连锁董事网络位置、联结强度对高管薪酬粘性的治理：促进还是抑制?

李洋,2 汪平 张丁

(1.首都经济贸易大学 会计学院，北京 100070； 2.四川师范大学 商学院，四川 成都 610101)

一、引言

2017年底恒大集团以1 500万元的年薪聘经济分析师任泽平担任首席经济学家，其能否成就集团战略担当还有待观察，但此事件将高管“天价薪酬”再一次推向风口浪尖。据Wind资讯数据统计，2017年共有3 477家A股上市公司披露了高管薪酬情况，高管共计领取薪酬约236亿元，较去年增长近10%，其中泛海控股和中国平安的高管薪酬总额分别以1.26亿元和1.23亿元高居前两位；高管年薪在100万元以上的有4 987位，500万元以上的有148位，1 000万元以上的有13位，方大特钢董事钟崇武以超过4 000万元的年薪蝉联榜首。但与此形成鲜明对比的是，约70%的公司出现薪酬业绩“倒挂现象”，其业绩增速逐年减缓，不良资产率持续上升。尽管2009年、2015年国家分别出台了针对央企的限薪令，但现实效果并不乐观，薪酬与业绩的不对称性日益凸显[1]，2012-2016年国企高管薪酬的年均增速为2.64%，民企更是高达100.7%。在市场环境低迷、企业业绩受挫的经济背景下，高管薪酬不降反升，或是降薪幅度远低于业绩下滑幅度，出现了明显的粘性特征[2]。如果业绩不再是决定薪酬的主要因素，那背后的原因究竟是什么？又如何去探寻有效的治理路径？

董事会作为薪酬契约的设计者，负有激励与监督的双重责任[3]，薪酬业绩不匹配现象，实则董事会和管理层在薪酬谈判的博弈中不作为的表现，由此引发的薪酬粘性问题，在某种程度上意味着董事会传统的“单打独斗”职能已经无法满足经济环境转型及高质量发展的需求[4]。我国企业正处在“关系型社会”的制度背景中，现代企业间通过连锁董事、交叉持股、高管兼任等构造了错综复杂的社会网络，连锁董事个体同时任职于不同公司董事会而形成的董事联结关系[5-6]，成为了社会网络体系的主要形式。作为一种重要的信息传导路径与资源共享平台，董事联结能够在很大程度上弥补正式制度的缺陷，其信息媒介功能已在多个角度得到证实，包括并购目标选择[7]、投资效率[8]、信息披露质量[9]、股价联动[10]、盈余操作行为[11]、管理层过度自信[12]、风险承担[13]、研发投入[14]、创新绩效[15]、财务总监执行力[16]等。Larcker等(2010)[17]则认为，连锁董事在高管薪酬领域更加具有解释力，通过缓解信息不对称能为薪酬体系的优化提供积极的战略信息。洪峰(2015)[18]也指出，基于薪酬契约视角的分析能够更直接地验证董事网络的治理效应。但当前针对董事联结与高管薪酬粘性的研究尚属起步阶段，因此，本文试图回答以下问题：连锁董事网络对高管薪酬粘性的作用机理是什么？其网络位置促进还是抑制了薪酬粘性？其联结强度如何调节网络位置与薪酬粘性之间的关系？其治理效果在不同的控股环境下是否存在显著差异？

本文的主要创新点如下：一是前学界主要从网络中心度的视角研究董事联结的治理效应，本研究另辟蹊径，引入联结强度这一现实且普遍的情境因素，从网络位置、联结强度两个层面检验董事网络对于高管薪酬粘性的作用路径，丰富了相关的研究文献；二是基于弱联结优势理论，本文深入剖析董事网络的内部结构，明确区分内外部董事之间不同联结关系的强弱，分别从董事层面与公司层面提出联结强度的计量方法，简单易懂且操作性强，有助于后续研究的推广应用；三是以往研究大都肯定董事联结的积极效应，却鲜有学者提及其消极影响，本文发现不同的联结强度和异质的控股环境，对董事网络位置与高管薪酬粘性的关系呈现出正反两面的双重调节效应，为进一步界定连锁董事网络的治理机制提供了新的研究视角和经验证据。

二、理论分析与研究假设

(一)董事网络位置与高管薪酬粘性

高管薪酬粘性的研究始于上世纪末，Jackson等(2008)[19]将其定义为，随业绩上升而增加的边际薪酬大于随业绩下降而减少的边际薪酬，薪酬在业绩波动时呈现出向上的弹性和向下的刚性。方军雄(2009)[20]指出我国上市公司的薪酬业绩敏感性并不对称，高管薪酬的粘性特征普遍存在，这一观点随后也得到了诸多学者的证实[21-23]。接连曝光的薪酬业绩不匹配乱象急需寻找新的突破口，而董事会独立性对于薪酬契约的治理机制开始进入学界视野。早期关于董事会与高管薪酬的文献，大都从个人特征和构成角度出发，包括董事的年龄、学历、专长、政治及技术背景，或董事会规模、独立董事比例、董事长与总经理两职合一等方面[24-26]，却忽视了董事会从社会网络中获取的信息、权力、资源对于薪酬契约的影响。陈运森等(2012)[27]认为，董事会成员的个体属性特征既是自主行为，更是嵌入社会网络中的互动行为，董事联结在高管薪酬契约的方案设计、激励体系、监督机制等方面能够形成更为积极的治理作用。而为数不多的关于董事网络与高管薪酬的研究，主要在薪酬激励[28-29]、薪酬契约比较[30]、超额薪酬[18]、CEO薪酬[31-32]等方面展开，目前还尚未涉及高管薪酬粘性问题。

