴珊
- Shao Jianbing, Wu Shan
- 管理者从军经历与政府补助——基于慈善捐赠和冗余雇员的双重视角
- Military Experience of Managers and Government Subsidies: From Dual Perspectives of Corporate Philanthropy and Redundant Employees
- 上海财经大学学报, 2018, 20(3): 63-78.
- Journal of Shanghai University of Finance and Economics, 2018, 20(3): 63-78.
-
文章历史
- 收稿日期:2017-12-01
2018第20卷第3期
目前,我国处于经济结构调整的关键时期,政府出台了一系列政策来推动经济结构转型,政府补助作为财政政策、产业政策的重要组成部分,是促进社会资源优化配置并加快区域、产业内经济发展的重要方式。我国企业获得的政府补助主要包括财政贴息、研发补贴、政策性补贴等。作为政府参与企业活动的方式之一,政府补助对企业经营过程的诸多方面产生了不可忽视的影响。在财务绩效方面,政府补助可能引发道德风险,甚至存在企业利用政府补助发放高管薪酬的现象,导致无法达到提升企业绩效的目的(Bernini和Pellegrini,2011;赵宇恒和孙悦,2014);在投资效率方面,政府补助对其影响主要在于政府是否能够根据投资机会分配资源,如能够依据企业实际的资金需求进行分配,则会缓解企业面临的融资约束,解决投资不足的问题(李刚等,2017)。另外,有研究表明,政府补助对企业研发投入、研发绩效、盈利能力(何红渠和刘家祯,2016)等均会产生一定影响。
考虑到政府补助的重要作用,有关政府补助影响因素的研究引起了学者的广泛关注。经营状况是其影响因素之一,面临困境及融资约束程度较低的企业通常能够获取较高的政府补助(耿强和胡睿昕,2013),甚至通过盈余操纵达到亏损状况的企业同样有可能获得更多的补助金额(王红建等,2014)。同时,政治关联将企业与政府更紧密地联系起来,使得企业能够更准确、及时地捕获相关信息并做出符合政府偏好的行为,因而有政治关联的企业可以更迅速地申请到政府补助(Blau等,2013)。现有关于管理者特征如何影响企业获得政府补助的研究相对较少,本文试图拓展相关方面的研究。军民融合是我国当前的热点问题,且从军经历是政治关联的表现之一,军队背景管理者可能建立更高的政治关联(Luo,2017;赖黎等,2016),那么,有必要验证管理者从军经历与政府补助是否存在着逻辑因果关系。同时,具有从军经历的管理者通常有更强烈的社会责任感,表现出更为正直的品质特征,愿意为政府承担更多的社会责任,因此本文从慈善捐赠及冗余雇员的视角,检验两者在管理者从军经历与政府补助间是否存在中介作用。换言之,本文讨论了军队背景管理者如何影响企业利益以及是否通过提升社会效益的方式来赢得政府支持,即是否实现了公共利益与企业利益的双赢。
本文的创新之处及预期贡献主要在于:第一,丰富了政治关联理论,验证了参军经历可以视为独特的政治关联,参军经历作为政治关联对企业慈善捐赠的促进作用是由于其乐于承担社会责任而非谋取私人利益;第二,拓展了有关政府补助前因变量的相关研究,从管理者的军队背景方面讨论其对企业获得政府补助的影响;第三,加深了有关管理者从军经历的研究,在我国每年有大量退伍军人转业的背景下,对分析军队背景管理者在企业管理中的重要作用具有一定的意义;第四,搭建了关于“管理者从军经历—社会责任—政府补助”的逻辑链条,并从慈善捐赠及冗余雇员两个角度分析从军经历管理者如何在为企业争取利益的同时兼顾社会效益。
文章的结构安排如下:第二部分为理论分析与研究假设,主要是基于对相关概念的文献回顾建立本文的研究逻辑,并进一步提出主要研究假设;第三部分为研究设计,介绍了样本选取与数据来源,以及本文对变量的定义及模型构建;第四部分为实证分析,对回归结果进行了统计与分析,同时进行了稳健性检验;第五部分进一步分析与讨论了管理者从军经历与在职消费的关系;第六部分是本文的结论与展望。
二、理论分析与研究假设 (一) 管理者从军经历与政府补助自2015年以来,我国将军民融合发展上升为一项国家战略,表明对军民融合的重视程度进一步提升。事实上,我国每年有大量退伍军人转业进入各行各业,其中不乏担任企业管理者的转业人员。据人力资源和社会保障部年度统计公告显示,2014年我国共安置军官4万余名,由国家分配转业至地方单位者约为3.1万人,其中进入党政机关者占比为82.9%,进入事业单位者占比15.2%,进入国有企业者占比为1.9%。2015年全年安置军队转业干部3.7万余名,其中计划分配军转干部2.4万余名,自主择业军转干部1.3万余名。2016年全年安置军队转业干部5.8万名,其中计划分配军队转业干部2.9万名,自主择业军队转业干部近2.9万人。根据高阶梯队理论,管理者异质性是影响企业决策及绩效的重要因素(Hambrick和Mason,1984),管理者的年龄、性别、职业背景、海外经历等都会在企业管理过程中产生不同程度的影响。根据推断,从军经历作为管理者独特的背景特征,其必然会影响企业的经营与发展。
心理学研究显示,参军经历磨练了人的意志,退伍军人通常表现出更强的心理素质(Elder,1986),对困难或极端事件有较强的适应能力。现有关于军队背景管理者影响企业决策的研究主要集中在财务方面,Malmendier等(2011)认为从军经历管理者在行为选择中倾向于高风险,导致所在企业的财务杠杆更高。Benmelech等(2015)则发现具有从军经历的管理者在财务决策方面更为保守,当处于低迷的经济环境时有助于提升企业业绩。赖黎等(2016)通过实证检验发现,军队背景管理者会选择高杠杆、高负债的融资方式,与Malmendier等所得结论一致。由此可见,军队背景管理者在行为方式方面具有独特性,那么,管理者具有从军经历会如何影响政府补助的获得,则是本文关注的焦点。
本文主要从以下两个方面进行考虑:一方面,根据2001年中共中央、国务院、中央军委颁发的《军队转业干部安置暂行办法》,对从事个体经济和创办经济实体的自主择业干部,国家在贷款、税收及办理营业执照等方面给予照顾,聘用退伍军人的企业同样可以享受税收优惠等其他方面的待遇。这表明国家通过降低行政收费为转业军人营造了良好的创业氛围,具有从军经历的管理者在经商时更容易享受到税收、政府补助等方面的帮助,因此军队背景管理者所在企业可能获得更多的政府扶持。另一方面,政府掌握的资源有限,且在分配补助金额时面临信息不对称问题,存在不能完全依据企业所需资金进行分配的情况。在我国关系型社会的背景下,政治关联越强的企业其获取政府资源的可能性越高(田利辉和张伟,2013)。参军经历是政治关联的表现之一,且退伍军人转业后,部分战友到政府部门工作,使得军队背景管理者的政治关联程度更强,他们更容易把握政府的政策方向,进而获得政府补助(赖黎等,2016)。基于以上分析,本文认为具有军队背景的管理者所在企业能够获得更多的政府补助,故提出如下假设:
H1:具有从军经历的管理者能够帮助企业获得更高的政府补助。
