CEO背景特征与公司超额业绩的相关性研究—以A股汽车类上市公司为例
刘俊涛,刁节文
(上海理工大学 管理学院,上海200093)
摘要
在参考了大量中外文献,同时结合中国国情后,本文提出了三个假设:假设1,CEO年龄与上市公司超额业绩负相关;假设2,CEO任期与上市公司超额业绩呈倒U型关系;假设3,CEO学历水平与上市公司超额业绩正相关。为了验证上述3个假设,本文以2008-2017年A股汽车类上市公司面板数据为基础,采用固定效应模型分别实证研究了上市公司单一CEO背景特征与上市公司超额业绩之间的相关性以及多背景特征与上市公司超额业绩之间的相关性。结果显示:在单一变量分析中,汽车类上市公司CEO年龄与上市公司超额毛利率呈明显负相关,CEO任期与上市公司超额毛利率显著负相关而非倒U型关系,CEO学历水平与上市公司超额毛利率无显著相关性,三者与超额扣非净资产收益率并没有明显的相关性;在多变量分析中,在多背景特征与超额毛利率的相关分析中,上述三个假设均得到了验证,在多背景特征与超额扣非净资产收益率的相关分析中,只有假设3得到了验证。
关键词:汽车类上市公司;固定效应模型;背景特征;超额业绩
一、引言
学术上,学者们主要从以下两个方面对CEO背景特征与公司业绩之间的关系展开了研究:一是研究CEO单一背景特征与公司业绩之间的关系,如学历水平、年龄、任期等单一背景特征与公司业绩之间的关系,不足是背景特征过于单一,不能全面反映CEO的综合能力,缺乏说服力;二是研究CEO综合背景特征与公司业绩之间的关系,不足是背景特征过多,而许多特征难以进行量化,不便于实证研究。本文选取了CEO的三个特定背景特征,即受学历水平、年龄和任期,先分别研究其与公司超额业绩之间的关系,然后再综合起来研究,在规避了上述不足的同时也能在一定程度上反映CEO的综合能力。
现实意义,现代企业制度的重要特征之一,所有权与经营权相分离,作为上市公司所有者的股东大多不直接参与公司的经营管理,而是通过推选代表自身利益的董事来间接维护自身的利益,由董事会聘请职业经理人即CEO来管理上市公司。聘请什么样的CEO才能提高公司业绩、实现股东利益最大化是股东们十分关心的事情。理论指导实践,希望通过本文的实证研究,能为现实中上市公司聘请“优质”CEO提供一些参考。
公司的业绩影响因素可分为外部因素和内部因素,在同行业中,各个企业所面临的外部因素基本相同,那么引起公司业绩差异的因素就是内部因素了。基于此,本文创新性地提出如下概念,“外部业绩”和“内部业绩”,所谓外部业绩指的是在不考虑内部因素的情况下,由于在同行业中各个企业所面临的外部环境基本相同所产生的一个“共同业绩”-虚拟业绩,它是对行业整体盈利水平的反映,我们可以用同期行业平均业绩水平表示,所谓内部业绩是指公司实际业绩与外部业绩或者同期行业平均业绩的差值,也就是本文所说的“超额业绩”。本文假定CEO的综合能力是引发公司业绩差异的主导内部因素,那么,超额业绩则能更为准确地反映CEO的综合能力,由于多背景特征也能在一定程度上反映CEO的综合能力,因而有了本文CEO背景特征与上市公司超额业绩相关性的实证研究。
二、文献回顾与研究假设
(一)文献回顾
1.CEO年龄与公司业绩文献回顾
Eilia Peni研究了CEO特征和公司业绩之间的关系,发现有关CEO年龄的调查结果不一,他们的经验和质量似乎与公司业绩正相关【1】。Thitima Sitthipongpanich和Piruna Polsiri通过研究发现,年轻、具有商业专业知识或在校友网络中的家族CEO会带来更高的公司价值【2】。Ezzeddine Ben Mohamed和 Sami Jarboui研究了个人特征对其公司价值的影响,发现CEO的年龄和技术教育可以减少缺口,从而提高公司的价值【3】。
宋增基,王宏军,张宗益基于创业板上市公司,对高科技企业创始人特征、持股和公司业绩关系进行了研究,结果发现随着创始人年龄的增加,创业板上市公司的公司业绩也随之减少。不过,无论是公司业绩选取Roa还是Roe,创始人年龄都与公司业绩呈负相关关系但并不显著【4】。刘彬在《CEO特质与企业竞争力》一书中谈到,年龄对CEO认知能力的影响存在阶段性,在CEO年龄达到一定的程度之前,CEO年龄与认知能力正相关,达到一定的年龄之后,CEO年龄与认知能力负相关【5】。
