高管股权激励、技术创新与企业全要素生产率——基于制造业企业的实证分析

盛明泉，蒋世战

(安徽财经大学 会计学院， 安徽 合肥 233030)

一、文献回顾与研究假设

(一)全要素生产率

从宏观视角出发，郭家堂和骆品亮将TFP分为技术进步和技术效率，在DEA方法测算TFP的基础上，发现互联网对技术推动的TFP有促进作用。[1]张杰等采用OP方法测算企业TFP，得出出口对企业TFP的提升效应在前3年起作用，并且引起企业TFP提升的是经营管理水平而不是企业的创新活动。[2]Kasahara & Rodrigue从进口的角度研究进口贸易与生产率的关系，发现企业进口中间品显著提高了TFP。[3]任曙明和吴镯采用ACF方法测算生产率，从政府补助、融资约束的角度研究二者之间的关系，得出政府补贴对TFP的正面促进效应要大于企业融资约束的负面效应。[4]邓晓兰和鄢伟波采用DEA方法测算TFP，得出农村基础设施对农村全要素生产率有显著的促进作用。[5]

从微观视角出发，黎文靖和胡玉明利用科布-道格拉斯生产函数测算出TFP衡量职工的生产效率以及薪酬差距对职工的激励效应，发现当薪酬差距较低时二者有显著的正向关系，但当薪酬差距较高时二者的关系则不太显著。[6]程惠芳和陈超将知识资本划分为国内知识资本和国外知识资本，探究知识资本与TFP的关系，发现它们都是影响TFP提升的重要因素，不同知识资本要素对不同经济体TFP的影响存在明显差异。[7]

(二)高管股权激励的经济后果

Brealey eta认为高管持股权比例越高，则高管的投资意向越明确，有利于向信贷市场传递投资信息，缓解信息不对称，因此银行愿意提供更多贷款。[8]卢慧芳和吴华晶研究发现，对管理层激励越大，企业融资约束程度越小，且股权激励的效果显著大于货币薪酬。融资约束的降低事实上降低了企业发展所面临的资本错配问题。[9]陈效东等通过将股权激励分为激励型和非激励型后发现，前者对企业的非效率投资有抑制作用，而后者会导致企业的非效率投资。[10]徐宁和任天龙认为高管激励还有利于缓解股东与管理层之间的代理问题。[11]夏宁和董艳同时考虑了高管与员工薪酬的作用，发现其薪酬水平越高，越有利于企业的成长。[12]已有文献多从宏观角度研究全要素生产率的影响因素，微观研究相对较少，鉴于此，本文重点考察高管股权激励与企业全要素生产率的关系，以期为企业提高生产效率提供微观层面的经验证据。

随着两权分离的逐步形成，现代企业制度也随之产生，两权分离的后果必然会形成委托代理的关系。一般而言，股东追求利润最大化，而公司高管则更注重薪酬水平和个人福利，天然留下了“代理人机会主义”的空间，而股权激励有利于从源头上压缩“代理人机会主义”空间。由此提出假设1：同等条件下，高管股权激励正向影响企业全要素生产率。

创新是促进企业发展和提高企业竞争力的关键。在企业治理诸多机制中，高管激励契约可以强化企业高管支持技术创新的动机与行为，从而持续提升企业的技术创新能力。由此本文提出假设2：同等条件下，高管股权激励影响企业全要素生产率的传导路径上，技术创新存在中介效应。

二、研究设计

(一)样本选择及数据来源

本文以2007—2016年中国A股制造业上市公司数据为样本，选取制造业为研究对象的原因是实体经济对国家经济的发展至关重要，而制造业也是实体经济发展的核心，因此，探讨制造业企业生产率有一定的现实意义。为使数据更加合理、实证结果更加可靠, 对数据进行了如下处理：(1)剔除了ST类公司；(2)剔除了资产负债率大于1的公司；(3)剔除了数据缺失的公司；(4)对主要变量进行了1%的缩尾处理。最终得到8942个公司的非平衡面板数据。产权性质数据通过手工整理所得，以上数据全部来自国泰安数据库(CSMAR)，并运用Stata14对样本数据进行处理。

(二)变量及模型的设计

1.被解释变量

全要素生产率(TFP)。针对全要素生产率的测算，主要有OLS、FE、OP、LP、DEA等方法， OP方法采用投资作为代理变量,一定程度上可以解决同时性偏差和样本选择偏差问题，而FE方法测量难度较小且采用固定效应模型回归也能够缓解估计偏误的问题，因此本文参考Olley & Pakes[13]，鲁晓东和连玉君[14]的方法，用OP方法测算出企业的TFP，并以FE方法计算的结果做适当的稳健性检验。具体TFP测算模型如下:LnY = β0+β1LnK+β2LnL+ β3LnM +β4Age+ β5Exit+ β6Soe+ β7Ex + β8Year + ε