(二) 管理者从军经历与慈善捐赠、冗余雇员慈善捐赠指企业自愿将其有权处置的合法财产,包括资金或服务等捐赠给需要帮助且合法的人或组织(高勇强等,2012),是企业在完成经济责任、法律责任、道德责任后的行为(Carroll,1991)。作为一种自由裁量活动,慈善捐赠受到高管特征的直接影响,换言之,高管捐赠动机的强弱会决定企业慈善捐赠程度(徐细雄等,2015)。行为学研究表明,个体早期的经历能够直接对其之后的行为模式产生影响(Locke,2008;Elder等,1991),管理者生活模式及人生阅历的差异导致其管理风格的不同(Benmelech和Frydman,2015),即企业管理者通常会将自身经历所带来的特征表现在工作岗位上。如有研究表明,有过贫困经历的管理者由于更了解慈善捐赠的重要性而显著促进企业慈善捐赠程度(许年行和李哲,2016)。由此推断,从军经历对管理者的磨练同样会影响其对慈善捐赠的选择,主要考虑以下两个方面:一是退伍军人通常表现出更为正直、追求诚信、乐意承担责任的性格特征,具有参军经历的管理者如王石、任正非等均表现出纪律严明、执行力强的特点(赖黎等,2016),其可能有更强烈的捐赠并承担社会责任的动机;二是军旅生活磨练了人的意志,培养了军人团结合作、互帮互助以及为人民服务的精神,因此转业至企业的军人对社会上的贫困需求有更高的重视度,有更大的可能性做出有关慈善捐赠的决策。
区域内就业情况是政府考核的重要指标之一。一段时间内偏高的失业率不仅可能降低经济发展,更可能会给地区内人员带来心理不平衡感,严重时会破坏社会的和谐稳定甚至引发犯罪行为。出于以上原因的考虑,政府有为地区内人员提供更多的就业机会的动机,而就业名额最终会分配到各个企业内,这样就间接限制了企业裁员,导致企业承担更多的员工人数,即存在冗余雇员现象(马连福等,2013)。冗余雇员作为政府解决就业问题、稳定社会的有效途径,同样被认为是企业承担社会责任的表现之一。已有研究表明,冗余雇员情况在国有企业中更为显著,原因主要在于政府对私有企业的干预成本更高(Boycko等,1996),且冗余雇员由于降低了对高管的薪酬激励,提升了管理者的代理成本,对企业绩效可能产生负面影响(薛云奎和白云霞,2008)。由此可见,并非所有企业都会通过冗余雇员的方式为政府解决困难,社会责任感更强、对政府的命令服从性更高的企业更有可能采取此种方式。服役经历能够增强军人对领导力的认识,培养其听从上级指挥的观念意识,退伍军人可能将在部队形成的服从上级组织安排的特征延续到企业决策中,因此会主动为政府承担更多的就业名额。
基于以上分析,本文提出假设2a、假设2b:
H2a:管理者具有从军经历,则企业的慈善捐赠水平更高;
H2b:管理者具有从军经历,则企业的冗余雇员程度更高。
(三) 慈善捐赠、冗余雇员的中介作用资源依赖理论指出,组织在生存及发展过程中需要从外部环境获取所需资源,导致资源需求方对资源供给方存在一定程度的依赖。在目前经济转型的背景下,政府仍然掌握着影响企业发展的大量资源,并享有资源分配的权力。在分配政府补贴时,由于政府与企业间存在信息不对称问题(Cull和Xu,2005),存在无法严格依据企业实际需求分配资金的可能性。通常,企业具有政治关联预示着有更良好的发展前景(Zheng和Zhu,2013),政府更容易了解并信任有政治关联的企业(林润辉等,2015),并进一步给予更多的财政补贴(Faccio等,2006)。承担政治成本是企业与政府建立政治关联的主要方式,因而成为多数企业获取政府补助的选择之一,其主要途径为履行社会责任、减轻政府负担。
具体到企业慈善捐赠而言,慈善捐赠作为企业服务社会的直接方式,能够帮助政府完成其政治目标,迎合了政府为社会提供服务的需要(Wang和Qian,2011)。若企业进行慈善捐赠后能够获取相应的收益,则企业有继续为政府“分担压力”的动力,否则易出现“抵制”行为(张敏等,2013)。因此,政府与企业实际上互为利益相关者,以声誉共同体的形式相互联系(李焰和王琳,2013),基于互利互惠原则,政府通常会对进行慈善捐赠的企业予以财政补贴作为对其承担社会责任的鼓励(杜勇等,2015)。同时,企业慈善捐赠符合社会期待,为其他企业承担社会责任树立良好的榜样,政府对慈善捐赠行为进行补助能够减少有关政府补助不公的社会舆论。
自2008年金融危机以来,经济环境处于低迷状态,我国劳动力市场面临严重的就业难问题,解决区域内人员就业成为政府的主要工作之一,也是对各级政府及官员的重要考核指标(张敏等,2013)。就业问题的解决最终要落实到各个企业,换言之,企业通过提供更多的就业机会来为政府减轻就业负担,因此部分企业会存在冗余雇员现象。帮助政府承担更多冗员的企业相对于政府的话语权增强,政府会因其实现社会目标而给予更高的补贴(唐清泉和罗党论,2007)。
基于以上分析认为,慈善捐赠、冗余雇员是企业获取政府补助的重要方式,结合假设2的分析本文推测,在管理者从军经历与政府补助关系中,慈善捐赠、冗余雇员存在中介作用,即具有从军经历的管理者通过促进企业慈善捐赠、提高冗余雇员程度进一步提升了企业政府补助的获取,提出假设如下:
H3a:企业慈善捐赠在管理者从军经历与政府补助间起到中介作用。
H3b:企业冗余雇员在管理者从军经历与政府补助间起到中介作用。
三、研究设计 (一) 样本选取与数据来源本文以2009–2015年中国A股上市公司为研究对象。企业慈善捐赠、冗余雇员、公司治理结构相关数据及财务数据主要来源于国泰安数据库,管理者从军经历数据通过对国泰安数据库及企业年报中的高管简历进行筛选手工获得。考虑到董事长与总经理对企业的决策与发展起到主要影响作用,本文将研究的管理者限定为董事长和总经理。判断管理者是否具有从军经历的步骤为:首先,在国泰安数据库中检索管理者个人简历,对部分缺失的内容通过查看企业年报进行补充;其次,在管理者个人简历中进行关键词检索,以其中是否出现能够体现管理者从军背景的关键词判断其是否具有参军经历。对关键词的选择,本文参考已有研究,主要包括“参军”、“入伍”、“服役”、“退役”、“转业”、“部队”、“解放军”,以及一些与军队相关的特定词汇如“军衔”、“战士”、“士兵”等;最后,在以关键词进行检索的基础上,查看已有的具有从军经历管理者的简历,对检索存在偏差的进行更正,确保检索的准确性。
本文对公司年份样本的筛选原则如下:(1)考虑到金融行业的特殊性,剔除金融类企业。(2)剔除部分高管简历空白及年度财务数据缺失的企业。(3)剔除未披露慈善捐赠金额的企业。(4)剔除雇员规模明显不符合实际的数据,如0~5人等。最终获得的总研究样本为7 432条公司年份数据,其中,管理者具有从军经历的样本数为131个,占比约为2%,与赖黎等(2016)从军经历高管人员在总样本中所占比例基本一致。
由于异常值会对分析产生影响,论文在模型回归过程中对连续型变量进行1%分位及99%分位的缩尾处理,考虑到存在未获得政府补助及未进行慈善捐赠的企业,缩尾处理会消除此种情况,因此未对政府补助、慈善捐赠数据进行缩尾处理。论文相关数据的计算处理通过Excel完成,运用Stata进行相关性分析及回归分析。
(二) 模型设定与变量定义1.冗余雇员模型
对冗余雇员规模的衡量,借鉴会计中采用的对操纵性应计项目及高管薪酬进行估计的研究思路,通过拟合的方式得到雇员规模的期望值,以实际雇员规模多于期望雇员规模的差额表示冗余雇员(EL)。现有文献认为影响企业雇员规模的主要因素包括销售收入成长性、资产规模、资产结构及资产成长性,本文在进行年度数据收集时发现,销售收入成长性的数据缺失较多,约占样本数量的10%左右,因此本文参考薛云奎和白云霞(2008)、冯埃生(2016)的研究思路,在计算期望雇员规模时控制企业规模(Size)、资产结构(FixedAssets)、资产成长性(AssetsGrowth)、行业特征(Industry)及年度特征(Year)。构建的模型如下:
$\;\;\;\;{{AL}}\left( {{{StaffAsset}}} \right) = {\beta _0} + {\beta _1}{{Size}} + {\beta _2}{{FixedAssets}} + {\beta _3}{{AssetsGrowth}} + \sum {{Industry}} +\\ \sum {{Year}} + \varepsilon $ | (1) |
