CEO多职业背景与投资效率＊——基于沪深A股上市公司数据的研究

兰冬花

（江西理工大学 经济管理学院，江西 赣州 341099）

0 引言

国无才不立，业无才不兴，人才对于保障企业持续稳定经营、推动经济稳中求进运行具有重要意义，人才是我国实施创新驱动发展战略的关键。高管专业技能和多样化的管理技能之间的差距日趋明显，各企业逐渐倾向于吸收职业经历丰富的高管［1］。基于不同职业经历所塑造出的人物性格、价值观及行事风格，对管理者经营企业、制定战略及财务决策产生较大的影响。有学者指出，每一项职业背景均会给CEO留下特定的记忆，多项职业背景确实可能丰富CEO的知识经验。但是，当CEO经历的职业数量过多时，意味着该CEO职业流动频繁，各职业任职期限较短使其难以全面掌握职业的详细流程和相关资源，最终无法获得特定的记忆和知识经验［2］，此时的多职业经历可能并不会对CEO有所助益。现有研究得出的结论显示，各单一职业背景对企业管理者的影响大相径庭，不同职业经历的CEO可能也存在很大差异。可见，具备多职业背景的CEO是否值得企业争取还有待商榷。

投资决策既是企业三大财务决策的核心，也是企业财务决策的起点，投资决策对管理者能力的需求差异较大。一直以来，企业非效率投资问题受到国内外学者积极的讨论和研究。研究结果显示，企业非效率投资主要是由委托代理问题和信息不对称引起。然而，COASE［3］表示，企业投资决策权在管理者的手上，这是企业发展极其重要的一部分，企业高管可以通过其行为操纵投资决策，因此管理者行为对投资决策质量有引导作用，是决定企业投资效率的关键因素之一，对企业的成长有较大影响［2］。作为企业各项投资决策的领导者，CEO的行为被证明会影响投资效率。那么，CEO具有多职业经历是否会对企业的投资效率产生影响呢？此外，如果CEO曾担任的职业数量过多，超过某一临界点，就可能导致在岗时间不长，无法熟练掌握每个岗位所需技能，经验不足，此时二者的关系又是怎样的呢？为回答上述问题，本文在理论分析的基础上，运用实证方法探究CEO多职业背景与投资效率之间的关系。结果显示：具有多职业经历的CEO可以提升企业投资效率；CEO曾任职业数量越丰富，投资效率越高。

本文的创新点如下：一方面，首次从投资效率角度对CEO多职业背景的经济后果进行研究，丰富了CEO职业背景对投资效率的研究，现有文献大多分析高管行为对企业投资效率的影响，只考虑于单一的职业背景，并未对多职业背景的综合作用做出分析。然而，CEO不同的职业经历之间是可能存在相互影响。另一方面，为企业选拔、考核CEO及制定储备人才培养政策提供决策参考。CEO是企业投资的核心决策者，为提高企业投资效率，越来越多的企业在选聘或培养CEO时开始关注其职业背景。

1 理论分析和研究假设

1.1 CEO多职业经历与投资效率

高阶梯队理论认为，作为人口统计学特征之一的职业背景是决定高管心理维度特质的重要因素之一。现有研究发现，CEO的各类职业经历对其自身心理特质均有影响［2］，进而对CEO的投融资决策也有一定影响。根据烙印理论，CEO的每一份经历都会在其脑海中形成一种独特的印象，相比单一职业经历者，多职业背景的CEO经验会更加丰富。一方面，丰富的职业经历能够提升管理者在经理人市场的议价能力和稳定性，不易被解雇，使其更加注重公司长期利益，降低代理成本，缓解信息不对称和代理问题［4］，也更容易获得丰富的内、外部优质资源［5］，为企业获取低成本资金和资本配置提供良好的前提条件［6］，促进企业投资效率提升。另一方面，丰富的职业经历为CEO提供充足经验，使CEO对各投资机会的识别和利用反应更加机敏［7］，面对问题也有更多的解决方案，提升了失败容忍度［8］，使CEO善于捕捉利于企业发展、风险高的项目，合理分配企业各项目资金［9］，提升企业投资效率。由此，本文提出第一个假设（H1）：CEO多职业经历能够促进企业投资效率提升。

1.2 CEO职业数量与投资效率

具有多职业背景的CEO可以帮助企业获得更高的投资效率，是否意味着CEO曾担任过的职业类型数量越多越好呢？根据烙印理论，一方面，CEO担任过的职业类型越多，则具备更多领域的相关知识，且担任过的岗位越多，接触的资源涉及领域越广，CEO的思维则更具创造性［10］，丰富的资源可以辅助CEO决策，对企业的投融资均有帮助。另一方面，如果CEO曾担任的职业类型过多，超过某一临界点，意味着该CEO职业流动频繁，导致在岗时间不长，未能熟练掌握每个岗位所需技能，无法了解各职业的详细流程和相关资源，无法获得特定的记忆和知识经验［3］，经验不足将会使CEO对投资机会不敏感，策略制定不完善会导致企业投资效率下降。由此，提出以下假设（H2a）：CEO职业数量越多，投资效率越高；（H2b）：CEO的职业数量与投资效率之间存在倒“U”形关系。

