高管薪酬激励、会计信息可比性和企业创新

赵雪男

(南京铁道职业技术学院， 南京 210031)

熊彼特增长理论提出，内生的技术进步是经济持续增长的原动力[1]。创新关乎企业的成长壮大和国家的竞争优势[2-3],如何激励企业创新是科研机构、企业和政府共同关心的重大课题。

高管(本文指能够对企业施加重大影响的人员，具体包括企业的董事、监事和高级管理人员)是企业创新活动的决策者和领导者，直接决定着企业创新活动投入力度和如何开展。研究高管薪酬激励是否可以有效地促进企业创新，具有重要的理论和现实意义。然而，对于高管薪酬激励对企业创新的影响这一课题，现有研究结论并不一致。大部分学者认为，高管薪酬激励有助于降低企业的委托代理成本，高管激励与企业创新显著正相关[4-8]。但也有研究显示,高管薪酬激励不仅不会带来预期效果，反而会抑制企业创新[9-10]。还有学者认为，高管股权激励和企业创新的关系不显著，高管货币薪酬激励与企业创新之间呈现“U”形关系[11]。

现有研究结论不一致的原因如下:一方面，高管薪酬激励可以作为高管承担创新活动产生的额外风险的补偿和奖励，激励高管做出增加企业价值的创新投资决策；另一方面，因为高管偏好规避风险，且股东与高管获得的企业经营管理信息不对称，高管很可能为取得高薪酬而选择与创新活动的收益预期相同的保守型项目，但这种选择对企业创新是有害的。此外，会计信息的可比性直接关系到企业业绩评价和会计信息质量，以及高管对研发活动贡献大小的评估，但现有文献尚缺乏关于会计信息可比性对高管激励与企业创新关系的调节作用的研究。基于此，本文以2009—2017年中国深沪两市A股主板上市公司为研究对象，对上述问题进行理论分析和实证检验。

一、理论分析和研究假设

(一)高管货币薪酬激励和企业创新

高管薪酬最主要的两种形式是货币薪酬和股权。高管货币薪酬激励作为一种短期激励形式，对于其能否有效促进企业创新尚无定论。解维敏[9]基于2007—2015年非金融类A股上市公司的实证检验结果指出，高管货币薪酬激励的短期性会导致管理人员的短视行为和风险规避行为。也有学者得出相反的结论，徐经长等[8]以2009年出台并实施的针对国有企业的限薪政策为外生政策冲击，选取2007—2015年全部A股上市公司数据为样本，采用样本配对和双重差分回归分析的方法，证实了高管货币薪酬对企业创新投入有显著的促进作用。

在委托代理理论的框架下，由于高管和股东之间存在经营权和所有权的分离，高管往往利用自身与股东掌握的企业经营管理信息不对称这一优势，避开股东对自己的监督，产生追求个人利益最大化而损害公司价值和股东利益的寻租行为，导致第一类代理问题[12]。因此，企业需要对高管实施激励，使高管做出有利于企业和股东的经营管理决策，以缓解委托代理问题。

根据投资组合理论，股东通过资本市场的组合投资可以降低自己承担的总风险水平，而高管将自己的人力资本投资于一家特定公司会导致自己承担更高的风险，因此股东是风险中性的，而高管是风险规避的[13]。高管倾向于投资风险小于企业最优投资风险的项目，因为投资失败对高管职位和声誉的损害会比股东承担的损失更加严重[14]。创新是提高企业竞争力、推动企业价值长期提升的重要途径，而企业的创新活动有周期长、投入大、风险高和结果不确定等特点，创新项目的开展要求企业具备较高的风险承担能力[15]。但风险规避的高管由于担心创新失败对自己产生负面影响，往往会抑制创新。最优契约理论认为，合理设计高管薪酬激励可以削弱高管的风险规避程度，是解决第一类代理问题的有效途径，可以激励高管做出有效率的投资决策，从而促进企业创新[16-17]。因此，如何设计合理的高管薪酬方案以缓解代理问题、促进企业创新，一直是实务界和学术界研究的热点话题。