在模型(1)中,被解释变量AL代表企业实际雇员规模,以企业实际员工人数的自然对数进行衡量,剔除了未披露员工人数的数据。部分文献对雇员规模以企业资产总额进行标准化处理(StaffAsset),考虑到因变量中资产规模进行了对数处理,如采用不同的处理方式可能产生系统性误差,因此本文未采用此种方法。同时,本文在实证过程中对比了被解释变量分别采用AL及StaffAsset的回归结果,结果显示前一种方式的拟合程度更高,表明模型能够有效估算雇员的情况。
2.实证分析模型
为验证管理者从军经历如何影响企业获得的政府补助,本文设立模型(2)。其中,被解释变量Subsidy表示政府补助,借鉴已有文献,以政府补助金额的自然对数进行衡量,少数披露金额为0的数据则直接取值为0,政府补助金额取自国泰安数据库中政府补助明细中的“合计”项目。解释变量Army用以度量管理者是否具有从军经历,具有从军经历取值为1,否则取值为0。为控制其他因素的影响,在模型中加入了控制变量,详细定义见表1,同时设立年份和行业的虚拟变量,对其进行控制。根据假设1,具有从军经历的管理会提升企业获得的政府补助,因此预计变量Army的系数
$\begin{aligned}{{S\!ubsidy}} = & {{{a}}_{0 + }}{{{a}}_1}{{Army}} + {{{a}}_2}{{Size}} + {{{a}}_3}{{Board}} + {{{a}}_4}{{Indep}} + {{{a}}_5}{{Roa}} + {{{a}}_6}{{Duality}} \\&+ {{{a}}_7}{{Lev}} + {{{a}}_8}{{Age}} + {{{a}}_9}{{Tenure}} + \sum {{Industry}} + \sum {{Year}} + \varepsilon \end{aligned}$ | (2) |
为验证假设2a、假设2b是否成立,本文建立模型(3-1)及模型(3-2)。模型(3-1)中被解释变量Donation表示慈善捐赠,参考已有研究且出于使数据更倾向于正态分布的考虑,用企业年度内捐赠金额的自然对数对变量进行度量,少数披露金额为0的数据则直接取值为0,捐赠金额在国泰安数据库营业外支出下按“捐赠支出”、“公益性捐赠”、“慈善捐赠”等关键词进行筛选并进行年度内汇总。模型(3-2)中被解释变量EL表示冗余雇员规模,现有研究对冗余雇员进行回归分析时,通常直接使用模型(1)得出的残差项,然而根据实际可知,残差中
模型(3)的解释变量与模型(2)相同,是测量管理者是否具有从军经历的哑变量。为控制其他因素对企业慈善捐赠的影响,模型(3)加入了相应的控制变量,具体定义见表1,并对年份和行业进行控制。根据假设2a及2b,具有从军经历的管理者倾向于承担更多的社会责任,因此可能促进企业的慈善捐赠行为以及提升冗余雇员程度,因此预期变量Army的系数
$\begin{aligned} {{Donation}} = & {{{b}}_0} + {{{b}}_1}{{Army}} + {{{b}}_2}{{Size}} + {{{b}}_3}{{Board}} + {{{b}}_4}{{Indep}} + {{{b}}_5}{{Roa}} + {{{b}}_6}{{Duality}} + {{{b}}_7}{{Lev}} \\ & + {{{b}}_8}{{Age}} + {{{b}}_9}{{Tenure}} + \sum{{Industry}} + \sum{{Year}} + \varepsilon \end{aligned}$ | (3-1) |
$\begin{aligned}{{EL}} = &{{{c}}_0} + {{{c}}_1}{{Army}} + {{{c}}_2}{{Size}} + {{{c}}_3}{{Board}} + {{{c}}_4}{{Indep}} + {{{c}}_5}{{Roa}} + {{{c}}_6}{{Duality}} + {{{c}}_7}{{Lev}} + {{{c}}_8}{{Age}} \\& + {{{c}}_9}{{Tenure}} + \sum{{Industry}} + \sum{{Year}} + \varepsilon \end{aligned}$ | (3-2) |
根据温忠麟等(2005)等人总结的中介效应分析方法,本文在模型(2)的基础上分别对企业慈善捐赠及冗余雇员进行控制,结合模型(2)与模型(3)的回归结果分析慈善捐赠、冗余雇员在管理者从军经历与政府补助间是否存在中介效应,建立的模型如下:
$\begin{aligned} {{S\!ubsidy}} =& {{{d}}_0} + {{{d}}_1}{{Army}} + {{{d}}_2}{{Donation}} + {{{d}}_3}{{Size}} + {{{d}}_4}{{Board}} + {{{d}}_5}{{Indep}} + {{{d}}_6}{{Roa}} + {{{d}}_7}{{Duality}} \\& + {{{d}}_8}{{Lev}} + {{{d}}_8}{{Age}} + {{{d}}_9}{{Tenure}} + \sum{{Industry}} + \sum{{Year}} + \varepsilon \end{aligned}$ | (4-1) |
$ \begin{aligned} {{S\!ubsidy}} = & {{{e}}_0} + {{{e}}_1}{{Army}} + {{{e}}_2}{{EL}} + {{{e}}_3}{{Size}} + {{{e}}_4}{{Board}} + {{{e}}_5}{{Indep}} + {{{e}}_6}{{Roa}} + {{{e}}_7}{{Duality}}\\ & + {{{e}}_8}{{Lev}} +{{{e}}_8}{{Age}} + {{{e}}_9}{{Tenure}} + \sum{{Industry}} + \sum{{Year}} + \varepsilon \end{aligned}$ | (4-2) |
模型(2)及模型(3)预期结果均成立是进行进一步中介效应检验的前提条件,在此基础上,若模型(4-1)中慈善捐赠与政府补助存在显著正相关关系,即系数
变量符号 | 变量名称 | 变量说明 |
Subsidy | 政府补助 | 政府补助金额的自然对数 |
Army | 管理者从军经历 | 董事长或总经理有从军经历取值为1,否则为0 |
Donation | 慈善捐赠 | 慈善捐赠金额的自然对数 |
AL | 雇员规模 | 公司实际雇员规模的自然对数 |
StaffAsset | 每百万总资产雇员数量 | 雇员人数/总资产(单位百万元) |
EL | 冗余雇员 | 实际雇员规模与期望雇员规模的差额,大于0取原值,小于0则取值为0 |
FixedAssets | 资产结构 | 固定资产/总资产 |
AssetsGrowth | 资产成长性 | 当期对固定资产、无形资产与其他长期资产的投资支出/总资产 |
Size | 企业规模 | 公司期末总资产的自然对数 |
Board | 董事会规模 | 董事人数加1的自然对数 |
Indep | 独立董事占比 | 独立董事人数/董事会总人数 |
Roa | 资产收益率 | 净利润/平均总资产 |
Duality | 兼任情况 | 董事长和总经理为同一人取值为1,否则为0 |
Lev | 资产负债率 | 公司总负债/总资产 |
Age | 年龄 | 管理者平均年龄 |
Tenure | 任期 | 管理者平均任期 |