董事联结作为一种特殊的社会网络关系，价值在于镶嵌在社会网络中的由声誉、信息和知识、战略资源三种类型所构成的社会资本[33]，能够为联结企业相互获取异质信息、有效利用稀缺资源提供重要平台。连锁董事分别在不同的企业董事会任职，每个董事的网络位置不一致，任职的企业数量越多，代表董事所处的网络中心度越高。董事越靠近社会网络的中心位置，在不同企业之间的联结关系就越广，信息传递的机会与渠道就越多，对网络中资源的控制力和对其他企业的影响程度相对更大，拥有的社会资本也就越多，进而导致其治理动机与治理能力产生了差异。就治理动机而言，处于网络中心位置的董事能够获得更高的社会声誉感和职业认同感，参与公司治理的动机更强，在薪酬谈判的博弈中会力争取得更大的话语权，对于薪酬业绩倒挂现象能够更为客观、独立地发挥监督作用，进而有效抑制高管薪酬粘性。就治理能力而言，处于网络中心位置的董事从其兼任企业中可以得到更为丰富的薪酬激励知识，既有奖励绩效、福利状况、薪酬水平等显性知识，又有监管机制、设计方案等隐性知识[1]。这些信息通过董事网络在联结企业中及时传播并相互借鉴，还能保持有效的准确度与较高的影响力，能够对薪酬契约的优化与薪酬粘性的监管起到积极的治理效应。基于以上分析，本文提出假设1。

H1限定其他条件，董事网络位置对高管薪酬粘性具有负向影响，即董事网络中心度越高，高管薪酬粘性越弱。

(二)联结强度对董事网络位置与高管薪酬粘性的调节效应

Granovetter(1973)[34]创立的弱联结优势理论，从认识时间长短、互动频率、亲密程度、互惠交互程度等维度考察社会网络中联结关系的强弱。弱联结一般建立在社会经济特征不同的个体之间，产生的信息具有互补性和异质性；强联结通常建立在社会经济特征近似的个体之间，产生的信息具有冗余性和同质性[35]。基于董事职务的具体性质，董事网络结构可以分为外部(独立)董事与内部(执行)董事。外部董事往往为高校教授、协会领导或会计、法律、技术等专业人士，一般通过董事会会议、专业委员会会议及私下交流进行沟通，其治理作用主要靠声誉来维系，互惠交互程度较低，掌握的资源和信息更加具有异质性、多元化的特征，属于弱联结关系。内部董事隶属企业内部成员且大都是高级管理层，认识时间长、互动频率高、接触机会多，相互联结时获得的信息和知识同质化程度高，属于强联结关系。本文根据联结强度来界定董事网络结构，外部董事弱联结包括外部董事之间、外部董事与内部董事之间(即至少一方为外部董事)形成的社会网络关系，内部董事强联结只包括内部董事之间形成的社会网络关系，这与陈仕华等(2013)[36]对内、外部联结关系的划分标准[注]陈仕华等(2013)认为，外部董事联结是指仅由独立董事形成的董事联结关系；内部董事联结是指由至少一方是非独立董事形成的董事联结关系。这与本文对内外部董事联结的界定标准存在明显的差异。有所不同。

弱联结优势理论认为，外部董事占据了董事网络中的大部分弱联结关系，通过获取网络系统中更为丰富的社会资本，不仅扮演着关键结点与“桥”连接的核心角色，也掌握了稀缺资源的交换、借用和攫取，在异质信息的传递过程中起到了主导作用。而且，Bizjak等(2009)[5]还发现外部董事弱联结网络广泛存在着模仿效应，即作为有限理性的决策者更偏好联结企业的信息，会促进彼此之间薪酬标准和激励机制的效仿，引导联结企业具有基础特征的趋同性。联结企业既可以共享董事网络内部重要的信息和资源，还会相互交流、彼此模仿有关薪酬方案的可靠信息，因此，外部董事弱联结强化了董事网络中心度对于高管薪酬粘性的约束力。内部董事大都渗透进企业的管理层，和高管之间界限比较模糊，网络中心度的流动性往往偏低，异质信息的传播力与核心知识的效仿力相对不足，属于较为孤立的个体和“被动接受”的网络位置，不仅无法有效抑制管理层的权利膨胀，反而为其构建了一种防御机制。此时薪酬体系变成高管谋求自身福利的常规手段，薪酬契约反而成为股东和董事会之间一种新的代理问题[37]，因此，内部董事强联结弱化了董事网络中心度对于高管薪酬粘性的约束力。基于以上分析，本文提出假设2。

H2限定其他条件，董事联结强度对董事网络位置与高管薪酬粘性之间关系呈现差异化的调节效应。

H2a外部董事弱联结促进了董事网络位置对高管薪酬粘性的负向影响。

H2b内部董事强联结抑制了董事网络位置对高管薪酬粘性的负向影响。

三、变量设计与模型构建

(一)变量设计

1.被解释变量：高管薪酬粘性值

目前高管薪酬粘性的研究方法，大都基于企业业绩连续变量与业绩变动虚拟变量(业绩下降为1，否则为0)的交互项建立回归模型，通过对比模型的回归系数来检验薪酬粘性[20]。这种做法只能判定薪酬粘性的存在与否，无法直接拟合出具体的变量值进行交叉研究。本文借鉴步丹璐等(2013)[38]的做法，首先通过前后年度高管薪酬变动率与企业业绩变动率的比值得到薪酬业绩敏感性，然后计算业绩上升年度的敏感性均值与业绩下降年度的敏感性均值之差，即可求出高管薪酬粘性值。该方法能够直接观测出高管薪酬在业绩上升时的增加幅度比业绩下降时的减少幅度平均高出的百分点，不仅更契合高管薪酬粘性的基本定义，而且还能作为本文被解释变量的数据来源，计算公式为

(1)

其中，D=i表示企业业绩的升降，i=0即业绩上升，i=1即业绩下降；t为第t年度；Pay表示高管(不包括董事和监事)薪酬，以薪酬排名前三高管的年度货币薪酬总额来衡量；(Payt-Payt-1)/Payt-1表示高管薪酬变动率；NI表示企业业绩，以净利润来衡量；(NIt-NIt-1)/NIt-1表示企业业绩变动率。

2.解释变量：董事网络位置

为了衡量每位连锁董事所处的网络位置对其获取信息和资源能力大小的影响程度，本文借鉴社会网络理论中的中心度分析法[39]，选取了程度中心度Degree、中介中心度Betweenness作为代理变量。程度中心度反映某位董事和其他董事发生直接联结关系的数量之和；中介中心度反映某位董事控制其他董事联系路径的程度。这两个指标的计算方法已在国内多篇文献[6, 15, 28]中出现，这里不再赘述，具体的处理步骤如下。