中国虽然已经有部分上市公司对高管施行股权激励等长期激励手段，但货币薪酬仍然是高管薪酬的最主要形式，对高管行为的影响不容忽视。并且，随着货币薪酬激励的短期性不断弱化，激励的有效性得到提升。基于以上分析，本文提出如下假设：

假设1：高管货币薪酬激励能够促进企业创新。

(二)高管股权激励和企业创新

高管股权激励是针对高管的一种长期激励机制，相较于传统的货币薪酬激励而言，更加注重高管的长期绩效表现。中国从2006年开始实施《上市公司股权激励管理办法(试行)》，施行股权激励的历史相对较短，激励机制设计尚不完善，股权激励实施效果仍存在争议。徐长生等[18]指出，中国上市公司股权激励的福利性质比激励性质显著，没有发挥预期的激励作用。而田轩和孟清扬[5]选取 2008 年证监会发布股权激励有关事项备忘录作为准自然实验，发现股权激励对中国上市公司的创新投入和产出均有促进作用。

股东更加注重企业的长期价值提升，希望将企业的资源尽可能多地投资于能够增加企业长期价值的项目，而高管在进行经营和投资决策时，往往会出于对自身利益的考虑而做出不利于股东利益的决策。基于“利益趋同假说”，只有在高管与股东的利益一致时，高管才有努力促进企业长远发展的动力[12]。

Manso等[19-20]建立的理论指出，企业创新是在探索具有潜在失败风险的方法中通过学习得以实现的。创新活动具有很大的未知性，特别是在创新项目的开始阶段，通常需要反复尝试。企业的激励计划需要对这种早期的失败具有充分的宽容度，才更有可能鼓励研发项目持续进行下去以取得后期的高回报，最终提升股东价值。

高管股权激励方案一般都会设计一定的行权时间限制，要求高管在事先规定的一段时期之后才能行权。行权等待期的存在，使高管不会过分在意投资的短期回报，而更加关注可以提升企业长期价值的投资活动[21]。并且通过让高管享有企业部分所有权的方式将高管与股东利益捆绑，能够提升高管的风险承担水平。这恰恰与创新项目所具有的周期长、风险大和需要大量前期投入的特点相匹配。由此可见，股权激励是具有上述促进创新最优契约特点的激励方式， 制订合理的股权激励计划能够显著缓解委托代理问题。基于以上分析，本文提出如下假设：

假设2：高管股权激励能够促进企业创新。

(三)会计信息可比性对高管薪酬激励与企业创新关系的调节作用

会计信息可比性作为一项基本的会计信息质量特征，是提供有利于决策的会计信息的重要前提，一直备受关注。已有多位学者研究了会计信息可比性的影响因素，部分学者研究了会计信息可比性的经济后果。此外，有学者研究指出，会计信息可比性与企业创新[22]、高管薪酬契约有效性[23]均存在显著正相关关系；但会计信息可比性对高管薪酬激励与企业创新的关系是否存在调节作用，尚没有相关文献支持。

一方面，会计信息可比性会直接影响对高管薪酬契约作用于企业创新效果的评价。因为无论是高管货币薪酬契约还是股权激励契约，都需要通过会计业绩指标衡量高管对企业创新的投入程度，所以会计业绩指标测量的准确性将直接影响高管薪酬契约的制订。当会计信息可比性较高时，可以更好地纵向分析前后各期间企业的差异，横向分析同行业不同企业的市场风险或行业风险，鉴别公司特有风险在股东与高管之间的分担情况，以此作为高管努力程度的判断依据[24]，从而更好地对高管促进企业创新的作用进行评估。