2.CEO任期与公司业绩文献回顾
Miller以及Miller和Shamsie发现在CEO任期和公司业绩之间的倒U型关系,这表明CEO在任职期间经历了两个阶段。在他们任职的早期阶段,CEO在自己的职责范围内吸收经验,适应公司环境、积累知识,并稳步前进。CEO与组织的目标保持一致,并逐步实现既定目标。在第二阶段,这可能是在第二个10年左右,CEO可能会变得自满,或者他可能会过于执着于早期的策略,拒绝变化。这解释了CEO之间的U形关系任期和公司业绩之间的关系。同样,Vafeas使用了483家公司的样本,在1994年Eorbes名单上列出,并得出结论,极度的长期任期可能会损害股东的利益【6】。
夏文蔚以沪深A股2013-2015年上市公司披露的数据为样本,研究了上市公司CEO任期与企业业绩之间的关系,发现CEO任期与企业绩效呈现倒U型关系且关系较为显著;持股CEO的任期与企业绩效关系更为显著;学历层次相对较高的CEO其任期与企业绩效之间关系显著相关,而学历相对较低的CEO,其任期与企业绩效无显著关系【7】。李金早,徐晓明则指出CEO任期与企业绩效之间的具体关系不仅仅受到CEO个人学习、CEO战略风险意识以及CEO任期时段等因素的影响,同时CEO的个人特性、企业的组织特性和经营环境的特性等相关的多种因素都可以影响到CEO任期与企业绩效之间关系。任何关于二者关系形式的理论表述都有着或显或隐的特定的适用范围,不存在普遍适用的理论有效性【8】。
。
3.CEO学历与公司业绩文献回顾
Barker、Mueller认为CEO学历与上市公司业绩呈正相关。CEO学历越高,知识积累就越多,创新能力也就越强,对于复杂多变的企业内外部环境及企业战略进行大胆的创新,对于企业的研发投入就会更多,也就越有利于提高公司的业绩【9】。
尚雅媛通过对上市公司进行实证研究发现,高管的学历水平越高越有可能带领公司获得更好的业绩【10】。 陆瑶,张鸣宇研究了CEO的受教育水平对公司绩效的影响,发现CEO的受教育水平对公司的盈利能力以及收入增长能力均无显著影响,CEO的学历可以提高资本市场对企业价值的预期,但是在短期内并不能直接提高企业的经营绩效【11】。
(二)研究假设
1.CEO年龄与公司超额业绩假设
通过对中外文献分析发现,中外学者对于CEO年龄与公司业绩之间的关系并没有形成统一的意见。结合我国的国情,由于我国的企业CEO在上任时,年龄一般都已经较大,进入了学习曲线的下降期,因此本文提出以下假设:
假设1:CEO年龄与上市公司超额业绩负相关。
2.CEO任期与公司超额业绩假设
目前,国内外的学者对于CEO任期与上市公司公司业绩之间的关系研究已基本达成共识,即CEO任期与上市公司业绩之间呈倒U型关系。因此本文提出以下假设:
假设2:CEO任期与上市公司超额业绩呈倒U型关系(本文通过引入CEO任期的平方即ten2来验证该假设)。
3. CEO学历与公司超额业绩假设
学校教育是提高人力资源效率的重要因素。一方面,随着教育水平的提高,CEO的知识积累日益丰富,专业水平在不断提高,同时,价值观、认识水平等也在不断提高;另一方面,随着学历水平的提高,高质量的人脉资源不断壮大,这些无疑都会提高CEO的管理水平,直接或间接地提高公司业绩。因此本文提出以下假设:
假设3:CEO学历水平与上市公司超额业绩正相关。
三、研究设计
(一)样本选取与数据来源
由于2008年以前,不少汽车企业还未上市,数据缺失比较严重,因而本文选取2008-2017年的汽车产业的A股上市公司作为样本。共计45家上市公司、90个CEO(对于没有CEO这一职称的上市公司,用总经理或是总裁代替)。数据来源于wind数据库、巨潮资讯官网、天眼、国泰安数据库以及新浪财经。
数据处理标准如下:
剔除总样本中的ST或*ST类上市公司,因为这些公司连续两年亏损,经营状况异常,影响回归分析的有效性。