3.调节变量：董事联结强度

谢德仁等(2012)[6]曾运用弱联结优势理论对董事联结强度做了定义与分类，但并未涉及具体的计量方法，也没有从公司层面进行探讨。陈仕华等(2013)[36]在研究董事联结对并购目标公司选择的影响时，使用虚拟变量来衡量内外部董事的联结关系，该做法只是模糊地考察了联结关系的不同类型，而不能真正反映董事网络内部的基本构架与强度大小。至此，以后的学者就没有再触及董事联结强度的计量问题。

本文认为，董事联结强度的计量需要深入剖析董事网络的内部结构，明确区分外部董事之间、外部董事与内部董事之间，以及内部董事之间的具体联结关系。为了清晰界定董事网络内部的各类关系，本文通过图1进行说明，分别从董事层面与公司层面来介绍计量方法。其中，虚线表示外部董事之间、外部董事与内部董事之间的弱联结关系，实线表示内部董事之间的强联结关系，▲表示外部(独立)董事Oi，●表示内部(执行)董事Ii。

就董事层面来说，以外部董事O1为例，他同时在A、B、C、D四家公司兼任独立董事，与A公司有2条联结数，与B公司有3条联结数，与C公司有4条联结数，与D公司有6条联结数，共计15条联结数。但由于O1与O3同时在C、D公司董事会任职，只能算1条联结数，所以O1的最终联结数应为14条，而且都是弱联结关系。而内部董事ID1由于只在D公司内部任职，仅与D公司有6条联结数，其中，与内部董事ID2、ID3、ID4之间形成的是3条强联结数，与外部董事O1、O3、O4之间形成的是3条弱联结数。通过比较O1和ID1的联结强度可知，O1拥有了更为广泛化、异质性的信息和资源，其公司决策行为必然具有更加积极的治理效应。

就公司层面来说，A公司董事会有1个外部董事，2个内部董事，O1分别和IA1、IA2形成了2条弱联结数(内外)，IA1和IA2形成了1条强联结数(内内)。B公司董事会有2个外部董事，2个内部董事，O1和O2形成了1条弱联结数(外外)，O1、O2分别和IB1、IB2两两形成了4条弱联结数(内外)，IB1和IB2形成了1条强联结数(内内)。以此类推，D公司的O1、O3、O4之间两两形成了3条弱联结数(外外)，O1、O3、O4分别和ID1、ID2、ID3、ID4两两形成了12条弱联结数(内外)，ID1、ID2、ID3、ID4之间两两形成了6条强联结数(内内)。

图1 董事联结强度关系图(公司层面)

本文着重考察公司层面的董事联结强度。根据图1中各类联结关系的推导过程可以看出，外部董事之间的弱联结数实际表现为一个等差数列，计算公式为

(2)

其中，m表示某企业董事网络中外部董事的人数。

外部董事与内部董事之间的弱联结数是两类董事人数的乘积，计算公式为

strength_out_in=m·n

(3)

其中，n表示某企业董事网络中内部董事的人数。

外部董事弱联结数即是外外联结数与内外联结数之和，计算公式为

(4)

与外部董事之间的弱联结数同理，内部董事强联结数也表现为一个等差数列，计算公式为

(5)

4.控制变量

控制变量的选择依据为前人已经证实对高管薪酬粘性产生影响的因素，包括公司规模、杠杆水平、公司成长性等财务特征变量，以及两职兼任、独立董事比例、高管持股比例等治理特征变量。同时，由于我国不同地区的薪酬水平与粘性程度具有较大差异，通过公司注册地控制了区域发展失衡的问题。此外，为了降低行业和宏观因素的影响，还选取了行业虚拟变量与年度虚拟变量。本文的研究变量在表1中详细列示。

表1 研究变量设计与说明

类型名称代码计算方法被解释变量高管薪酬粘性ECS企业业绩上升时和下降时各自的薪酬业绩敏感性均值之差解释变量(网络位置)程度中心度Degree某位董事和其他董事发生直接联结关系的数量之和,取均值中介中心度Betweenness某位董事控制其他董事联系路径的程度,取均值调节变量(联结强度)外部董事弱联结Strength_out外部董事之间、外部董事与内部董事之间的联结数之和内部董事强联结Strength_in内部董事之间的联结数控制变量公司规模Size总资产的自然对数杠杆水平Lev总负债与总资产的比值公司成长性Growth营业收入增长率两职兼任Duality董事长与总经理是否为同一人,是为1,否为0独立董事比例Indep独立董事人数占董事会成员总数的比例高管持股比例Holding高管持股数占总股数的比例公司注册地East注册地是否在东部,是为1,否为0Central注册地是否在中部,是为1,否为0West注册地是否在西部,是为1,否为0行业Industry依据2012年证监会《上市公司分类与代码》设置行业虚拟变量,制造业按二级代码分类,其他行业按一级代码分类年度Year依据样本区间的范围(2013-2017)设置年度虚拟变量

(二)模型构建

为了验证假设1，本文构建多元回归模型(6)。Netcen表示董事网络位置变量，包括程度中心度Degree、中介中心度Betweenness。Netcen的回归系数β1表示董事网络位置与高管薪酬粘性之间的相关性。根据假设1，若董事网络中心度对高管薪酬粘性具有负向影响，则Netcen的系数β1应显著为负。

ECS=β0+β1×Netcen+βi×Control+ΣIND+ΣYear+ε

(6)

为了验证假设2，本文构建多元回归模型(7)。Strength表示董事联结强度变量，包括外部董事弱联结Strength_out、内部董事强联结Strength_in。交互项Netcen×Strength的回归系数β3表示联结强度对董事网络位置与高管薪酬粘性之间关系的调节效应。根据假设2，若外部董事弱联结促进了网络中心度与高管薪酬粘性的负相关性，则Netcen×Strength_out的系数β3应显著为负；若内部董事强联结抑制了网络中心度与高管薪酬粘性的负相关性，则Netcen×Strength_in的系数β3应显著为正。

ECS=β0+β1×Netcen+β2×Strength+β3×Netcen×Strength+βi×Control+ΣIND+ΣYear+ε

(7)