另一方面，较高的会计信息可比性还可以提高对高管的监督效率，约束高管的机会主义行为。高管有可能利用自身的信息优势和在企业里的权力地位，干预薪酬委员会的薪酬制订，会计信息可比性的提高则可以降低股东监督高管行为的难度[25]。当会计信息可比性较高时，同行业同类公司高管薪酬水平会成为良好的对照，可有效抑制高管的机会主义行为，让高管不再抱有利用自身权力干预薪酬制订的侥幸心理，从而更有动力开展创新活动以达成自身考核目标并提升薪酬水平。基于以上两方面的分析，本文提出如下假设：

假设3a：会计信息可比性能够正向调节高管货币薪酬激励与企业创新的关系。

假设3b：会计信息可比性能够正向调节高管股权激励与企业创新的关系。

二、研究设计

(一)样本选择与数据来源

选取2009—2017年中国深沪两市A股主板上市公司数据为初始样本。 样本公司的财务数据来源于国泰安CSMAR公司研究数据库，并与CCER中国经济金融数据库核对一致，上市公司所在地区的数据从上海证券交易所和深圳证券交易所官网下载得到。样本区间选择原因如下：2006年，财政部发布《企业会计准则》，要求企业披露研发支出；2008年，科技部、财政部、国家税务总局联合印发《高新技术企业认定管理办法》；2009年及以后，企业的研发数据披露比较规范且受国家政策影响较小，具有较高的连续性；2017年是本研究实施时能取得最新数据的年度。

本研究对初始样本进行如下筛选和处理：(1)剔除了金融行业的样本；(2)剔除了ST或*ST企业的样本；(3)为有效计算会计信息可比性，剔除了各观测年度前16个季度净利润和季度股票收益率数据缺失的样本；(4)剔除了控制变量数据不全的样本。同时，为了排除极端值对结果的影响，对连续变量在前后1% 的水平上进行了缩尾(Winsorize)处理，最终共得到5844个有效观测值。数据处理采用Excel 2016和Stata 15.0软件。

(二)变量选取

模型中的各变量及其选取依据如下。变量的具体定义如表1所示。

1.被解释变量

被解释变量为企业创新(Inn)。现有研究多从研发投入和研发产出两方面衡量企业创新。出于数据的可获得性原因，绝大多数学者以企业专利的申请数量和授予数量衡量研发产出。但是由于各项专利的异质性明显，专利在企业中是否得到应用以及应用的领域、时间等信息难以获取，专利对企业实际价值的影响难以量化，代表性不强。因此，本文以研发投入和企业营业收入的比值衡量企业创新(Inn)，这也与《高新技术企业认定管理办法》中对企业创新水平的衡量口径一致。

2.解释变量

解释变量为高管薪酬激励，并从货币薪酬激励和股权激励这两个方面来衡量各企业的高管薪酬激励。具体来说，以董监高当年的平均薪酬(含津贴)加1再取自然对数衡量高管货币薪酬激励(Salary)；以表示企业当年是否施行高管股权激励计划的哑变量衡量高管股权激励(Share)，施行股权激励则变量值取1，否则取0，并手工筛选出股权激励方案取消的企业，将其各年份的值均设定为0。

3.调节变量

调节变量为会计信息可比性(COMP)。De Franco等[25]认为，企业的会计系统将经济事件和财务报表一一对应，当企业i和企业j的这种对应关系类似时，两家企业的会计系统就具有可比性。也就是说，对于一组特定的经济事件，如果两家企业编制了两套类似的财务报表，这两家企业之间的会计信息就具有可比性。为了把这个定义量化，本文选取企业i第t期末以前连续16个季度的数据，以季度会计盈余(Earningsi,t)，即季度净利润除以期初权益市场价值，代表财务报表编制结果，以季度股票收益率(Returni,t)代表企业发生的经济事件，用两者之间的线性关系衡量企业会计系统。此外，由于受到谨慎性原则的影响，企业对收益与损失的确认存在差异，企业会计系统对不利消息的确认比对利好消息的确认更及时[26-27]，在De Franco等[25]的模型中加入表示季度股票收益率是否为负的哑变量(Negi,t)，构建衡量企业会计系统的模型[28]：