Industry | 行业 | 以2009年为基准,设立6个虚拟变量 |
Year | 年份 | 设立虚拟变量,若行业为制造业取值为1,否则为0 |
1.描述性统计
表2报告了冗余雇员模型中相关变量的描述性统计。以员工人数自然对数表示的雇员规模均值为7.528,极小值为4.934,极大值为10.706,标准差为1.134,表明样本数据分布较为稳定。每百万资产雇员数量均值为0.932,极小值为0.034,极大值为4.300,极大值与极小值、均值相差较大,表明存在极端值的情况。企业规模、资产结构、资产成长性具体情况见表2,其中资产结构、资产成长性标准差分别为0.154、0.054,说明各企业在这两方面差异较小。
变量 | N | 均值 | 极小值 | 极大值 | 标准差 |
AL | 7 432 | 7.528 | 4.934 | 10.706 | 1.134 |
StaffAsset | 7 432 | 0.932 | 0.034 | 4.300 | 0.782 |
Size | 7 432 | 21.766 | 19.666 | 25.364 | 1.166 |
FixedAssets | 7 432 | 0.219 | 0.004 | 0.682 | 0.154 |
AssetsGrowth | 7 432 | 0.062 | 0.000 | 0.258 | 0.054 |
2.冗余雇员模型回归分析
表3列示了有关雇员规模的回归结果。模型(1′)中,被解释变量为每百万总资产雇员数量,回归结果显示,企业规模与每百万资产雇员数量在p<0.01水平显著负相关,与资产结构、资产成长性在p<0.01水平显著正相关,所得结论与薛云奎和白云霞(2008)的研究成果保持一致,模型解释力度R2为0.157。模型(1)中,被解释变量为以实际员工数对数表示的雇员规模,雇员规模与资产结构、资产成长性的相关关系与之前结果相同,而雇员规模与企业规模在p<0.01水平显著正相关,与模型(1′)中所得结论不同的原因在于两者对于雇员规模的定义不同,结果合理且符合预期。同时,模型(1)的解释力度R2达到0.528,表明模型回归结果更具有可信度,对被解释变量的处理方式是可行的。在模型中分别对年份进行了控制,而行业的回归结果显示,企业是否处于制造业对员工规模具有显著影响。
模型 | 模型(1′) | 模型(1) |
变量 | Staffasset | AL |
Size | –0.202*** (–27.36) |
0.689*** (85.82) |
FixedAssets | 0.904*** (15.84) |
1.218*** (19.65) |
AssetsGrowth | 0.608*** (3.68) |
1.153*** (6.42) |
Industry | 0.056*** (3.04) |
0.353*** (17.57) |
Year | 控制 | 控制 |
N | 7 432 | 7 432 |
R2 | 0.157 | 0.528 |
AD.R2 | 0.156 | 0.528 |
注:*p<0.1;**p<0.05;***p<0.01;括号内为t值。 |
1.描述性统计与相关性分析
表4是主要研究变量的描述性统计。从表4中的结果来看,政府补助极大值为22.333,均值为15.578,表明多数企业获得了较高的政府补助;极小值为0.000,表示存在未获取政府补助的企业,这也是导致数据标准差(2.711)较高的原因。管理者从军经历为0–1变量,均值为0.018,说明目前我国具有从军经历的管理者仍属于少数人群,所占比例约为2%,这也与本文只选择研究董事长和总经理有一定关系。企业慈善捐赠极大值为19.317,均值为11.885,存在未进行慈善捐赠的企业,因此极小值为0.000并导致数据的分散程度相对较高,标准差为2.902。按本文对冗余雇员的定义,雇员不足的情况取值为0,故EL极小值为0.000,极大值为2.896,根据均值得出样本存在冗余雇员情况的平均水平为0.301。EL_All表示实际雇员人数与期望雇员人数的差值,即以往文献中未对雇员不足取值为0,冗余雇员程度由描述性统计结果可知,标准差为0.779,说明数据的分布较为稳定,而均值为0.000,符合实际雇员规模围绕期望水平上下波动的实际情况,证实了本文冗余雇员模型拟合效果的准确性。其他控制变量相关情况详见表4,其中,只有管理者平均年龄、平均任期标准差较大,分别为5.746及2.652,说明管理者年龄、任期的分散程度较高。
表5是相关变量的Pearson相关性分析。分析结果显示,管理者从军经历与政府补助、慈善捐赠分别存在不显著的正相关关系,与冗余雇员在p<0.01水平显著负相关。冗余雇员及慈善捐赠与政府补助显著正相关,显著水平均为p<0.01。所得结果基本符合预期,相关性不显著的原因可能是未加入企业规模等控制变量,具体检验在回归分析中进行。
变量 | N | 均值 | 极小值 | 极大值 | 标准差 |
Subsidy | 7 432 | 15.578 | 0.000 | 22.333 | 2.711 |
Army | 7 432 | 0.018 | 0.000 | 1.000 | 0.132 |
Donation | 7 432 | 11.885 | 0.000 | 19.317 | 2.902 |
EL | 7 432 | 0.301 | 0.000 | 2.896 | 0.440 |
EL_All | 7 432 | 0.000 | –4.346 | 2.896 | 0.779 |
Board | 7 432 | 2.263 | 1.792 | 2.773 | 0.174 |
Indep | 7 432 | 0.371 | 0.308 | 0.571 | 0.053 |
Roa | 7 432 | 0.054 | –0.136 | 0.235 | 0.057 |
Duality | 7 432 | 0.297 | 0.000 | 1.000 | 0.457 |
Lev | 7 432 | 0.406 | 0.035 | 0.878 | 0.216 |
Age | 7 432 | 50.426 | 36.500 | 66.000 | 5.746 |
Tenure | 7 432 | 3.250 | 1.000 | 11.000 | 2.652 |
变量 | Subsidy | Army | Donation | EL | Size | Board | Indep | Roa | Duality | Lev | Age | Tenure |
Subsidy | 1.000 | |||||||||||
Army | 0.003 | 1.000 | ||||||||||
Donation | 0.194*** | 0.003 | 1.000 | |||||||||
EL | 0.094*** | –0.034*** | 0.037*** | 1.000 | ||||||||
Size | 0.830*** | –0.018 | 0.359*** | 0.065*** | 1.000 | |||||||
Board | 0.089*** | 0.021* | 0.108*** | 0.076*** | 0.268*** | 1.000 | ||||||
Indep | 0.000 | –0.032*** | –0.003 | –0.002 | –0.014 | –0.494*** | 1.000 | |||||
Roa | 0.066*** | –0.033*** | 0.146*** | 0.052*** | –0.105*** | 0.003 | –0.013 | 1.000 | ||||