四、样本数据与统计描述

(一)样本数据

本文从CSMAR数据库中选择2013—2017年沪市A股全部非金融类上市公司作为初始研究样本，因为被解释变量涉及的薪酬变动与业绩变动要进行前后年度的数据对比，所以其时限区间为2012—2017年。首先，剔除ST类、终止上市、上市年度不足考察年限及董事个人资料缺失的样本，如果只是个别指标的缺失，则尽量从其他数据库及公司年报中补齐，否则予以剔除。然后，通过以下步骤识别样本公司的董事联结关系：(1)搜集董事任职资料作为基础信息，并筛选出外部董事与内部董事计算联结强度；(2)从姓名、性别、年龄、学历、工作经历等方面剔除重名的董事，保证每个董事的身份独一无二；(3)从董事与公司、董事与董事、公司与公司三个角度，全方位确定是否发生董事联结关系，以此构建“董事-公司”二维矩阵，再将其分别转化为公司层面的“公司-公司”一维矩阵和董事层面的“董事-董事”一维矩阵。如果样本公司在考察时限内没有发生过董事联结关系，也予以剔除，最终得到814家公司及4 070个公司年度观测值，并对主要连续变量进行了上下1%的Winsorize处理，以消除极端值的影响。此外，采用大型社会网络数据分析软件Pajek计算公司层面与董事层面的网络中心度，采用Excel计算公司层面的联结强度，采用Stata14.0进行统计分析。

(二)描述性统计

主要变量的描述性统计结果如表2所示。可以看出，ECS的均值为3.719，最大值和最小值分别为469.841、-13.643，标准差高达10.647，说明高管薪酬在业绩上升时的增加幅度比业绩下降时的减少幅度平均高出3.719%，我国上市公司普遍存在薪酬粘性特征，且在不同企业中差异明显。此外，还出现了薪酬粘性值小于0，即业绩上升时薪酬反而下降等特殊情况。本文的公司年度观测值共计4 070个，其中有3 230个为正，占全样本的79.36%；有840个为负，占全样本的20.64%，这也说明了“重奖轻罚”现象在我国上市公司较为普遍。

表2 主要变量的描述性统计结果

变量样本数均值标准差最大值最小值中位数1/4分位数3/4分位数ECS4 0703.71910.647469.841-13.6430.7840.0712.788Degree4 0704.9743.23113.70005.0012.4966.998Betweenness4 0700.0040.0030.01600.0030.0020.006Strength_out4 07023.44010.074607211826Strength_in4 07014.3017.746453151015Size4 07022.6281.43726.93819.25922.49821.70323.488Lev4 0700.5180.2020.9400.0920.5190.3700.672Growth4 0700.1620.6645.034-0.6000.051-0.0670.184Duality4 0700.1460.35310000Indep4 0700.3730.5230.5710.3330.3640.3330.400Holding4 0700.0070.0340.2520000

Degree的均值为4.974，标准差为3.231，反映了平均每家上市公司与五家左右的公司联结，董事网络在我国已比较盛行，但各企业之间的联结数量差异较大。Betweenness的均值为0.003，标准差很小，表明了我国上市公司不同联结关系对信息流的控制度比较接近，或许也从另一个角度揭示了目前董事网络中的信息流通还缺乏异质性和稀缺性。Strength_out的均值为23.440，标准差为10.074，Strength_in的均值为14.301，标准差为7.746，说明外部董事之间、外部董事与内部董事之间平均形成了约23条弱联结数，而内部董事之间平均只有约14条强联结数。该结果与弱联结优势理论相吻合，即外部董事弱联结占据了董事网络中的大部分优势资源，在异质信息的传递过程中起到了主导作用。

(三)相关性分析

主要变量的相关系数矩阵如表3所示。可以看出，ECS与Degree、Betweenness都在1%的水平下显著负相关，而且其系数值极为接近，说明董事网络位置越高，高管薪酬粘性越弱，假设1得到初步验证。同时，ECS与Strength_out在5%的水平下显著负相关，与Strength_in在1%的水平下显著正相关，初步说明董事联结强弱关系对高管薪酬粘性具有差异化影响，基本符合前文的预期，但无法反映联结强度在网络位置和薪酬粘性之间的调节效应，假设2还需要进行后续检验。

Degree与Betweenness的相关系数为0.728，Strength_out与Strength_in的相关系数为0.893，除此之外其余变量间的相关系数均在0.5以下。具体分析发现，两个网络位置指标、两个联结强度指标之间均具有一定程度的信息重叠，所以分别进入不同的模型，对其回归结果并无影响。因此，本文所选取的研究变量不存在严重的多重共线性问题，适合引入模型进行回归分析。

表3 主要变量的pearson相关系数矩阵

变量ECSDegreeBetweennessStrength_outStrength_inSizeLevGrowthDualityIndepHoldingECS1——————————Degree-0.043∗∗∗1—————————Betweenness-0.042∗∗∗0.728∗∗∗1————————Strength_out-0.011∗∗0.188∗∗∗0.125∗∗∗1———————Strength_in0.015∗∗∗0.153∗∗∗0.097∗∗∗0.893∗∗∗1——————Size0.043∗∗∗0.028∗∗∗0.175∗∗∗0.284∗∗∗0.211∗∗∗1—————Lev-0.028∗0.037∗∗0.042∗∗∗0.090∗∗∗0.066∗∗∗0.187∗∗∗1————Growth-0.0020.0190.022-0.0030.002-0.0130.0051———Duality0.041∗∗∗-0.071∗∗∗-0.033∗∗∗-0.119∗∗∗-0.122∗∗∗-0.108∗∗∗-0.025-0.0061——Indep0.044∗∗∗0.013∗∗0.023∗∗∗-0.145∗∗∗-0.515∗∗∗0.094∗∗∗0.027∗-0.0110.063∗∗∗1—Holding-0.000-0.065∗∗∗-0.029∗-0.045∗∗∗-0.046∗∗∗-0.037∗∗∗-0.049∗∗∗-0.0030.221∗∗∗0.027∗1

