年长员工对企业绩效的影响研究——基于深市上市公司面板数据的实证研究

张 敏



年长员工对企业绩效的影响研究
——基于深市上市公司面板数据的实证研究

张 敏

年长员工； 企业绩效； 内生性分析

一、问题的提出

随着中国老龄化趋势纵深发展以及渐进式延迟退休提到政策日程，扩大年长员工的雇佣比例将成为未来企业人力资源管理的重要策略。年龄是影响个体行为绩效的重要因素，生理上的衰老会引起基本认知能力与运动知觉能力的减退而影响工作绩效①刘莹、廖建桥：《员工年龄对工作绩效的影响探析》，《外国经济与管理》2006年第5期。。个体生产率受年龄影响的结论基本是一致的，即年龄和个体生产率之间呈倒U型关系。然而，关于年长员工和企业生产率之间关系的研究结论则是不确定的。

总体来看，目前国外大多数研究主要基于欧美国家雇主——雇员匹配数据，运用企业的价值增值或产出来衡量生产率，运用员工平均年龄或各年龄组员工占比作为劳动力年龄结构的指标，来分析不同年龄段员工对企业绩效的影响作用。反观国内，学者亦开始关注人口年龄结构对经济增长的影响*刘传江、黄伊星：《从业人口年龄结构对中国工业经济增长的贡献度研究》，《中国人口科学》2015年第2期。，并指出高年龄组劳动力存在开发潜力*徐升艳、周密：《东中西地区城市不同年龄组劳动生产率的比较研究》，《上海经济研究》2013年第3期。，然而具体到企业层面年长员工对生产率的影响研究仍未开展。另外，不同行业背景下年长员工对企业绩效的影响亦值得关注。不同行业类型有着不同的工作类别，对任职者身体条件、工作技能等有着不同的要求，不同年龄段员工效能发挥亦存在一定的差异，目前较多研究主要采用制造业数据，对服务业、高新技术类行业研究较少，本研究样本数据涉及不同行业可对此进行探索性研究。

基于此，本文采用中国上市公司数据库数据，研究不同行业企业的劳动生产率、劳动成本和净收益对年龄结构的敏感性，以期发现中国企业劳动力队伍中年长员工的劳动效能，为老龄化背景下企业优化人力资源年龄结构，合理配置劳动力资源提供依据。本文主要贡献在于：(1)利用上市公司面板数据分析中国企业中年长员工对绩效的影响；(2)比较了不同类型企业中年长员工劳动效能的差异；(3)处理了企业员工年龄结构的潜在的内生性问题。

二、数理模型与方法

(一)异质性劳动力投入下的劳动生产率、劳动力成本和净收益

ln(Yit/Lit)=lnA+αlnQLit+βlnKit-lnLit

(1)

其中，Yit/Lit是企业i在时间t内平均每个劳动力带来的价值增值，即平均劳动生产率；QLit是不同年龄组员工的集合，即劳动力质量指数；Kit是企业投入的资本。令Likt表示企业i在时间t内，k年龄组员工的数量，μik表示不同年龄组员工的生产率。假设不同年龄组员工有不同的边际产出，那么不同年龄组的员工可由不同的边际产出代替。每一年龄组员工被看成是劳动力总体质量的一种投入，劳动力总体质量可以具体表述为：

QLit=∑kμikLikt=μi0Lit+∑k>0(μik-μi0)Likt

(2)

其中，Lit≡∑kLikt是企业员工总数，μi0是参照年龄组员工的边际生产率，μik是其他年龄组员工的边际生产率。进一步假设每一个企业员工的边际产量是相同的，可以把边际生产率系数的下标i省掉。取对数并调整公式(2)，可得：

lnQLit=lnμ0+lnLit+ln(1+∑k>0(λk-1)Pikt)

(3)

其中，λk≡μk/μ0是k年龄组员工相对生产率，Pikt≡Likt/Lit是企业i内，k年龄组员工占员工总数的比例。既然ln(1+x)≈x对公式(3)约化带入生产函数变为：

ln(Yit/Lit)=lnA+α[lnμ0+lnLit+∑k>0(λk-1)Pikt]+βlnKit-lnLit

(4)

相应地，如果k=0，1，……N，k=0是参照组

ln(Yit/Lit)=B+(α-1)lit+η1Pi1t+…ηNPiNt+βkit

(5)

其中，B=lnA+αlnμ0；λk=μk/μ0(k=1…N);η1=α(λ1-1);…ηN=α(λN-1)；lit=lnLit;kit=lnKit。

因此，公式(5)中P的系数可以直接解释为企业内某组员工占比每变化1%所带来的企业平均劳动生产率的比例变化。相同的方法可以用于企业平均劳动力成本。将企业员工划分为三个年龄组(1=[18-29]；2=[30-49]；3=[50-64])，年龄组[30-49]是参照组，可以得出：

(6)

(7)

Profitsit≡ln(Yit/Lit)-ln(Wit/Lit)=ln(Yit/Wit)