Duality | –0.008 | –0.031*** | –0.045*** | –0.010 | –0.189*** | –0.162*** | 0.120*** | 0.082*** | 1.000 | |||
Lev | 0.040*** | 0.025** | 0.075*** | 0.073*** | 0.533*** | 0.161*** | –0.044*** | –0.427*** | –0.171*** | 1.000 | ||
Age | 0.080*** | 0.043*** | 0.071*** | 0.021* | 0.172*** | 0.067*** | –0.023* | –0.023** | –0.050*** | 0.027** | 1.000 | |
Tenure | 0.130*** | –0.001 | 0.124*** | 0.007 | 0.134*** | –0.034*** | 0.049*** | –0.072*** | 0.058*** | –0.022* | 0.235*** | 1.000 |
注:*p<0.1;**p<0.05;***p<0.01;括号内为t值。 |
2.回归分析
表6报告了管理者从军经历对政府补助的影响。在模型(2)的回归结果中,管理者从军经历与政府补助存在正相关关系,显著程度为p<0.1,表明具有从军经历的管理者显著促进了企业政府补助的获取,这与赖黎等(2016)的观点一致,本文假设1得到验证。
变量 | 模型(2) |
Subsidy | |
Army | 0.378* (1.73) |
Size | 0.826*** (25.64) |
Board | 0.629*** (3.12) |
Indep | 0.537
(0.85) |
Roa | 3.411*** (5.87) |
Duality | 0.150** (2.30) |
Lev | –0.874*** (–4.80) |
Age | 0.003
(0.60) |
Tenure | 0.020
(1.44) |
Industry | 1.303*** (20.52) |
Year | 控制 |
N | 7 432 |
R2 | 0.169 |
AD.R2 | 0.167 |
注:*p<0.1;**p<0.05;***p<0.01;括号内为t值。 |
表7分别通过模型(3-1)、模型(3-2)检验了管理者从军经历与慈善捐赠、冗余雇员的相关关系。结果显示,Army与Donation在p<0.1水平上显著正相关,而与EL在p<0.01水平上显著负相关,表明具有从军经历的管理者能够显著促进企业慈善捐赠,对企业冗余雇员则起到抑制作用。结合上文分析可以理解为,军队背景管理者倾向于通过进行慈善捐赠来承担社会责任,而没有选择冗余雇员的方式来维系政企关系。假设2a得到验证,假设2b未得到验证。
变量 | 模型(3-1) | 模型(3-2) |
Donation | EL | |
Army | 0.389* (1.68) |
–0.123*** (–3.22) |
Size | 0.988*** (29.04) |
–0.004
(–0.69) |
Board | 0.435** (2.04) |
0.188*** (5.34) |
Indep | 0.554
(0.82) |
0.332*** (2.98) |
Roa | 8.586*** (13.98) |
0.705*** (6.94) |
Duality | –0.002
(–0.03) |
0.011
(0.93) |
Lev | –0.714*** (–3.71) |
0.167*** (5.26) |
Age | –0.007
(–1.27) |
0.001
(1.27) |
Tenure | 0.058*** (3.97) |
0.007*** (2.85) |
Industry | 0.313*** (4.66) |
–0.113*** (–10.21) |
Year | 控制 | 控制 |
N | 7 432 | 7 432 |
R2 | 0.191 | 0.035 |
AD.R2 | 0.189 | 0.033 |
注:*p<0.1;**p<0.05;***p<0.01;括号内为t值。 |
慈善捐赠、冗余雇员是企业获取政府补助的两种主要方式,结合模型(3-1)、模型(3-2)的回归结果推断,在管理者从军经历与政府补助关系之间,企业慈善捐赠可能存在中介作用,而冗余雇员则不存在中介作用,因此实证部分进一步检验了慈善捐赠的中介作用,表8列示了中介作用检验的回归结果。由表8可知,慈善捐赠显著提升了企业获取的政府补助,显著程度p<0.01。同时,与模型(2)回归结果相对照,在控制企业慈善捐赠后,管理者从军经历与政府补助的相关关系由在p<0.1水平正相关下降至不显著正相关,证明慈善捐赠在管理者从军经历与政府补助间起到中介作用,假设3a得到验证。
变量 | 模型(4-1) |
Subsidy | |
Army | 0.359
(1.64) |
Donation | 0.049*** (4.48) |
Size | 0.777***(22.89) |
Board | 0.607*** (3.01) |
Indep | 0.510
(0.80) |
Roa | 2.989*** (5.08) |
Duality | 0.150** (2.30) |
Lev | –0.839*** (–4.61) |
Age | 0.003
(0.67) |
Tenure | 0.017
(1.24) |
Industry | 1.288*** (20.27) |
Year | 控制 |
N | 7 432 |
R2 | 0.171 |
AD.R2 | 0.169 |
注:*p<0.1;**p<0.05;***p<0.01;括号内为t值。 |
表9列示了管理者从军经历与冗余雇员的回归结果,与模型(3-2)不同的是,被解释变量EL参照已有文献的研究方法(薛云奎和白云霞,2008),直接以模型1拟合计算出的残差表示。回归结果显示,管理者从军经历与冗余雇员在p<0.01水平显著负相关,表明管理者具有从军经历抑制了冗余雇员程度,与模型(3-2)回归所得结论一致,验证了结论的可靠性。
同时,考虑到政府补助涉及多种类型,是对企业经营活动不同方面给予的补贴,本文通过对政府补助筛选分类,将政府补助划分为与就业相关(Sub-Staff)及与其他方面相关(Sub-Other)两种类型,分别检验管理者从军经历与两类政府补助金额的相关性。模型(2′-1)中被解释变量为就业补助,模型(2′-2)中被解释变量为其他类型补助,其余控制变量与前文一致。表10提供了回归结果,由表10中内容可知,管理者从军经历与政府补助中的就业补助存在显著负相关关系,显著程度为p<0.05,而与其他类型补助在p<0.1水平显著正相关。结果表明军队背景管理者所在企业所得的就业补助偏低,这与从军经历管理者抑制企业冗余雇员的结论相互印证,可初步理解为从军经历管理者由于未承担过多就业指标而导致就业补助金额的降低,具体关系有待进一步检验。同时,军队背景管理者促进了企业其他方面政府补助的获取,与假设1所得结论一致。综上所述,所得结果整体上证明了前文结论的稳健性。
模型 | 模型(3′-2) |
变量 | EL |
Army | –0.202*** (–2.95) |
Size | –0.040*** (–3.98) |
Board | 0.443*** (7.04) |
Indep | 0.289
(1.46) |
Roa | 1.317*** (7.26) |
Duality | 0.023