注：*、**、***分别表示10%、5%、1%的显著性水平。

五、实证检验及结果分析

(一)多元回归分析

本文采用OLS回归模型进行分析，结果如表4所示。模型(6)为董事网络位置与高管薪酬粘性的检验结果。两组回归中，Netcen都在1%的水平下显著负相关，说明董事网络中心度越高，拥有的社会资本越多，能够对薪酬契约的优化起到积极的治理效应，高管薪酬粘性也就越弱，假设H1得到验证。

模型(7)为联结强度对董事网络位置与高管薪酬粘性调节效应的检验结果。四组回归中，Netcen都在1%或5%的水平下显著负相关，与模型(6)的结果基本一致，假设H1再一次被验证。交互项Degree×Strength_out、Betweenness×Strength_out的回归系数都为负，且至少通过了5%的显著性检验，说明外部董事弱联结能够凭借更为丰富的社会资本及彼此之间的模仿效应，进一步推动治理决策和监督行为的有效性，强化了网络位置对于薪酬粘性的约束力，假设H2a得到验证。而交互项Degree×Strength_in、Betweenness×Strength_in的回归系数都为正，也至少通过了5%的显著性检验，说明内部董事强联结在董事网络中联结数偏少，流动性不足，对异质信息的传播力与核心知识的效仿力相对有限，弱化了网络位置对于薪酬粘性的约束力，假设H2b也得到验证。

表4 董事网络位置、联结强度与高管薪酬粘性的回归结果

变量主效应检验-模型(6)调节效应检验-模型(7)DegreeBetweennessDegreeBetweennessStrength_outStrength_inStrength_outStrength_inNetcen-1.301∗∗∗(-3.9)-11.882∗∗∗(-3.90)-0.825∗∗(-2.41)-0.797∗∗(-2.33)-13.051∗∗∗(-4.71)-15.342∗∗∗(-4.21)Strength---0.523∗(-1.94)0.622∗∗(2.50)-0.683∗∗∗(-2.77)0.925∗∗∗(5.91)Netcen×Strength——-0.780∗∗(-2.28)0.314∗∗∗(4.94)-1.319∗∗∗(-3.95)1.563∗∗(2.22)Size0.540∗(1.77)0.549∗(1.81)0.512∗(1.68)0.501(1.65)0.516∗(1.70)0.529∗(1.74)Lev2.119(1.43)2.077(1.40)2.217(1.50)2.138(1.44)2.181(1.47)2.076(1.40)Growth-0.000(-0.04)-0.000(-0.04)-0.000(-0.06)-0.000(-0.04)-0.000(-0.06)-0.000(-0.05)Duality3.321∗∗∗(2.78)3.263∗∗∗(2.73)3.446∗∗∗(2.88)3.348∗∗∗(2.80)3.367∗∗∗(2.82)3.211∗∗∗(2.69)Indep16.563∗∗(2.03)16.862∗∗(2.07)47.005∗∗∗(3.27)27.586∗∗∗(2.77)51.103∗∗∗(3.61)23.751∗∗(2.41)Holding-6.823(-0.68)-7.485(-0.75)-7.161(-0.71)-7.711(-0.77)-7.227(-0.72)-7.618(-0.76)East-1.689(-1.10)-1.708(-1.11)-1.739(-1.13)-1.550(-1.01)-1.805(-1.18)-1.618(-1.05)Central-5.568∗∗∗(-3.15)-5.648∗∗∗(-3.20)-5.485∗∗∗(-3.11)-5.380∗∗∗(-3.05)-5.587∗∗∗(-3.17)-5.561∗∗∗(-3.15)West-3.777∗∗(-2.18)-3.858∗∗(-2.22)-3.924∗∗(-2.26)-3.716∗∗(-2.14)-3.996∗∗(-2.30)-3.756∗∗(-2.16)Industry控制控制控制控制控制控制Year控制控制控制控制控制控制Constant-12.777∗(-1.82)-12.723∗(-1.81)-44.078∗∗∗(-3.34)-12.954∗(-1.76)-46.053∗∗∗(-3.50)-10.722(-1.46)Adjust-R20.1670.1640.0490.0430.0470.042F-Value12.52∗∗∗12.27∗∗∗9.34∗∗∗8.92∗∗∗9.02∗∗∗8.76∗∗∗样本数4 0704 0704 0704 0704 0704 070

注：括号内为t值，*、**、***分别表示10%、5%、1%的显著性水平。

控制变量方面，大部分模型的Size都在10%的水平下显著正相关，说明公司规模越大，组织结构越复杂，管理层越有机会提升薪酬议价能力。所有模型的Duality都在1%的水平下显著正相关，说明两职兼任更容易导致董事与管理层共谋而增大薪酬粘性。所有模型的Indep至少在5%水平下显著正相关，说明独立董事比例增大了薪酬粘性，而郝云宏等(2018)[1]、梁雯等(2018)[40]则得出该变量不显著的结论，这是一个值得思考的话题。照理说，独立董事比例越高，越能强化管理层监督机制，进而降低高管薪酬粘性。一种可能的解释是我国企业的独立董事资质参差不齐以及“不独立”“不懂事”，并不意味着人数越多治理效应就越强，关键在于其所处的网络位置能否带来丰富的社会资本。这一结果也契合了陈运森等(2012)[27]的观点，即董事会治理应是嵌入社会网络中的互动行为。区域变量East不显著，Central、West至少在5%的水平下显著负相关，说明中西部地区更能抑制高管薪酬粘性。此外，所有模型的Lev、Growth、Holding都未通过显著性检验，说明杠杆水平所反映的债务刚性约束特征并没有发挥相应的治理作用，高管持股比例太低导致股权激励效果不明显，公司成长性则需要基于生命周期理论进行阶段性分析。

(二)拓展性分析

我国正处于经济体制转型的关键阶段，伴随混合所有制改革的推进，对上市公司的控股主体重新进行分类之后，控股股东的性质发生了巨大变化。在股东异质性、政治关联和政府干预的共同作用下，国家股东与非国家股东[注]基于终极产权论，股东性质可以细分为7种类型：国有股东、国企股东、外企股东、民企股东、个人及家族股东、机构股东、事业股东[43]。前两者合称为国家股东，其他五类合称为非国家股东。之间彼此交融、相互对抗，连锁董事网络对高管薪酬粘性的治理效果在不同控股环境中是否存在显著差异？其网络位置与联结强度会不会受到产权性质的约束？这是本文亟待进一步考察的问题。