(8)

系数ηP即代表不同年龄组员工比例的变化对企业净收益的影响。Fit是控制变量。

(二)内生性分析

本文重点分析遗漏变量和互为因果两种可能的内生性问题。未被观察到但影响劳动生产率的企业层面的特征，即样本的异质性，比如资本利用情况、人力资本存量、企业的管理水平、地区的相对优势等，可能与企业劳动力的年龄结构相关，引起OLS结果的偏差。比如较早成立的企业可能会聚集更多的年长员工，同时年代较久远的企业也更可能保留较陈旧的技术，而导致生产率较低。本文采用企业层面面板数据，可以利用固定效应模型处理未被观察的异质性。

三、数据来源与变量说明

(一)样本选择与数据来源

表1 样本企业分布

在获取的样本数据中，企业员工年龄分组数据根据RESSET(锐思)金融研究数据库中“员工构成信息”数据手工收集所得，并结合巨潮资讯网披露的上市公司年报对数据进行核查和补充。企业绩效、员工薪酬和其他变量原始数据均来自于国泰安CSMAR数据库。本文使用统计软件STATA12.0以及SPSS16.0对数据进行处理分析。

(二)变量说明

1.被解释变量：企业劳动生产率。采用营业总收入与员工总数比值的对数来衡量。企业劳动成本，采用应付职工薪酬(本期增加额)与员工总数比值的对数来衡量；企业净收益为劳动生产率与劳动成本的差值。

3.控制变量：(1)企业特征变量。企业规模。采用资产总额的对数值衡量企业规模；企业年龄。企业成立时间越长，越有可能雇佣更多年长员工；企业财务指标。总资产增长率、资产负债率、总资产净利润率(ROA)，分别衡量企业的成长能力、偿债能力和赢利能力。(2)人员特征变量。人员规模。采用员工人数的对数值予以衡量；本科及以上学历人数占比，衡量企业人力资源整体素质水平。(3)年度虚拟变量。

4.工具变量：采用劳动投入滞后值，即上一年度30岁以下人员占比、上一年度50岁以上人员占比作为工具变量。

表2 被解释变量、解释变量和控制变量的定义与计算方式

四、实证结果与分析

(一)描述性统计

表3 各主要变量的描述性统计分析

图1 三个年龄组员工占比趋势图

(二)回归结果分析

采用普通最小二乘法(OLS)、面板数据固定效应模型(FE)、面板工具变量模型(FE-IV-2SLS)分别对样本进行回归分析，结果如表4所示。

表4 各模型回归分析

注：***、**、*分别代表1%、5%、10%的显著性水平，括号内的值，OLS、FE模型为t(z)值，FE-IV-2SLS为z值。

为了避免可能存在的异方差问题，本文所有的回归分析的估计结果均经过异方差稳健标准误调整。

普通最小二乘回归(OLS)结果表明，年长员工占比与企业劳动生产率成反比，年长员工占比每增加1个单位，会导致劳动生产率下降大约1.65%；年长员工占比对企业劳动成本的影响未达到显著水平；另外，年长员工占比对劳动生产率和劳动成本差值的影响是负的，会带来净收益的下降。与30岁以下年轻员工组相比，年长组员工会带来更低的劳动生产率和净收益。

固定效应面板数据模型估计结果如表中FE列所示。与OLS相比，FE方法有助于克服与个体有关且不随时间变化的遗漏变量导致的内生性问题。通过对比OLS与FE回归结果发现，年长员工占比对劳动生产率影响的系数出现明显减小。年长员工占比每增加1个单位，会导致劳动生产率下降大约0.61%，成本下降0.2%(未达到显著性水平)，因此会带来净收益大约0.41%的下降幅度。结合中国企业实际，面对预期的业绩下滑，中国大多数企业的做法是采取提前退休的方式，将会导致年长员工占比减少，因此采用OLS估计会带来对年长员工生产率的过高估计。

针对模型存在的联立性偏差，本文采用滞后期工具变量策略，以年长员工占比和年轻员工占比的滞后一期值作为当期值的工具变量。经检验发现，滞后期的工具变量与当期值有较强的相关性，而当期年龄占比对前一期的年龄变量则没有影响，因此工具变量选择符合要求。采用面板工具变量法(FE-IV-2SLS)结果表明，年长员工占比每增加1个单位，会导致劳动生产率下降大约1%，成本上升1.19%(未达到显著性水平)，因此会带来净收益大约2.19%的下降幅度。

(三)分组回归结果

考察不同类型行业间年长员工占比对劳动生产率、劳动成本以及净收益的影响区别，进一步分析企业中年长员工占比对生产效率的影响特征。

1.制造业与非制造业。对制造业企业样本进行回归表明，年长员工占比每增加1个单位，会导致劳动生产率下降大约1.64%，成本上升1.38%，因此会带来净收益大约3.02%的下降幅度。非制造业企业样本回归则可以看出，年长员工占比与生产率成正比，年长员工占比每增加1个单位，会带来劳动生产率大约0.16%的上升，但对生产成本与净收益的影响均未达到显著性水平。Chow检验结果表明制造业组与非制造业组年长员工占比对生产率的影响存在显著性差异。与制造业相比，非制造业中年长员工会带来更积极的影响。