(1.13) |
Lev | 0.240*** (4.23) |
Age | 0.002
(1.29) |
Tenure | 0.017***(3.97) |
Industry | 0.001
(0.07) |
Year | 控制 |
N | 7 432 |
R2 | 0.019 |
AD.R2 | 0.017 |
注:*p<0.1;**p<0.05;***p<0.01;括号内为t值。 |
模型 | 模型(2′-1) | 模型(2′-2) |
变量 | Sub-Staff | Sub-Other |
Army | –0.747** (–2.33) |
0.395* (1.78) |
Size | 0.027*** (3.56) |
0.829*** (25.48) |
Board | 0.668** (2.26) |
0.654*** (3.21) |
Indep | –1.253
(–1.35) |
0.602
(0.94) |
Roa | 0.870
(1.02) |
3.576*** (6.09) |
Duality | 0.003
(0.04) |
0.149** (2.26) |
Lev | 0.838*** (3.14) |
–0.892*** (–4.85) |
Age | –0.001
(–0.10) |
0.004
(0.70) |
Tenure | 0.039* (1.90) |
0.021
(1.52) |
Industry | 0.681*** (7.32) |
1.317*** (20.52) |
Year | 控制 | 控制 |
N | 7 432 | 7 432 |
R2 | 0.022 | 0.168 |
AD.R2 | 0.020 | 0.166 |
注:*p<0.1;**p<0.05;***p<0.01;括号内为t值。 |
为进一步探究具有从军经历的管理者为什么会选择慈善捐赠,而不是冗余雇员的路径来获得政府补助,本文引入在职消费以解释具有从军经历的管理者采取这样行为的内在动机。在职消费指管理层在履行职责、行使权力过程中产生并由企业支付的各项货币消费,包括装修办公场所、娱乐消费、专车费用、考察费用等。对企业经营过程而言,在职消费是其中的必要费用之一,在一定程度上是管理者权威的象征;而对管理者而言,在职消费实际上属于企业给予的一种非货币性收益(冯根福和赵珏航,2012)。与管理者公开的年薪及股权激励相比,在职消费具有隐蔽性,只能从企业的经营费用或管理费用中间接体现出来,因此通常又被称为隐性薪酬。
目前对于在职消费的研究,主要基于代理观及效率观两个角度。代理观认为在职消费是代理成本的一部分,体现了企业存在的委托代理问题,在职消费的产生可能在于管理者为获取更多的资源或晋升而向更高管理者、政府官员行贿产生,是管理者挥霍企业资金的体现,并因此损害了企业价值(卢锐等,2008)。效率观则认为在职消费作为一种隐性薪酬,可以视为薪酬激励的方式之一,在合理的范围内允许管理者享有一定的额外津贴及福利能够提升管理者的工作效率(Rajan和Wulf,2006)。可以看出,无论是代理观还是效率观,均认为在职消费是管理者获得的一项私人收益,其发挥了货币性薪酬之外的作用,能够改善管理者个人消费的质量(罗劲博,2013)。在这种情况下,若缺乏完善的薪酬契约,在职消费对管理者的积极激励作用难以发挥出来,反而导致管理层为提升自我人力资本价值回报而通过在职消费来获取私人收益。同时,从我国目前情况来看,在职消费主要被管理者用于构建政治关系网络及维护个人社会资本(周炜等,2011),即管理者为了提升自身经营业绩,需要与外部利益相关者建立良好的联系以获取更多的无形资源,所支出的费用主要体现在在职消费方面。
有关在职消费影响因素的研究已得出一些结论,如负面报导会降低管理者显性的货币性薪酬,因此导致其通过自身权力增加在职消费以提升隐性薪酬(张玮倩等,2015),而增强内部控制则能有效降低企业在职消费(窦祥胜等,2017)等。那么,从军经历作为管理者独特的背景特征会如何影响在职消费?根据前文分析可知,军队经历对管理者的磨练使得其在企业经营过程中表现出正直、追求诚信等品质特征,同时张铁铸和沙曼(2014)指出,在市场上越注重自身声誉的经理人,其通过在职消费进行自我激励的需求就越低。因此本文认为,一方面从军经历是政治关联的体现之一,具有从军经历的管理者相对更容易建立政企关系,不需要进行过多的额外支出来构建政治关系网络;另一方面,军队背景管理者正直、吃苦耐劳的品质特征会减少其对类似专车、娱乐消费的使用,即具有从军经历的管理者不会因为利益驱使而为自己谋取更多的私人收益。基于以上分析本文提出以下假设:
H4:具有从军经历的管理者能够降低管理层在职消费水平。
假设4拟通过模型(5)进行验证,其中被解释变量Perk表示管理层在职消费,考虑到数据获取的难易程度及样本数量,本文参考Johnson等(2009)认为管理费用是在职消费最适合度量指标的思路,采用罗进辉和万迪昉(2009)的处理方式,以经过主营业务收入调整的管理费用作为管理层在职消费的测量指标,其中以主营业务收入进行调整是为了控制企业规模及生产经营对管理费用的影响。
$\begin{aligned}Perk =& {f_{0 + }}{f_1}Army + {f_2}Size + {f_3}Board + {f_4}Indep + {f_5}Roa + {f_6}Duality + {f_7}Lev + {f_8}Age \\ & + {f_9}Tenure + \sum Industry + \sum Year + \varepsilon \end{aligned}$ | (5) |
表11提供了管理者从军经历与在职消费的回归结果。结果显示,管理者从军经历在p<0.01水平上与在职消费显著负相关,说明军队背景管理者能够降低企业在职消费,假设4得到验证。
模型 | 模型5 |
变量 | Perk |
Army | –0.021*** (–3.90) |
Size | –0.016*** (–20.28) |
Board | 0.014*** (2.94) |
Indep | 0.058*** (3.77) |
Roa | –0.240*** (–16.94) |
Duality | –0.000
(–0.05) |
Lev | –0.093*** (–21.02) |
Age | –0.000** (–2.06) |
Tenure | 0.001*** (3.21) |
Industry | –0.015*** (–9.71) |
Year | 控制 |
N | 7 432 |
R2 | 0.226 |
AD.R2 | 0.225 |
注:*p<0.1;**p<0.05;***p<0.01;括号内为t值。 |
本文以2009–2015年中国A股上市公司为研究对象,实证检验了管理者从军经历如何影响企业政府补助的获取。同时选取慈善捐赠、冗余雇员的视角,分别验证两者在管理者从军经历与政府补助关系间是否存在中介作用。换言之,本文验证了具有从军经历的管理者能否为企业争取更多的利益,以及在为企业争取利益的过程中会如何影响社会公共利益。所得结论为:
第一,管理者从军经历显著促进企业政府补助的获取,表明军队背景管理者有利于提升企业利益。这可以从两个方面进行理解,一是我国相关规定使得具有参军经历的管理者在企业经营过程中享受更多的政府资助,二是军队背景管理者有更强的政治关联并因此更容易获得政府补助。
第二,管理者从军经历与慈善捐赠显著正相关,与冗余雇员显著负相关,表明军队背景管理者倾向于通过慈善捐赠而非冗余雇员的形式来承担社会责任、减轻政府负担,进而建立良好的政企关系,对此本文认为,慈善捐赠提升了社会整体效益及资源利用率,而冗余雇员在一定程度上损害了企业价值(薛云奎和白云霞,2008;Xu和Zhu,2005),因此军队背景管理者基于对企业及社会价值的考虑未选取冗余雇员的方式。