国家股东一方面要追求企业的经营绩效，一方面又受到政府的控制和干预，同时还要承担弥补市场缺陷、服务公共利益的社会责任，更多的政策性负担被强行施加，其公司治理行为具有明显的政治导向性，必然弱化了经济利益诉求[41]。国有控股企业在董事遴选过程中，往往带有较强的行政任命色彩，对其网络位置和社会资本的识别度有限，容易导致董事会与管理层混淆或政企不分，出现内部人控制与所有者主体缺位现象。同时，国有控股企业在行业准入、政策支持、资金融通等方面有着天然的优势，容易忽视董事网络的社会资源配置功能。因此，外部董事弱联结在“一潭死水”的网络体系中变得越来越“不作为”“不独立”，在薪酬契约的制定上很难拥有话语权，对董事网络位置与高管薪酬粘性负向关系的促进作用明显减弱；内部董事强联结的政治关联特征更类似于政府官员与企业高管的结合体，比外部董事在薪酬谈判过程中更加具有权威性，对董事网络位置与高管薪酬粘性负向关系的抑制作用也有了一定程度的弱化。

非国家股东没有类似的产权约束，较少受到政府的干预，更关注产品的市场定位和竞争优势，对于经济利益诉求明显强于国家股东，进而带来高效率的监管机制和更积极的治理行为[42]。非国有控股企业在选聘董事时，主要通过市场化流程来进行，更看重董事自身的个人属性特征及所处网络位置，尽可能聘用网络中心度更高、社会资本更丰富的优质董事。同时还会不断优化董事网络结构，着重扩大外部董事辐射的弱联结关系。此外，非国有控股企业通常面临所有制歧视，董事会更加具有危机意识，非常重视董事联结所带来的信息资源共享平台。因此，外部董事弱联结在个人声誉动机和职业能力动机的驱使下变得更加“作为”“独立”，在薪酬制定、实施与监督上发挥的功能更大，对董事网络位置与高管薪酬粘性负向关系的促进作用明显增强；内部董事强联结与管理层界限模糊，相比国有控股企业又不具备较大的权威性，在薪酬谈判过程中甚至逐渐被管理层同化，对董事网络位置与高管薪酬粘性负向关系的抑制作用也被进一步放大。基于以上分析，本文提出假设3。

H3相比国有控股企业，非国有控股企业中董事联结强度的调节效应更为显著。

H3a非国有控股企业中，外部董事弱联结对董事网络位置与高管薪酬粘性负向关系的促进作用更强。

H3b非国有控股企业中，内部董事强联结对董事网络位置与高管薪酬粘性负向关系的抑制作用更强。

为了验证假设3，本文构建双重调节效应模型(8)，选择第一大股东性质State作为调节变量，若第一大股东为“国家股东”，即国有控股企业取1，否则为非国有控股企业取0。交互项Netcen×Strength×State的回归系数β7表示第一大股东性质对董事联结强度治理效果的差异化影响。根据假设3，若非国有控股企业中外部董事弱联结对网络位置与薪酬粘性负向关系的促进作用更强，Netcen×Strength_out的系数β6显著为负，为确保|β6+β7|<|β6|，则Netcen×Strength_out×State的系数β7应显著为正；若非国有控股企业中内部董事强联结对网络位置与薪酬粘性负向关系的抑制作用更强，Netcen×Strength_in的系数β6显著为正，为确保β6+β7<β6，则Netcen×Strength_in×State的系数β7应显著为负。

ECS=β0+β1×Netcen+β2×Strength+β3×State+β4×Netcen×State+β5×Strength×State+β6×Netcen×Strength+β7×Netcen×Strength×State+βi×Control+ΣInD+ΣYear+ε

(8)

表5列示了董事联结强度与第一大股东性质双重调节效应的检验结果。四组回归在加入State之后，交互项Degree×Strength_out、Betweenness×Strength_out仍然显著负相关，假设H2a再一次被验证。交互项Degree×Strength_in、Betweenness×Strength_in仍然显著正相关，H2b也得到又一次验证。需要重点关注的是不同控股性质下，联结强度对董事网络位置与高管薪酬粘性的差异化治理效应。交互项Degree×Strength_out×State、Betweenness×Strength_out×State的回归系数都为正，且在1%的水平下显著，说明相比国有控股企业，非国有控股企业中外部董事弱联结对网络位置与薪酬粘性负向关系的促进作用更强，假设H3a得到验证。交互项Degree×Strength_in×State、Betweenness×Strength_in×State的回归系数都为负，且在1%的水平下显著，说明相比国有控股企业，非国有控股企业中内部董事强联结对网络位置与薪酬粘性负向关系的抑制作用更强，假设H3b也得到验证。由此说明，董事网络价值与企业控股环境密切相关，第一大股东性质对网络位置与联结强度的治理效应具有差异化影响。

(三)稳健性检验

为了确保研究结论的可靠、严谨，本文从以下三个方面进行稳健性检验。

1.按第一大股东性质分组回归

衔接前文产权性质约束的思路，基于State将样本观测值分为国有控股企业与非国有控股企业两个组别，对模型(7)进行分组回归，检验结果如表6所示。可以看出，两个组别中主要变量Netcen、Strength回归系数的正负与表5都保持一致，除了部分显著性水平发生了变化，结果并没有实质性差异。而交互项Netcen×Strength的回归系数方向与表5同样一致，但在国有组基本不显著，在非国有组均通过了至少5%的显著性检验，说明联结强度在国有控股企业中并没有对董事网络位置与高管薪酬粘性的关系起到明显的调节作用，在非国有控股企业中则依然具有显著的治理效应。该结果支持了本文的研究假设H2和H3。