剔除总样本各年份中变量数据缺失较为严重的年份,由于这些年份上市公司的财务数据或是CEO的背景特征变量数据缺失较为严重,研究价值不大。
对于部分缺失值,由于数据量有限,本文对其进行了插补处理而不是删除。
(二)变量定义
表1 变量列表
变量类型 |
变量名称 |
变量符号 |
变量定义及说明 |
因变量 |
超额毛利率 |
egm |
营业利润与营业收入的比值 |
扣非超额净资产收益率 |
kferoe |
公司扣非净资产收益率与行业扣非净资产收益率之差 |
|
自变量 |
总裁年龄 |
age |
样本选取年对应的CEO实际年龄 |
总裁任期 |
tenure |
样本选取年对应的CEO连任年数 |
|
总裁学历 |
edu |
1-中专及中专以下,2-大专,3-本科,4-硕士研究生,5-博士研究生,6-其他(以其它形式公布的学历,如荣誉博士、教授等) |
|
控制变量 |
企业规模 |
size |
年末总营收的自然对数 |
资产负债率 |
lev |
年末总负债与总资产的比值 |
|
股权集中度 |
Share3 |
前三大股东的累计持股比例 |
|
两职合一 |
dual |
CEO兼董事长取1,否则取0 |
(三)描述性统计分析
表2 变量描述性统计
Variable |
Obs |
Mean |
Std. Dev. |
Min |
Max |
tenure |
326 |
4.5307 |
3.9267 |
0 |
23 |
dir |
326 |
0.8742 |
0.3321 |
0 |
1 |
ln_size |
326 |
13.2632 |
1.8741 |
9.38 |
18.28 |
kferoe |
326 |
-0.0079 |
0.2705 |
-2.53 |
0.79 |
egm |
326 |
0.0008 |
0.0654 |
-0.61 |
0.14 |
kfroe |
326 |
0.0584 |
0.2819 |
-2.61 |
0.99 |
gm |
326 |
0.1976 |
0.1052 |
-0.48 |
0.48 |
lev |
326 |
0.5444 |
0.2100 |
0.07 |
0.99 |
share3 |
326 |
0.5285 |
0.1713 |
0.21 |
1.00 |
dual |
326 |
0.1595 |
0.3667 |
0 |
1 |
(四)实证分析
1.单一背景特征分析结果
表3 单一背景特征与超额业绩相关性分析结果
|
egm_age1 |
kfe_age2 |
egm_ten3 |
kfe_ten4 |
egm_edu5 |
kfe_edu6 |
|
|
|
|
|
|
|
age |
-0.00238* |
-0.00377 |
|
|
|
|
|
(0.000819) |
(0.00377) |
|
|
|
|
|
|
|
|
|
|
|
ln_size |
0.0396*** |
0.185** |
0.0370*** |
0.174* |
0.0294*** |
0.172** |
|
(0.00528) |
(0.0490) |
(0.00501) |
(0.0550) |
(0.00566) |
(0.0367) |
|
|
|
|
|
|
|
lev |
-0.0775** |
-0.431* |
-0.0744** |
-0.428* |
-0.0724** |
-0.419* |
|
(0.0206) |
(0.145) |
(0.0170) |
(0.146) |
(0.0183) |
(0.154) |
|
|
|
|
|
|
|
share3 |
0.0956** |
0.703** |
0.0981** |
0.714** |
0.107** |
0.677** |
|
(0.0246) |
(0.149) |
(0.0257) |
(0.152) |
(0.0285) |
(0.154) |
|
|
|
|
|
|
|
tenure |
|
|
-0.00289* |
0.00101 |
|
|
|
|
|
(0.00106) |
|