Earningsi,t=ai+biReturni,t+ciNegi,t+diNegi,t×Returni,t+εi,t

(1)

模型(1)中，如果季度股票收益率为负，则Negi,t取1，否则取0。用该回归方程估计出企业i第t期的回归系数。为进一步衡量企业i和企业j的会计信息可比性，假定两个公司面对相同经济事件(Returni,t固定)，将Returni,t分别代入企业i和企业j的会计系统方程,测算各自的预期盈余E(Earnings)i,i,t和E(Earnings)i,j,t。

(2)

(3)

再定义企业i和企业j的会计信息可比性(COMP)为两企业预期盈余差异绝对值的平均数的相反数:

(4)

根据上述方法，逐个计算出企业i与同行业其他各家公司的会计信息可比性，取平均数，记为COMP。另外，为了使结果更加稳健，将计算出的企业i与同行业其他各家公司的会计信息可比性值从大到小排序，取前4个值的平均值作为公司i的会计信息可比性测度值，记为COMP4。COMP和COMP4的值越大，表示会计信息可比性越强。

4.控制变量

借鉴现有企业创新影响因素的研究，选取以下控制变量：资产收益率(ROA)、资产负债率(Leverage)、资产规模(Asset)、企业成长性(Growth)、两职兼任(Duality)、股权制衡度(Balance)、政府补贴(Subsidy)、现金持有水平(Cash)。并对研究样本的上市年限(ListYear)进行了控制,对地区(Region)、行业(Industry)、年份(Year)用哑变量进行了控制。

(三)模型设定

由于样本为非平衡短面板数据，不符合随机效应模型的要求，并需通过使用稳健标准误解决异方差问题，所以主要实证研究方法采用面板数据的固定效应Robust多元回归模型。各主回归模型如式(5)(6)(7)(8)所示。其中，α1为回归方程的截距，β1至β3表示各解释变量的回归系数，γi表示各控制变量的回归系数，Controlsi表示各控制变量，ε1为残差项。

(5)

模型(5)用于检验假设1，从β1是否显著判断高管货币薪酬激励(Salary)和企业创新(Inn)是否存在线性关系。若β1显著为正，则表示高管货币薪酬激励和企业创新显著线性正相关，支持假设1；若β1显著为负，则表示高管货币薪酬激励和企业创新显著线性负相关。

(6)

模型(6)用于检验假设2，从β1是否显著判断施行高管股权激励(Share)是否对企业创新(Inn)有显著影响。若β1显著为正，则表示施行股权激励显著促进企业创新，支持假设2；若β1显著为负，则表示施行股权激励显著抑制企业创新。

(7)

模型(7)用于检验假设3a，通过高管货币薪酬激励(Salary)和会计信息可比性(COMP)的交乘项(COMP4代替COMP的模型其他部分相同，此处不再单独列出)衡量会计信息可比性是否对高管货币薪酬激励与企业创新(Inn)的关系有调节作用。如果β3显著为正，则表示具有正向调节作用，支持假设3a；如果β3显著为负，则表示具有负向调节作用。

(8)

模型(8)用于检验假设3b，通过高管股权激励(Share)和会计信息可比性(COMP)的交乘项(COMP4代替COMP的模型其他部分相同，此处不再单独列出)衡量会计信息可比性是否对高管股权激励与企业创新(Inn)的关系有调节作用。如果β3显著为正，则表示具有正向调节作用，支持假设3b；如果β3显著为负，则表示具有负向调节作用。

三、实证结果和分析

(一)描述性统计分析

表2列出了主要变量的描述性统计结果。结果显示，企业创新(Inn)变量的均值为2.427%，75%分位数为3.520%，标准差为2.703，说明中国主板上市公司的创新投入水平总体不高。

表2 变量描述性统计结果

10.1%的样本企业在观测年度施行了股权激励(Share)，说明中国只有少部分上市公司施行了股权激励，货币薪酬激励仍然是高管激励的主要形式。其他统计量的描述性统计结果和已有相关研究显示的数据特征类似。