表5 制造业和非制造业分组回归

注：***、**、*分别代表1%、5%、10%的显著性水平，括号内为z值。

2.劳动密集型、资本密集型、技术密集型。借鉴阳立高等(2014)制造业结构分类的方法*阳立高、谢锐、贺正楚、韩峰、孙玉磊：《劳动力成本上升对制造业结构升级的影响研究——基于中国制造业细分行业数据的实证分析》，《中国软科学》2014年第12期。，将制造业样本企业归入劳动、资本与技术密集型三大类制造业。表7中回归结果可以看出，年长员工占比每增加1个单位，会导致劳动密集型企业劳动生产率下降大约1.77%，30岁以下年轻员工占比每增加1个单位，会导致劳动成本上升大约1.47%，其余各值均未达到显著性水平。

表6 劳动密集型、资本密集型和技术密集型分组回归

注：***、**、*分别代表1%、5%、10%的显著性水平，括号内为z值。

五、结论与政策建议

(一)结论

利用中国深市上市公司企业数据，采用不同模型对数据内生性问题进行修正后回归分析，探讨年长员工对企业绩效的影响作用，结果表明：

第一，整体来看中国企业人力资源队伍中，年长员工对企业的劳动生产率、劳动成本及企业净收益均存在负面影响作用。这主要是因为目前50岁以上员工均出生于上世纪60年代，所受教育水平依然有限，加上早期我国普遍实行的提前退休制度，导致年长员工过早贬值、生产效能普遍不高。

第二，基于行业属性分组比较可以发现，与制造业相比，非制造业中年长员工会带来更积极的影响，这主要是因为大多数非制造业对体能要求相对较低，年长员工的智力资源有更好的发展空间，某些非制造业招工形式灵活甚至录用了大量提前退休的年长员工，这种做法反而提升人力资源的整体效能。

第三，制造业分组比较结果表明，劳动密集型企业中年长员工对劳动生产率的负向影响、年轻员工对劳动生产率的正向影响作用较为显著。这可以看出以体力劳动为主的工作情境中年轻员工比年长员工更有优势，对劳动生产率的促进作用更为显著。

(二)政策建议

通过以上分析可以看出，在我国年长员工并没有给企业绩效带来太多的积极影响，这与近几年大多数西方学者利用面板数据得出的结论存在差异，这在一定程度上说明我国企业人力资源队伍中年长员工的效能并没能有效发挥出来，这与50岁以上员工所受教育水平有限有关，也更多受到我国实行多年的提前退休政策的影响。在提前退休政策作用下，50岁以上员工已临近退休，具有经验和才能的管理者也开始从重要职位上退下来，面向退休的员工会表现出更多的消极工作态度和行为，导致年长员工普遍出现过早的贬值。面对当前日益加深的老龄化趋势，国家、企业和个人都应树立面向年长员工的积极态度。宏观政策上，本研究表明不同行业背景下年长员工效能存在差异，国家应探索具有行业弹性、学历弹性、工种弹性的退休制度，逐渐向内生性退休制度*张熠：《内生退休年龄研究前沿》，《经济学动态》2015年第3期。转变；管理层面上，人力资源管理者们应意识到年长员工的效能仍有待进一步挖掘，年长员工在非体力劳动领域可能发挥更大人力效能，应逐步构建基于年龄的人才动态配置体系；应摒弃传统的年龄歧视的观念，改革现有管理方法，为员工提供年龄认知培训，鼓励年长员工将有益的经验传授给青年员工，促进所有人获得不分年龄的培训、发展终身学习的战略，将是企业面向老龄化，充分开发人力资源的有效措施。

[责任编辑：邵世友]

Study on Impact of Older Workers on Enterprise Performance——Based on the Panel Data from the SZSE-listed companies

ZHANG Min

(School of Management, Shandong University, Jinan 250100, P.R.China)

Using 484 public companies of SZSE as research samples, constructing panel data in 2009-2014, this study carries on an empirical analysis of the impact of older workers (elder than 50) on enterprise performance. Results show older workers have negative effect on company productivity, cost and profit respectively. Older workers’ productive efficiency is generally not high, appearing premature devaluation. Further analysis shows that older workers’ productive efficiency is different in different types of enterprises. Older workers have a relative positive influence on non-manufacturing industry. In labor-intensive industry, older workers have negative effect on productivity whereas younger workers have positive effect on productivity. In innovative industry, older workers raise the cost rather than promote the productivity.

Older worker; Enterprise performance; Analysis of endogeneity

国家自然科学基金项目(71573158)；山东省自然科学基金项目(ZR2014GM004)。

张敏，山东大学管理学院博士研究生(济南250100)，山东师范大学公共管理学院讲师(济南250014)。