|
120 营绩效。 表5 旋转后的因子载荷矩阵 Tab.5 Rotated Component Matrix 成份 1 2 3 4 总资产净利润率 .968 资产报酬率 .958 净资产收益率 .918 净资产收益率增长率 流动比率 .975 速动比率 .970 资产负债率 -.773 每股净资产 .915 每股未分配利润 .775 每股收益 .631 资本积累率 .941 总资产增长率 .940 提取方法 :主成分分析法 旋转法 :具有 Kaiser 标准化的正交旋转法 从旋转后的因子载荷矩阵（表5）可以看出，各因子变量在不同的财务指标上得到了较 125 大的载荷。第一个公因子在总资产净利润率、资产报酬率和净资产收益率变量上有较大的因 子载荷量，主要表现为公司的盈利能力；第二个公因子在流动比率、速动比率和资产负债率 上有很大载荷，主要体现了公司的偿债能力；第三个公因子在每股净资产、每股未分配利润 和每股收益的因子载荷量分别为0.915、0.775 和0.775，因子载荷量较大，表现的是公司的 股东获利能力；第四个公因子在总资产增长率和资本积累率上有很高的因子载荷量，代表了 130 公司经营的成长能力。 最后，因子表达式。为对公司经营绩效财务指标进行分析和综合评价，采用回归方法求 出了因子得分函数。 表6 因子得分系数矩阵 135 Tab.6 Component Score Coefficient Matrix 因子 1 2 3 4 资产报酬率 .302 -.058 -.109 -.040 总资产净利润率 .293 -.013 -.082 -.034 净资产收益率 .270 -.003 -.054 -.032 资本积累率 -.037 .036 -.073 .535 总资产增长率 -.060 .014 -.040 .531 净资产收益率增长率 .208 .048 -.096 -.029 流动比率 -.053 .391 .075 .004 速动比率 -.049 .389 .061 .013 资产负债率 -.100 -.299 .110 -.044 每股收益 .063 .005 .270 .040 每股净资产 -.172 .026 .599 -.094 每股未分配利润 -.032 .006 .418 -.020 提取方法 :主成分分析法 旋转法 :具有 Kaiser 标准化的正交旋转法 构成得分 由上表得出可使用已选取12 个财务指标的线性形式来表示四个公因子，具体因子得分 函数如下： 1 0.302 1 0.293 2 0.27 3 0.037 4 0.06 5 0.208 6 0.053 7 0.049 8 0.1 9 0.063 10 0.172 11 0.032 12 F X X X X X X X X X X X X = + + − − + − − − + − − 2 0.058 1 0.013 2 0.003 3 0.036 4 0.014 5 0.048 6 0.391 7 0.389 8 0.299 9 0.005 10 0.026 11 0.006 12 F X X X X X X X X X X X X = − − − + + + + + − + + + 140 3 0.109 1 0.082 2 0.054 3 0.073 4 0.04 5 0.96 6 0.075 7 0.061 8 0.11 9 0.27 10 0.599 11 0.418 12 F X X X X X X X X X X X X = − − − − − − + + + + + + 4 0.04 1 0.034 2 0.032 3 0.535 4 0.531 5 0.029 6 0.004 7 0.013 8 0.044 9 0.04 10 0.094 11 0.02 12 F X X X X X X X X X X X X = − − − + + − + + − + − − 各公因子对应的方差贡献率为权数加权计算得出传媒上市公司经营绩效综合评价的综 合统计量： 145 Y=0.455F1+0.258F2 + 0.162F3+ 0.125F4 将传媒上市公司财务指标值代入到上述各式中求出公司经营绩效综合得分，作为本文实 证研究模型的因变量。 