其中，Y(营业收入)；K(固定资产净值)；M(购入商品和劳务的金额)；Age(企业年龄的对数)；控制变量：Soe(企业的性质)和EX(企业是否出口)；代理变量I(企业的投资)；自由变量L(员工人数)和M(购入商品和劳务的金额)；Year(年度)； Exit(企业是否退出市场)，上述公式残差ε则为全要素生产率。

2.解释变量

高管股权激励(Ei)参考徐宁[15]的做法，Ei用高管持股数除以总股数来表示。

3.控制变量

本文选择的控制变量详见表1。

4.模型设计

为验证假设1，设计了模型一：

TFP=β0+β1Ei+β2Size+β3Roa+β4Age+β5Cash+β6Lev+β7RobinQ+β8Soe+β9Inp+β10Boardsize+β11First+β12Year+ε

表1 变量定义

续表1

三、实证结果及分析

(一)变量的描述性统计

表2列示了主要变量的基本统计量，上市公司的TFP的最大值(最小值)为6.089(2.230)，平均值为3.672，不同公司的TFP有一定的差异性，这与之前学者测算结果基本一致。本文的核心解释变量高管股权激励(Ei)的平均值为0.064，中位数为0，表明在我国实施高管股权激励的公司相对较少，且激励的强度不大。中国证监会要求公司独立董事(Inp)占比应不低于三分之一，但最小值只有0.091，说明有些公司制度仍不太完善，其他控制变量数据总体上分布较为合理。

表2 变量的描述性统计

(二)回归结果分析

1.高管股权激励与企业全要素生产率

采用方差膨胀因子Vif来检验模型中各变量是否共线，模型一Vif最大值为1.82，平均值为1.43，说明各变量之间不存在严重的多重共线性。为了选择恰当的回归方法，对模型一进行了F检验、B-P检验、Hausman检验，最终选取了固定效应模型回归。模型一的回归情况如表3所示。除了企业性质(Soe)、董事会规模(Boardsize)在影响全要素生产率方面不显著外，其余变量均显著。第(1)列是加入公司财务特征后的回归结果，第(2)列、第(3)列在第(1)列的基础上，分别加入公司治理特征和年度的回归结果，股权激励(Ei)变量的符号方向以及显著性仍无明显改变。另外，相较于第(1)列而言，第(2)列、第(3)列的Within.R2稳步上升，一定程度上佐证了模型架构的合理性。回归结果表明，高管股权激励与企业全要素生产率呈显著正相关关系，即高管股权激励正向影响企业全要素生产率，验证了假设1成立。企业规模(Size)的回归系数在1%的水平上显著为正，说明企业规模大的企业，全要素生产率也会相应地变大。总资产收益率(Roa)和托宾Q(TobinQ)与全要素生产率的关系都在1%的水平上显著正相关，Roa反映了企业单位资产带来的净利润以及资产的利用情况，TobinQ也反映了企业的成长性情况，当这两个指标越大时，说明企业的盈利能力越好、也更能有效地运用资金。因此，它们能够有效地提升企业全要素生产率。企业年龄(Age)前的回归系数为也在1%的水平上显著为正，说明上市时间长的公司，在公司的经营管理方面越有经验，应对外部环境变化的能力也越强。现金流(Cash)的回归系数同样在1%的水平上显著为正，说明企业的流动资金越多，企业全要素生产率也越高。

2.高管股权激励、技术创新与企业全要素生产率

本文用研发强度(RD)衡量企业技术创新，即企业研发支出与总资产之比。结果如表4所示，第(1)列表明股权激励正向影响企业的全要素生产率；第(2)列展示了股权激励的估计系数在5%的水平上显著为正，说明股权激励能够促进企业的研发投入，第(3)列同时加入了股权激励与研发强度，二者的估计系数均在5%或更高的水平上显著为正，证明高管股权激励促进企业技术创新进而正向影响企业生产率。

3. 影响因素分析

股权激励对企业全要素生产率的作用效果不仅受到股权激励方案设计的影响，还会受到企业自身异质性特征的影响。从股权激励方案设计角度分析，激励有效期是股权激励方案设计的重要组成部分，它影响着股票的行权期限。证监会对行权限制期的一般规定是在1—10年。但是从内部公司治理安排来看，行权有效期比较多的集中在5年及5年以下，使得股权激励成为公司实施机会主义行为的载体，导致激励效果不足。为进一步检验股权激励有效期长短对高管股权激励与企业全要素生产率之间关系的影响，本文将样本划分为较长激励期(5年以上)和较短激励期(5年以下)。