(二)相关性分析

各主要变量的相关关系分析结果如表3所示。Inn与Share、Salary分别在1%水平上显著正相关，说明施行股权和薪酬激励均可促进企业创新，高管薪酬越高，企业创新投入越多，初步验证了假设1和假设2。COMP与Inn在1%水平上显著正相关，说明会计信息可比性较高的企业，研发投入也较高，与理论分析一致。被解释变量与所有解释变量、控制变量均显著相关，说明变量选取合适，其中两职兼任(Duality)、股权制衡度(Balance)、政府补贴(Subsidy)、现金持有水平(Cash)与企业创新(Inn)正相关。此外，各变量相关系数的绝对值均小于0.5，排除严重多重共线性对回归模型的潜在影响。

表3 主要变量相关性

(三)多元回归分析

表4列出了主回归模型分析结果。

表4 主回归模型分析结果

1.高管货币薪酬激励与企业创新的回归分析

列(1)回归结果显示，Salary的系数为0.468，且在1%水平上显著，即Salary每变动1个单位，Inn平均增加0.468%，高管货币薪酬激励与企业创新显著线性正相关，验证了假设1。说明中国A股上市公司高管货币薪酬激励方案设计整体较合理，在一定程度上克服了激励的短期性局限，能够调动高管的工作积极性，有效激励高管加强企业创新。

2.高管股权激励与企业创新的回归分析

列(2)回归结果显示，Share的系数为0.750，且在1%水平上显著，即相对于没有施行的企业,施行股权激励计划的企业Inn平均增加0.750%，表明高管股权激励显著促进企业创新，验证了假设2。说明中国A股上市公司的股权激励计划起到了预期的激励效果，而并非只是一种福利性政策。

3.会计信息可比性的调节作用

列(3)(5)回归结果显示，Salary×COMP和Salary×COMP4的系数分别为6.354和16.059，且在1%水平上显著，表明会计信息可比性对高管货币薪酬激励促进企业创新有显著的正向调节作用，验证了假设3a。

列(4)(6)回归结果显示，Share×COMP和Share×COMP4的系数分别为19.182和43.240，且在1%水平上显著，表明会计信息可比性对高管股权激励促进企业创新有显著的正向调节作用，验证了假设3b。

控制变量的回归结果显示，Inn同Duality、Balance、Subsidy显著正相关，说明若董事长和总经理由一人担任、股权的制衡度越高、企业得到的政府补贴越多，则越有利于企业创新，这和相关文献研究结论一致。Inn同Leverage显著负相关，说明负债也许不是企业创新所需资金的主要来源。Inn同Asset显著负相关，说明资产规模大的企业，研发投入占营业收入的比值反而较小。Inn和ROA、Cash关系不显著。

(四)稳健性检验

以上模型已经通过控制研究样本的上市年限、地区、行业和年份，一定程度上缓解了主回归模型可能存在的内生性问题。为了验证研究结果的稳健性，进一步展开如下检验。

1.内生性问题检验

高管薪酬激励，可能是企业对高管丰富的管理经验、相关专业背景和较高个人能力的报酬，也可能是出于对企业自身经营管理需要的考虑，而使得解释变量并非是随机及外生的。针对主回归的实证检验结果是否受到了样本自选择偏差的影响而失真这一问题，采用Heckman两阶段模型分别对高管货币薪酬激励(Salary)和高管股权激励(Share)进行检验。

首先，通过Heckman两阶段模型检验主回归中解释变量Salary可能存在的内生性问题。在Heckman模型第一阶段，设定Probit回归模型的被解释变量为哑变量Salary_D，若Salary大于样本中位数，则表示该企业高管货币薪酬较高，Salary_D取1，否则取0；并且在第一阶段模型中加入相同年份同行业其他公司Salary的均值OtherSalary作为工具变量，利用此阶段回归方程的结果计算逆米尔斯比率(IMR)，代入Heckman第二阶段模型进行拟合,拟合结果如表5所示。由表5中列(1)(2)(3)结果可知，Heckman第二阶段回归结果中IMR的回归系数不显著，说明原回归模型并不存在样本选择偏差，可以信赖原模型的回归结果，并且此处Salary、Salary×COMP和Salary×COMP4的回归系数均在1%水平上显著为正，说明高管货币薪酬激励与企业创新的主要回归结果稳健。