2 面板数据模型 在检验自变量与因变量关系模型选择时，一方面考虑到中国传媒上市公司样本数量选择 150 需要，无论是采用时间序列数据还是截面数据样本数据皆偏少；另一方面面板数据模型还可 以获得更多的动态信息，因此本文使用面板数据模型，数据分析使用了Eviews6.0 统计软件。 在确立了高管薪酬变量和公司经营绩效变量之后，通过以上分析和假设，设计了如下的 回归方程来检验传媒上市公司高管薪酬与公司经营绩效之间的关系： Yit =λi+γ1LnTSit+γ2MSRit +δ it （1） 155 Yit =αi+β1LnTSit +β2MSRit +β3LnTAit +ξit （2） 其中，λ i 和α i 是随机变量，表示对于i 个个体有i 个不同的截距项； γ 1 , γ 2 ,β 1 ,β 2 ,β 3 为回归系数；δ it ,ξ it 为误差项；i 代表处于不同截面的传媒上市公司，t 代表观察的时间， 其中i =1, 2, …,12；t =1, 2, …, 5。 2.1 单位根检验 160 为避免伪回归，确保估计结果的有效性，在回归前我们必须对各面板序列的平稳性进行 检验。最常用的方法就是单位根检验。 表7 单位根检验 Tab.7 l Unit Root Test 序列 Method Statistic Prob.** Cross-sections Obs Levin, Lin & Chu t* -8.53925 0.0000 12 60 Im, Pesaran and Shin W-stat -2.26205 0.0118 12 60 ADF - Fisher Chi-square 45.3846 0.0052 12 60 Y PP - Fisher Chi-square 55.1754 0.0003 12 60 Levin, Lin & Chu t* -4.81630 0.0000 12 60 Im, Pesaran and Shin W-stat -1.83906 0.0330 12 60 ADF - Fisher Chi-square 45.6426 0.0049 12 60 LnTS PP - Fisher Chi-square 56.5356 0.0002 12 60 Levin, Lin & Chu t* -11.0401 0.0000 8 32 Im, Pesaran and Shin W-stat -3.18544 0.0007 8 32 ADF - Fisher Chi-square 31.3008 0.0123 8 32 MSR PP - Fisher Chi-square 34.3358 0.0049 8 32 Levin, Lin & Chu t* -12.1672 0.0000 12 60 Im, Pesaran and Shin W-stat -2.75980 0.0029 12 60 ADF - Fisher Chi-square 48.5864 0.0021 12 60 LnTA PP - Fisher Chi-square 62.7748 0.0000 12 60 165 由上表可以看出，对4 个序列4 种方法的单位根检验的P 值均小于0.05，表示拒绝含有 单位根的原假设，即拒绝非平稳。 2.2 Hausman 检验 在面板数据中对回归结果影响方式有随机影响和固定影响。确定选择回归模型时，应该 170 对模型效应进行检验，采用Hausman 统计量检验。 H01：个体效应与回归变量无关（个体随机效应回归模型） H02：个体效应与回归变量相关（个体固定效应回归模型） 表8Hausman 检验 175 Tab.8 Hausman Test 模型 Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob. 模型1 Cross-section random 0.590180 2 0.7445 模型2 Cross-section random 3.025762 3 0.3877 由上表结果可以得出，模型1 和2Hausman 统计量的值分别是0.59 和3.03，P 值为0.74 和0.39 均大于0.05，故接受原假设个体效应与回归变量无关，即与固定效应模型相比，本 文的两个模型更适合使用随机效应模型进行回归分析。 