2 研究设计

2.1 样本选择与数据来源

本文以2007—2020年沪深A股上市公司为样本数据，同时为保证数据质量，进行以下筛选：①剔除金融类的公司；②剔除PT（特别转让）、ST（连续二年亏损，特别处理）、ST*（连续三年亏损，退市预警）类公司；③剔除观察期内主营业务收入的增长率大于100%的上市公司，以避免并购或重大资产重组等对企业正常生产经营和财务状况的冲击性影响；④剔除数据有异常值或不全的公司；同时，对连续型变量通过Winsorize进行了上下1%缩尾处理，以消除极端值可能带来的影响，最终得到28 119个样本。数据均来自国泰安（CSMAR）数据库。主要使用Excel和Stata16进行数据整理和回归分析。

2.2 变量定义与模型设计

2.2.1 被解释变量（投资效率，INVEFF）

以往学者通过边际托宾Q、Wurgler模型或Richardson模型等衡量企业的投资效率，然而，前两类模型的估算样本存在一定的幸存性偏差。因此，本文借鉴刘锦英等［11］的做法，通过Richardson（2006）模型衡量企业投资效率水平［12］，模型如下：

其中：Investt为t年新增投资，计算公式为（购建固定资产、无形资产及其他长期资产的支出+取得子公司及其他营业单位支付的现金净额-处置固定资产、无形资产和其他长期资产收回的现金净额-当期折旧费用）/总资产；Growtht-1为t-1年营业收入增长率；Levt-1为t-1年资产负债率；Casht-1为t-1年现金及现金等价物除以总资产；Aget-1为t-1年企业上市年限的自然对数；Sizet-1为t-1年企业总资产自然对数；Returnt-1为t-1年考虑现金红利再投资的年个股回报率；ε为模型的随机误差项；此外，该模型还控制了年度和行业。

采用模型（1）中的残差（Xinvest，即实际的投资规模观测值减去模型最优投资规模拟合值）的绝对值衡量企业投资效率，该绝对值越大，企业投资效率越低。

2.2.2 解释变量

CEO多职业背景从CEO多职业经历和CEO职业数量2个方面进行衡量。

（1）CEO多职业经历（Funback）。CSMAR数据库中，高管个人职业背景信息包括九类。本文将CEO多职业经历（Funback）定义为虚拟变量，当CEO曾担任的职业是两种或者两种以上时，Funback取值为1；当CEO仅担任过一类职业时，Funback取值为0。

（2）CEO职业数量（NP）。根据CSMAR数据库中高管个人职业背景信息，采用CEO在职业经历中所从事过的职业数量衡量CEO职业数量。

2.2.3 控制变量

根据研究目的，本文控制了企业特征和高管个人特征变量，还对行业及年度进行控制。企业规模用Size表示，采用“营业收入取自然对数”衡量。企业年龄用FAge表示，采用“当年年度减去企业成立年度加1取自然对数”进行衡量。资产负债率用Lev表示，采用“年末负债总额/年末资产总额”进行衡量。盈利能力用Roa表示，采用“净利润/平均资产总额”进行衡量。主营业务增长率用Growth表示，采用“管理费用/营业收入”进行衡量。股权集中度用Z表示，采用“第一大股东持股比例”进行衡量。董事会规模用Board表示，采用“董事会成员人数取自然对数”进行衡量。CEO性别用Gender表示，虚拟变量，男性为1，女性为0。CEO年龄用Cage表示，采用“样本对应年份CEO的年龄取自然对数”进行衡量。两职合一用IsDuality表示，采用“CEO兼任董事长时取1，否则取0”进行衡量。

2.2.4 模型设计

其中：模型（2）用来检验CEO多职业经历与企业投资效率之间的关系；模型（3）用来检验CEO职业数量与企业投资效率之间的关系。INVEFF表示企业投资效率；Funback表示CEO多职业经历；NP表示CEO多职业数量；ControlVariables为控制变量；ε为模型的随机误差项。

3 实证结果分析

3.1 描述性统计

主要变量的描述性统计结果显示：样本的企业投资效率（INVEFF）均值为0.03；标准差为0.03；中位数为0.021，表示各企业间的投资效率存在差距。CEO多职业经历（Funback）的均值为0.622，大于0.5，中位数为1；并且CEO职业数量的均值为1.892，中位数为2，这表示CEO的职业背景越来越丰富。控制变量的统计结果显示企业规模（Size）的均值是21.51，中位数是21.39，标准差是1.453，表示样本中各企业规模差距较大；其他指标的标准差较小，说明这些指标在样本企业中的差异不明显。