从企业产权性质角度分析，根据实际控制人的不同可将企业划分为国有与非国有。在实际执行的过程中，不同产权性质的企业，激励的作用效果会存在差异。一方面，国有企业引入股权激励制度后，经营者因享有企业股权而可以参与剩余利润的分配，过程中会伴随所有权由公有向私有的转换及国有资产的保值和流失。因此，如何既保证国有企业所有制性质又能有效激励经营者，受到股票授予数量的限制，其数量会直接影响激励的作用效果。另一方面，《国有控股上市公司实施股权激励试行办法》规定，高管因股权激励而获取的收益不得超过薪酬的30%，这意味着即使高管在行权时股票价格上涨得再高，其自身仍不会获取太多的收益，这会导致国有企业股权激励不足，难以有效地激励经营者。因此，相比国有企业，非国有企业股权激励的作用效果相对较好。本文参照了盛明泉等[16]的思路将总样本分为国有企业与非国有企业，进行分组检验产权性质差异对高管股权激励与企业全要素生产率之间关系的影响。

如表5所示，第(1)(2)列展示了按激励有效期的分组回归结果，对于较长激励有效期组企业而言，高管股权激励仍正向影响企业的生产率，但在较短激励有效期组内，二者的关系却不显著，说明较短的激励有效期有利于高管尽早获得股权激励收益，股权激励成为高管谋求自身利益的工具，激励效果不显著。第(3)(4)列按产权性质分类的回归结果发现高管股权激励对企业全要素生产率的影响在非国有企业中在10%的水平上显著正相关，在国有企业中却不显著，说明在国有企业中股票授予数量不足、激励收益受限等问题会导致股权激励难以达到实际激励的效果，但在非国有企业中实施效果则相对较好。

表5 影响因素检验

注：括号内为t值，*p<0.1，**p<0.05，***p<0.01。

(三)稳健性检验

为了进一步检验上述结果的稳健性，本文参照了盛明泉等[17]用替换变量的方法进行检验，并考虑了可能存在的内生性问题。

1.被解释变量TFP的衡量。采用FE方法测量全要素生产率(TFP_fe)代替被解释变量TFP_op进行检验，回归结果见表6第(1)列，Ei的系数的符号和显著性均未发生改变。

2.解释变量的衡量。采用管理层持股比例(GEi)替代高管持股比例(Ei)衡量股权激励，回归结果见表6第(2)列，管理层持股比例正向影响企业全要素生产率，但是系数不显著。

3.可能存在的内生性问题。企业实行的激励措施有利于高管更加努力地工作，进而促进企业生产效率的提高和业绩的提升，但当企业生产效率提高、业绩提升，企业也可能会加大对高管和普通员工的奖赏力度，这可能会产生因反向因果而导致的内生性问题，为缓解其对研究结论的影响，采用自变量的滞后一期来进行回归。L.Ei为高管股权激励的滞后一期。回归结果见表6第(3)列，可以看出核心解释变量的系数符号和显著性均未发生变化，进一步验证高管股权激励与企业全要素生产率之间的关系。

总体上，上述检验结果验证了高管股权激励与企业全要素生产率的关系。

表6 稳健性检验

注：括号内为t值，*p<0.1，**p<0.05，***p<0.01。

四、结论与启示

本文以2007—2016年中国A股制造业上市公司为样本，采用OP方法测量企业全要素生产率，检验高管股权激励与企业全要素生产率之间的关系。研究发现，高管股权激励正向影响企业全要素生产率，进一步检验发现，高管股权激励通过促进企业的研发投入，进而影响企业全要素生产率，最后，在股权激励有效期越长、非国有的上市公司中，高管股权激励对企业全要素生产率的正向影响越明显。基于此本文提出以下几点建议：第一，企业要优化薪酬激励机制,将短期激励与长期激励相结合，通过激励促进员工更好地为公司服务，提高企业的生产效率，促进企业的成长。此外，企业要重视高管股权激励影响企业全要素生产率的作用路径，即高管股权激励-技术创新-企业全要素生产率。通过对高管实施激励，可以改善其对创新投资项目的选择，尤其是能为企业带来长期利益的创新投资项目，企业的创新能力的提升对企业生产率有着至关重要的影响。第二，针对股权激励制度，长期的激励有效期对高管有激励作用，较短的激励有效期有利于高管尽早获得股权激励收益，激励作用不显著，因此，企业在制定股权激励计划时，要合理设计行权期，让股权激励制度对高管起到激励效用而非福利效用。第三，相比于非国有企业，国有企业股权激励的实施效果并不太理想，在我国特殊的制度背景下，股权激励实施仍然难度重重，因此，国有企业要加快内部机构改革，优化治理机制，真正让政策计划落实，发挥其应有的作用。