180 3 结果和分析 3.1 回归结果 利用随机效应模型对模型一和二分别进行回归检验，得出如下结果。 表9 回归结果 185 Tab.9 Regression Results 模型 截距 LnTS MSR LnTA R2 F 值 模型1 -2.17* 0.16 * 45.53 0.02 1.82 （-1.78） （1.78） （0.31） 模型2 -4.84** 0.01 24.42 0.22** 0.1 2.58 ** （-2.84） （0.11） （0.17） （ 2.17） 注：*表示在10%水平上显著，**表示在5%水平上显著，***表示在1%水平上显著，括号内为t 检验值。 由上表可得出，从模型的总体回归结果看，未引入控制变量时，方程的拟合优度为0.02， F 值为1.82，并且未通过显著性检验；引入资产规模变量之后，方程的拟合度得到了明显的 190 改善，R2 变为了0.1，F 值也提高到了2.58，并且通过了显著性水平为5%的显著性检验，说 明了模型2 的有效性。这也表明，传媒上市公司规模对公司经营绩效有比较明显的影响。 假设1：传媒上市公司经营绩效与高层管理者的年度货币薪金正相关。 无论是模型一还是模型二高管货币薪酬的系数均大于零，说明传媒上市公司经营绩效与 高层管理者的年度货币薪酬显著正相关，但这种显著性并不稳定，当控制公司资产规模后高 195 管货币薪酬对公司经营规模影响的显著性下降，表明传媒上市公司经营绩效的提高更多的是 受到公司规模扩大的影响，而非真正来自于对高管薪酬的激励。 假设2：传媒上市公司经营绩效与高层管理者持股比例正相关 对高管持股比例来说，模型1 和模型2 的结论均不显著，高管持股比例与公司经营绩效 存在弱正相关关系。此外，我们也可以发现，高管持股比例激励相对于货币薪酬激励来说， 200 与传媒上市公司经营绩效正相关关系更弱，对高层管理者持股激励发挥的作用没有货币薪酬 激励方式效果明显。 4 结论 4.1 结论 本文通过实证检验，发现传媒上市公司经营绩效与高管货币薪酬存在显著地不稳定的正 205 相关关系，而与高管持股比例之间存在不显著地正相关关系，这也和许多学者的研究成果类 同，究其产生的原因可能有如下几点： 第一，薪酬分配不规范，薪酬与实际收入不相匹配。中国大部分传媒类上市公司由国有 公司改制而来，对高管激励更多地是采用晋升激励、在职消费激励，还有灰色收入等，而与 公司经营绩效相挂钩的激励方式还未形成，高管报酬并不是由其管理水平决定。 210 第二，薪酬激励形式单一，缺乏中长期激励。对传媒上市公司高管薪酬激励更多是以货 币薪酬为基础的激励，尤其是以固定薪酬为基础的短期激励占很大比例。在传媒上市公司中 高管持股比例偏低，零持股现象严重，这就导致高管持股比例激励不能充分发挥其应有的激 励作用。 第三，各个传媒上市公司薪酬激励措施差异化大，公司间政策不平衡。公司所有权结构、 215 规模不同传媒上市公司薪酬激励方式不同，容易出现薪酬激励不足和激励过度问题；且由于 缺乏权责统一、目标明确的绩效考核体系，这些都造成了高管与公司经营绩效相关性的不稳 定。 4.2 建议 基于上述，我们认为： 220 （1）完善薪酬结构。传媒上市公司要继续推进国有股减持，完善现代企业制度。建立 合理的经理人选拔制度，使经理人选拔市场化；制定公开透明的经理人薪酬制度，将高管薪 酬与公司经营业绩相挂钩；此外应加强对经理人的监督和约束。 （2）丰富化薪酬激励形式。降低基本工资的比例，提高年度奖金的比例，综合运用短 期激励和长期激励、年薪激励和股权激励，将高级管理层自身利益与公司经营绩效目标二者 225 有机地统一起来，以激发管理层更加关注公司中长期的发展。 （3）规范激励制度。一方面，政府建立相对统一规范的分配制度，将薪酬分配制度化， 做到分配有章可循，实现薪酬分配与经营业绩以及承担的责任相匹配；另一方面，完善绩效 考核评价体系，建立薪酬绩效评价委员会，将薪酬与绩效评价相结合起来。 230 [参考文献] (References) [1] John J McConnell,Henri Servaes.Additional evidence on equity ownership and corporate value[J].Journal of 学术论文网Tag：代写代发论文 代写职称论文 代写管理论文 |