3.2 相关性检验

各主要变量的相关性分析显示：投资效率与CEO多职业背景（CEO多职业经历与职业数量）之间显著负相关。由此，假设H1和假设H2a得到初步验证。除CEO多职业背景2个指标相关性较强之外，其他变量之前的系数均小于0.7，说明不存在多重共线性的问题。

3.3 回归分析

3.3.1 主效应回归分析

多元回归结果见表1。表1给出了CEO多职业背景（CEO多职业经历与职业数量）与投资效率之间的关系，由表1可以看出，不论是否控制行业和年份，CEO多职业经历与投资效率之间的关系都是负的，具有5%的显著性水平，这表明具有多职业经历的CEO可以促进企业投资效率的提升，假设H1得到验证。CEO的职业数量和投资效率之间的关系也是负向的，在5%的水平上显著，这表示CEO曾担任的职业数量越多，企业的投资效率越高，验证了假设H2a。在（2）列中，NP2和CEO职业数量（NP）的系数均不显著，这说明CEO职业数量和投资效率之间并没有倒“U”形关系，随着职业数量的增加，投资效率上升。CEO职业数量和投资效率没有出现倒“U”形可能性是如下：由描述性统计可知，大部分CEO的职业数量均为2，并且中位数为2，均值仅1.892，说明职业数量较多的CEO样本量太小，无法对实证结果产生影响。侧面反映出，大多数CEO知道经历过于复杂的弊端，会在具备一定数量的职业经历后选择稳定下来，不再更换其他类型的职业，以此来保证自己的专业性，为自身发展夯实基础。控制变量的结果也基本符合预期，CEO的年龄系数是负的，并且在1%的水平上显著，说明CEO年龄增加对企业投资效率有明显的促进作用；两职合一的系数显著为正，这表示CEO两职合一会降低企业的投资效率；企业规模的系数显著为负，规模越大的企业投资效率越高，这是因为规模较大的企业内部控制相对更加完善，成熟的管理制度为投资已作好铺垫。

3.3.2 细分投资效率

当Richardson的模型所得的残差值小于0时，表明该企业投资不足，残差大于0则表示企业存在过度投资的问题。由此，本文将投资效率细分为投资不足和过度投资，投资不足和过度投资值越大，表示投资效率越低，实证结果见表2，CEO多职业背景与投资不足和过度投资均为负相关，表示具备多职业背景的CEO可以有效控制投资不足和过度投资的问题，帮助企业缓解投资压力，提升投资效率。

3.4 稳健性检验

3.4.1 更换被解释变量

本文选取Richardson模型对投资效率进行衡量，稳健性检验样本以BIDDLE等［13］投资模型残差项绝对值衡量投资效率，残差项绝对值越大，投资效率越低。

模型（4）中的变量衡量与式（1）一致，稳健性检验结果显示，更换投资效率的衡量方法之后的结果一致，CEO多职业经历和职业数量与投资效率之间均为显著负相关，说明具有多职业背景的CEO可以提升企业投资效率，与前文结论一致，验证了本文结论的可靠性。

3.4.2 Heckman两阶段

为克服主假设中可能存在的样本自选择问题，本文参考何瑛等［6］的方法，采用Heckman两阶段模型进行检验。

第一阶段采用CEO是否具有多职业经历作为被解释变量，加入同省份、同行业的其他企业CEO职业数量均值（为减小误差，删除了同省同行业企业数量小于10样本）作为外生工具变量，构建Probit模型进行估计，经过计算后，得到逆米尔斯比率（IMR）。第二阶段，把逆米尔斯比率引入第二阶段模型进行回归分析。结果显示，模型（1）和模型（2）中Funback和NP系数均显著为负，说明CEO多职业背景对投资效率具有促进作用。

4 结论

本文运用烙印理论、高阶梯队理论和委托代理理论，以2007—2020年我国沪深A股上市公司为样本，对CEO多职业背景（CEO多职业经历和职业数量）与投资效率之间的关系进行分析和检验。实证结果显示：①CEO多职业背景与投资效率值负相关，即具有多职业经历的CEO可以提升企业投资效率，CEO曾任职业数量越丰富，对投资效率的促进作用越明显。②CEO多职业背景（CEO多职业经历与职业数量）对投资不足和过度投资均有抑制作用，即CEO多职业背景可以缓解企业投资问题。

根据上述结论，得到以下启示：一是CEO职业背景的多样化有助于丰富其阅历，增加实战经验，为企业投资获取更多有利资源和制定合理决策，提升企业运营效率。二是CEO的职业背景可以作为企业的一项选拔指标，以帮助企业获取优质人才，为企业长远发展奠定基础。三是企业内部应制定合理的轮岗机制，培养管理者全面发展，丰富管理者职业经历，为企业培养人才，利于企业管理团队的良性发展。