表5 第一大股东性质对治理效应差异化影响的回归结果

变量双重调节效应检验—模型(8)DegreeBetweennessStrength_outStrength_inStrength_outStrength_inNetcen-0.835∗∗(-2.44)-1.312∗(-1.67)-15.638∗∗∗(-4.29)-12.265∗∗∗(-4.01)Strength-0.477∗(-1.75)1.184∗∗∗(3.78)-0.259(-0.90)1.005∗∗∗(3.63)State5.126(1.29)5.805∗(2.07)6.066∗∗(2.07)6.968∗∗∗(2.84)Netcen×State-0.277(-0.41)-0.154(-0.27)-584.315(-1.03)-430.301(-0.88)Strength×State-0.313∗(-1.79)-0.563∗∗(-2.46)-0.355∗∗∗(-2.86)-0.647∗∗∗(-3.96)Netcen×Strength-0.755∗∗(-2.21)1.984∗∗∗(5.03)-1.804∗∗∗(-4.43)1.508∗∗∗(3.27)Netcen×Strength×State0.332∗∗∗(5.29)-2.010∗∗∗(-4.57)0.477∗∗∗(6.31)-1.982∗∗∗(-4.51)Size0.603∗∗(1.96)0.524∗(1.70)0.609∗∗(1.98)0.545∗(1.77)Lev2.160(1.46)2.042(1.38)2.100(1.42)1.958(1.32)Growth-0.000(-0.04)-0.000(-0.02)-0.000(-0.04)-0.000(-0.03)Duality3.300∗∗∗(2.74)3.293∗∗∗(2.73)3.227∗∗∗(2.68)3.181∗∗∗(2.64)Indep43.240∗∗∗(2.97)36.016∗∗∗(3.56)45.535∗∗∗(3.17)34.123∗∗∗(3.38)Holding-11.865(-1.16)-11.618(-1.14)-12.064(-1.18)-11.613(-1.14)East-1.737(-1.13)-1.702(-1.11)-1.805(-1.18)-1.794(-1.17)Central-5.217∗∗∗(-2.96)-5.213∗∗∗(-2.96)-5.334∗∗∗(-3.02)-5.420∗∗∗(-3.07)West-3.854∗∗(-2.22)-3.717∗∗(-2.14)-3.913∗∗(-2.26)-3.778∗∗(-2.18)Industry控制控制控制控制Year控制控制控制控制Constant-45.104∗∗∗(-3.37)-17.161∗∗(-2.25)-46.179∗∗∗(-3.49)-16.115∗∗(-2.16)Adjust-R20.0420.0430.0410.044F-Value7.18∗∗∗7.30∗∗∗8.59∗∗∗8.53∗∗∗样本数4 0704 0704 0704 070

注：括号内为t值，*、**、***分别表示10%、5%、1%的显著性水平。

值得注意的是，多个控制变量在两个组别中呈现出了规律性的特征。如Size、Duality在国有组均不显著，在非国有组都显著正相关，说明公司规模、两职兼任仅对非国有控股企业的高管薪酬粘性产生了较大影响，这与当前国有控股企业组织庞大、机构冗余，以及政府颁布限薪令有一定的关系。此外，Indep在国有组均显著正相关，在非国有组都不显著，说明国有控股企业中独立董事比例越高，高管薪酬粘性越强，这反映出仅为了达到法定人数而让独立董事形同虚设甚至与管理层同流合污的做法，并未带来真正的治理绩效，还起到了相反的效果。

表6 按第一大股东性质分组回归的稳健性检验结果

变量国有控股企业(State=1)非国有控股企业(State=0)DegreeBetweennessDegreeBetweennessStrength_outStrength_inStrength_outStrength_inStrength_outStrength_inStrength_outStrength_inNetcen-0.568(-0.62)-0.641∗(-1.76)-1.119(-1.25)-1.315∗(-1.67)-0.822∗∗(-2.41)-1.357∗∗∗(-4.06)-3.774∗∗∗(-2.6)-8.829∗∗∗(-3.86)Strength-0.715∗∗(-2.49)0.878∗∗∗(3.49)-0.823∗∗∗(-3.11)0.603∗∗∗(2.67)-1.982∗∗∗(-4.51)0.737∗∗∗(3.05)-1.791∗∗(-2.13)1.950∗∗∗(7.951)Netcen×Strength-0.008(-0.62)0.067(1.63)-0.117∗(-1.71)0.189(0.92)-0.822∗∗(-2.41)0.343∗∗∗(5.45)-1.137∗∗∗(-3.18)1.005∗∗(2.37)Size0.046(0.13)0.077(0.22)0.057(0.16)0.101(0.29)1.382∗∗(2.20)1.395∗∗(2.22)1.404∗∗(2.23)1.433∗∗(2.28)Lev1.758(0.73)1.437(0.59)1.667(0.69)1.370(0.57)2.198(1.07)2.262(1.10)2.139(1.04)2.201(1.07)Growth-0.000(-0.06)-0.000(-0.04)-0.000(-0.05)-0.000(-0.05)-0.014(-0.88)-0.014(-0.86)-0.015(-0.95)-0.015(-0.91)Duality-0.501(-0.31)-0.385(-0.24)-0.507(-0.32)-0.486(-0.30)6.601∗∗∗(3.49)6.609∗∗∗(3.50)6.473∗∗∗(3.42)6.498∗∗∗(3.44)Indep74.078∗∗∗(4.79)55.723∗∗∗(5.29)76.665∗∗∗(5.03)53.087∗∗∗(5.07)-23.355(-0.74)-8.749(-0.38)-23.086(-0.73)-8.253(-0.35)Holding46.396(0.53)49.057(0.56)43.866(0.50)45.694(0.52)-17.799(-1.46)-17.368(-1.42)-18.050(-1.48)-17.683(-1.45)East-3.954∗∗(-2.24)-3.851∗∗(-2.18)-3.988∗∗(-2.26)-3.894∗∗(-2.20)1.003(0.36)0.910(0.32)0.962(0.34)0.835(0.30)Central-7.193∗∗∗(-3.61)-6.826∗∗∗(-3.42)-7.319∗∗∗(-3.67)-7.020∗∗∗(-3.52)-3.472(-1.04)-3.526(-1.05)-3.592(-1.08)-3.674(-1.10)West-5.581∗∗∗(-2.80)-5.181∗∗∗(-2.60)-5.690∗∗∗(-2.86)-5.259∗∗∗(-2.64)-2.214(-0.70)-2.330(-0.73)-2.187(-0.69)-2.349(-0.74)Industry控制控制控制控制控制控制控制控制Year控制控制控制控制控制控制控制控制Constant-43.649∗∗∗(-3.03)-2.606(-0.33)-44.596∗∗∗(-3.11)-0.022(-0.00)-22.447(-0.76)-32.891∗∗(-1.96)-21.646(-0.73)-33.548∗∗(-2.00)Adjust-R20.0530.0550.0540.0510.0460.0420.0480.041F-Value7.23∗∗∗7.89∗∗∗7.31∗∗∗8.38∗∗∗7.59∗∗∗8.76∗∗∗7.98∗∗∗8.48∗∗∗样本数2 5392 5392 5392 5391 5311 5311 5311 531