接下来，通过Heckman两阶段模型检验主回归中解释变量Share可能存在的内生性问题。在Heckman模型第一阶段，设定Probit回归模型的被解释变量为哑变量Share，并且在第一阶段模型中加入相同年份同行业其他公司Share的均值OtherShare作为工具变量，利用此阶段回归方程的结果计算逆米尔斯比率(IMR)，代入Heckman第二阶段模型进行拟合。由表5中列(4)(5)(6)结果可知，虽然 Heckman第二阶段回归结果中IMR的回归系数显著为正，但同时Share、Share×COMP和Share×COMP4的回归系数依然均在1%水平上显著为正，和高管股权激励与企业创新的主要回归结果一致。

表5 高管薪酬激励与企业创新的Heckman两阶段模型拟合结果

2.其他稳健性检验

为了检验主回归模型的可靠性，从以下各方面进行检验：(1)改变回归模型。由于企业创新(Inn)属于受限被解释变量，即以0为最小值的左归并，所以采用归并回归的Tobit回归方法，并对公司聚类重新进行回归。主回归模型实际上是均值回归，只反映变量集中趋势的回归结果，如果变量分布不对称，均值回归对样本的代表性会显著降低，所以采用分位数回归模型(稳健标准误)重新进行回归。(2)改变样本区间。2015年10月，科技部、财政部、国家税务总局联合修订《高新技术企业认定管理办法》，自2016年1月1日起实施。因此，2016—2017年的研发支出可能会受到与企业创新相关的国家重大政策修订的影响。出于稳健性考虑，对2009—2015年的样本重新进行回归。(3)改变被解释变量定义。用研发投入总额占净资产比例(Inn2)代替研发投入总额占营业收入比例(Inn)进行回归。(4)改变解释变量定义。用董监高排名前三高的货币薪酬之和(TopSala)代替高管平均货币薪酬(Salary)，考虑到高管薪酬激励对企业创新的影响可能具有滞后性，用滞后一期的高管货币薪酬激励作为高管薪酬激励的代理变量，用发行激励总数占总股本比例代替是否施行股权激励(Share)，分别进行回归。结果显示,以上稳健性检验的结果均与主回归结果保持一致，说明主回归分析的结论是可靠的。

四、研究结论

高管是企业创新的决策者和领导者，其行为特征深刻影响着企业的发展。如何实施有效的高管薪酬激励以促进企业创新，对企业的持续发展至关重要。本文以2009—2017年中国深沪两市A股主板上市公司数据为研究样本，采用面板数据的固定效应稳健标准误多元回归模型，实证检验了高管货币薪酬激励和高管股权激励对企业创新的影响，以及会计信息可比性对高管薪酬激励与企业创新关系的调节作用。研究结果显示：(1)高管货币薪酬激励和股权激励均能显著促进企业创新；(2)会计信息可比性的提升对高管薪酬激励与企业创新的关系具有显著的正向调节作用。

本研究的主要贡献在于：(1)对高管薪酬激励与企业创新的关系构建模型，并进行了多维度的稳健性检验，以保证分析结果的可靠性，丰富了关于高管薪酬激励的有效性和关于企业创新的影响因素这两方面的研究文献；(2)在分析高管薪酬激励与企业创新关系的影响因素时，对企业内部的异质性展开研究，通过理论分析和实证检验验证高管薪酬激励与企业创新关系中会计信息可比性的调节作用，弥补了以往文献多从企业所处的外部环境寻找原因的不足，进一步揭示了高管薪酬激励对企业创新的作用机理,这些发现对中国企业高管薪酬方案的设计和优化具有一定的启示作用。