第三,在管理者从军经历与政府补助关系中,慈善捐赠起到中介作用,即军队背景管理者通过慈善捐赠的路径为企业减轻政策负担,基于社会交换理论,政府给予从军经历管理者所在企业更高的补助金额以扶持其发展。
所得结论表明军队背景管理者通过促进社会效益的方式为企业赢取了更多利益,实现了公共利益与企业利益的共赢。同时,本文进一步分析与检验了管理者从军经历与在职消费的关系,结果显示,军队背景管理者能够显著降低管理层在职消费,表明从军经历减轻了管理者由于利益驱使而提升私人收益的现象,反映出军队背景管理者正直的品质特征。
本文所得结论的理论贡献主要在于,丰富了政治关联理论以及政府补助的相关研究。具体可以理解为:在慈善捐赠方面,政治关联是促进企业慈善行为的因素之一,然而企业进行慈善捐赠的动机包括战略性动机、政治性动机、管理层自利动机与利他动机(李晓玲等,2017),有政治关联的企业可能利用慈善捐赠以获取资源优惠或实现高管晋升,如有研究表明具有政治关联的亏损企业更容易采用“战略性慈善捐赠”的行动来摆脱困境(杜勇和陈建英,2016),因此通常难以判断政治关联对慈善捐赠的促进作用是由于管理者乐意承担社会责任抑或为了提升私人利益。本文将从军经历视为独特的政治关联,在检验管理者从军经历与慈善捐赠关系的同时验证了其与冗余雇员的相关关系。慈善捐赠与冗余雇员均为企业为政府减轻政策负担的方式,两者都能获取一定的政府资助,但所带来的影响不尽相同,具有从军经历的管理者并未选择可能影响企业绩效的冗余雇员方式来承担社会责任、维持政企关系,在一定程度上印证了军队背景管理者正直担责的特征,同时表明,从军经历这一类别的政治关联是出于服务社会的目的进行慈善捐赠而非为了谋取私人收益,军队背景管理者并不会为了获取政府补助而损害企业绩效。
本文在实践管理中的意义主要在于,首先,揭示了具有从军经历的管理者如何影响企业政府补助的获取,以及对企业慈善捐赠、冗余雇员方面的影响,在我国每年有大量退伍军人进入企业的背景下,对于安置退伍军人工作有一定的参考意义;其次,所得结论表明,慈善捐赠、冗余雇员作为企业承担社会责任的两种不同路径,具有从军经历的管理者在建立政企关系及为企业争取政府补助时对两者的选择并不相同。在考虑为企业争取利益的同时,具有从军经历管理者同样会考虑社会的整体利益。
[1] | 窦祥胜, 王再锋, 张睿熊. 内部控制对高管薪酬和在职消费的影响[J].商业研究,2017(5). |
[2] | 杜勇, 陈建英. 政治关联、慈善捐赠与政府补助——来自中国亏损上市公司的经验证据[J].财经研究,2016(5). |
[3] | 杜勇, 鄢波, 张欢, 等. 慈善捐赠、政府补助与扭亏绩效——基于中国亏损上市公司的经验证据[J].经济科学,2015(4). |
[4] | 冯埃生. 混合所有制、企业性质和冗余雇员[J].云南社会科学,2016(3). |
[5] | 冯根福, 赵珏航. 管理者薪酬、在职消费与公司绩效——基于合作博弈的分析视角[J].中国工业经济,2012(6). |
[6] | 高勇强, 陈亚静, 张云均. " 红领巾”还是" 绿领巾”: 民营企业慈善捐赠动机研究[J].管理世界,2012(8). |
[7] | 耿强, 胡睿昕. 企业获得政府补贴的影响因素分析——基于工业企业数据库的实证研究[J].审计与经济研究,2013(6). |
[8] | 何红渠, 刘家祯. 产权性质、政府补助与企业盈利能力——基于机械、设备及仪表上市企业的实证检验[J].中南大学学报(社会科学版),2016(2). |
[9] | 赖黎, 巩亚林, 马永强. 管理者从军经历、融资偏好与经营业绩[J].管理世界,2016(8). |
[10] | 李刚, 侯青川, 张瑾. 政府补助与公司投资效率——基于中国制度背景的实证分析[J].审计与经济研究,2017(4). |
[11] | 李晓玲, 侯啸天, 葛长付. 慈善捐赠是真善还是伪善: 基于企业违规的视角[J].上海财经大学学报,2017(4). |
[12] | 李焰, 王琳. 媒体监督、声誉共同体与投资者保护[J].管理世界,2013(11). |
[13] | 林润辉, 谢宗晓, 李娅, 等. 政治关联、政府补助与环境信息披露——资源依赖理论视角[J].公共管理学报,2015(2). |
[14] | 卢锐, 魏明海, 黎文靖. 管理层权力、在职消费与产权效率——来自中国上市公司的证据[J].南开管理评论,2008(5). |
[15] | 罗进辉, 万迪昉. 大股东持股对管理者过度在职消费行为的治理研究[J].证券市场导报,2009(6). |
[16] | 罗劲博. 制度环境、在职消费与盈余质量——基于A股上市公司的经验数据[J].山西财经大学学报,2013(7). |
[17] | 马连福, 王元芳, 沈小秀. 国有企业党组织治理、冗余雇员与高管薪酬契约[J].管理世界,2013(5). |
[18] | 唐清泉, 罗党论. 政府补贴动机及其效果的实证研究——来自中国上市公司的经验证据[J].金融研究,2007(6). |
[19] | 田利辉, 张伟. 政治关联影响我国上市公司长期绩效的三大效应[J].经济研究,2013(11). |
[20] | 王红建, 李青原, 邢斐. 金融危机、政府补贴与盈余操纵——来自中国上市公司的经验证据[J].管理世界,2014(7). |
[21] | 温忠麟, 侯杰泰, 张雷. 调节效应与中介效应的比较和应用[J].心理学报,2005(2). |
[22] | 徐细雄, 李摇琴, 林丁健. 女性高管与企业慈善捐赠: 基于产权性质与制度环境的分析[J].华东经济管理,2015(10). |
[23] | 许年行, 李哲. 高管贫困经历与企业慈善捐赠[J].经济研究,2016(12). |
[24] | 薛云奎, 白云霞. 国家所有权、冗余雇员与公司业绩[J].管理世界,2008(10). |
[25] | 张敏, 马黎珺, 张雯. 企业慈善捐赠的政企纽带效应——基于我国上市公司的经验证据[J].管理世界,2013(7). |
[26] | 张铁铸, 沙曼. 管理层能力、权力与在职消费研究[J].南开管理评论,2014(5). |
[27] | 张玮倩, 曲延英, 郑迎飞. 媒体负面报道能有效监督高管薪酬吗——基于薪酬替代视角的实证分析[J].山西财经大学学报,2015(6). |
[28] | 赵宇恒, 孙悦. 政府补助: 补助了企业还是高管[J].现代财经,2014(10). |
[29] | 周炜, 徐玉德, 李慧云. 政企关系网络、在职消费与市场化制度建设[J].统计研究,2011(2). |
[30] | Albert G H. Ownership, government R&D, private R&D, and productivity in Chinese industry[J].Journal of Comparative Economics,2001,29(1):136–157. |
[31] | Benmelech E, Frydman C. Military CEOs[J].Journal of Financial Economics,2015,117(1):43–59. |
[32] | Bernini C, Pellegrini G. How are growth and productivity in private firms affected by public subsidy? Evidence from a regional policy[J].Regional Science and Urban Economics,2011,41(3):253–265. |