注：括号内为t值，*、**、***分别表示10%、5%、1%水平下显著。

2.替换董事网络中心度指标

前文都是采用公司层面的网络中心度均值，稳健性检验选择了两种替换网络中心度指标的做法。(1)因为公司治理决策可能往往由网络中心度最高的董事发挥主要作用，所以借鉴陈运森等(2012)[27]的做法，用公司层面的网络中心度最大值替换均值；(2)用董事层面的网络中心度均值替换公司层面的网络中心度均值。检验结果稳定，与表5基本一致。

3.考虑内生性问题

由于变量的测量误差，或者被解释变量与解释变量之间相互影响，很可能导致回归模型出现内生性问题。本文的主要变量网络中心度、联结强度、高管薪酬粘性，都来自手工收集整理，为了避免误差和遗漏，尽可能从董事与公司、董事与董事、公司与公司三个角度反复识别，全方位确定是否发生董事联结关系，并选取程度中心度、中介中心度两个指标从不同侧面来衡量董事网络位置，降低单一维度的局限性。此外，本文的核心变量为董事联结强度，但该指标的调节效应及计量方法是我们初创，目前从现有文献中很难找到合适的工具变量，这也是我们后续研究所要解决的问题之一。因此，本文选择了替代做法，对解释变量和控制变量滞后一期处理，在一定程度上缓解逆向因果带来的内生性。检验结果稳定，与表5基本一致。

六、研究结论与启示

(一)主要研究结论

近年来，高管“天价薪酬”“高奖低罚”的现象持续升温，国家针对央企颁布的限薪令并未从根本上有效解决高管薪酬粘性问题。而董事联结作为一种重要的信息传导路径与资源共享平台，能够在很大程度上弥补正式制度的缺陷，为薪酬契约的优化与薪酬粘性的监管发挥治理功效。本文选取2013-2017年沪市A股上市公司数据为样本，基于社会网络理论与弱联结优势理论，构建了公司层面的董事网络中心度，剖析了董事网络结构内外联结关系的强弱，引入联结强度这一现实且普遍的情境因素，理论分析并实证检验了连锁董事网络对高管薪酬粘性的作用路径。主要的研究结论为：(1)董事网络中心度越高，高管薪酬粘性越弱；(2)联结强度对网络位置与薪酬粘性之间关系呈现差异化的调节作用，外部董事弱联结促进了网络位置对薪酬粘性的负向影响，产生积极的治理效应，内部董事强联结抑制了网络位置对薪酬粘性的负向影响，带来消极的治理效应；(3)进一步区分第一大股东性质后发现，相比国有控股企业，非国有控股企业中联结强度的调节效果更为显著，外部董事弱联结对网络位置与薪酬粘性负向关系的促进作用更强，内部董事强联结对网络位置与薪酬粘性负向关系的抑制作用更强。研究结果表明，连锁董事网络是治理高管薪酬粘性的有效路径，其网络位置能约束管理层权力膨胀，降低薪酬粘性程度，而外部董事弱联结和非国有控股环境还能双重调节网络位置的治理效果，使其呈现出更加强大的正面效应，但需要警惕内部董事强联结和国有控股环境连带导致的负面影响。

(二)研究启示

在我国经济转型加速升级的关键时期，资本市场各项制度仍有待健全，而董事联结实际上充当了正式制度的替代品对公司治理产生差异化影响。本文的研究结论具有较强的实践意义与普遍适用性，为连锁董事网络的逐步成熟和高管薪酬粘性的日趋完善提供了重要启示：(1)提升董事网络治理机制。企业应该充分重视并发挥董事联结积极的治理作用，尽量减少行政干预，严厉杜绝滥竽充数，通过市场化途径遴选个人声誉过硬、网络位置更高、社会资本更丰富的优质董事，强化利益诉求弱化政治色彩，着重构建外部董事弱联结关系，主动扩大社会网络辐射范围，不断提高连锁董事履职效果。(2)优化薪酬契约运作机制。企业应该有效健全薪酬契约的设计模式，持续推进高管薪酬信息披露制度，积极引入多元化的激励体系与监督机制，货币薪酬激励与长期股权激励互为补充，外部董事弱联结与薪酬专业委员会彼此融合，并借助媒体、公众的外部监督提高薪酬透明度，利用社会网络关系压缩管理层薪酬操纵空间。

目前学界对董事联结的研究尚未成熟，还有很多亟待逐步解决的问题。比如董事网络中的社会资本如何有效识别？社会资本能否利用会计手段进行确认与计量？有无必要进行网络关系与社会资本的信息披露？不同类型的网络资源对于董事联结的治理机制会不会存在差异化影响？董事个人的性格因素与心理偏好，在董事网络的治理过程中会起到怎样的调节或中介作用？同时，董事联结的信息媒介功能与公司治理效应已在多个角度得到正面肯定，却鲜有学者提及其负面影响。本文警示了内部董事强联结所产生的消极作用，而社会网络关系是否会削弱董事会独立性，进而恶化治理环境？连锁董事有无可能假借咨询之名实则个人敛财，进而侵蚀股东财富和企业绩效？上市公司应该怎样设计董事联结的运作机制与过程考核？监管部门应该如何规范连锁董事的兼任行为及机会主义？董事网络的相关法律约束条款何时提上日程并怎样健全完善？这些尚待揭示的问题，为进一步探索连锁董事网络提供了新的研究视角。