[33] | Blau B M, Brough T J, Thomas D W. Corporate lobbying, political connections, and the bailout of banks[J]. Journal of Banking & Finance,2013,37(8):3007–3017. |
[34] | Boycko M, Shleifer A, Vishny R W. A theory of privatisation[J].Economic Journal,1996,106(435):309–319. |
[35] | Carroll A B. The pyramid of corporate social responsibility: Toward the moral management of organizational stakeholders[J].Business Horizons,1991,34(4):39–48. |
[36] | Cull R, Xu L C. Institutions, ownership, and finance: The determinants of profit reinvestment among Chinese firms[J].Journal of Financial Economics,2005,77(1):117–146. |
[37] | Elder G H. Military times and turning points in men’s lives[J].Developmental Psychology,1986,22(2):233–245. |
[38] | Elder G H, Gimbel C, Ivie R. Turning points in life: The case of military service and war[J].Military Psychology,1991,3(4):215–231. |
[39] | Faccio M, Masulis R W, Mcconnell J J. Political connections and corporate bailouts[J].Journal of Finance,2006,61(6):2597–2635. |
[40] | Graham J R, Harvey C R, Puri M. Capital allocation and delegation of decision-making authority within firms[J]. Journal of Financial Economics,2011,115(3):449–470. |
[41] | Hambrick D C, Mason P A. Upper Echelons: The organization as a reflection of its top managers[J].Academy of Management Review,1984,9(2):193–206. |
[42] | Hart Oliver. Financial contracting[J].Journal of Economic Literature,2001,39(4):1079–1100. |
[43] | Holman E A, Silver R C. Getting " stuck” in the past: Temporal orientation and coping with trauma[J].Journal of Personality and Social Psychology,1998,74(5):1146–1163. |
[44] | Johnson S A, Ryan Jr H E, Tian Y S. Managerial incentives and corporate fraud: The sources of incentives matter[J].Review of Finance,2009,13(1):115–145. |
[45] | Jonas Ⅲ H S, Fry R E, Srivastva S. The office of the CEO: Understanding the executive experience[J]. Academy of Management Executive,1990,4(3):36–48. |
[46] | Kang K N, Park H. Influence of government R&D support and inter-firm collaborations on innovation in Korean biotechnology SMEs[J].Technovation,2012,32(1):68–78. |
[47] | Locke J L. An essay concerning human understanding[M]. Oxford: Oxford University Press, 2008. |
[48] | Luo J H, Xiang Y G, Zhu R C. Military top executives and corporate philanthropy: Evidence from China[J].Asia Pacific Journal of Management,2017,34(3):725–755. |
[49] | Malmendier U, Tate G, Yan J. Overconfidence and early-life experiences: The effect of managerial traits on corporate financial policies[J].Journal of Finance,2011,66(5):1687–1733. |
[50] | Rajan R G, Wulf J. Are perks purely managerial excess?[J].Journal of Financial Economics,2006,79(1):1–33. |
[51] | Wang H L, Qian C L. Corporate philanthropy and corporate financial performance: The roles of stakeholder response and political access[J].Academy of Management Journal,2011,54(6):1159–1181. |
[52] | Xu L C, Zhu T, Lin Y M. Politician control, agency problems and ownership reform[J].Economics of Transition,2005,13(1):1–24. |
[53] | Zheng Y, Zhu Y D. Bank lending incentives and firm investment decisions in China[J].Journal of Multinational Financial Management,2013,23(3):146–165. |