高管团队稳定性与上市公司违规行为关系研究

徐 鹏 李廷刚 白贵玉

1 引 言

近年来，从党的十九大报告到中央经济工作会议，以及国务院、中国证券监督管理委员会和证券交易所等陆续发布了一系列文件与政策，进一步明确了我国资本市场的发展方针，对上市公司质量提出了更高的要求。国民经济和社会发展第十四个五年规划中关于深化金融供给侧结构性改革部署了“完善资本市场基础制度，健全多层次资本市场体系，全面实行股票发行注册制，建立常态化退市机制，提高上市公司质量”等重点任务，意味着未来较长时期内，以注册制和退市制度改革为抓手的资本市场制度改革进程将不断深化与加速。同时，第十三届全国人大常委会第十五次会议审议通过了《中华人民共和国证券法（2019年修正）》，新证券法已于2020年3月正式施行，对上市公司违规违法行为制定了更加严格的处罚措施。然而，受巨额利益驱使以及违规行为风险与收益的巨大差距，实践中上市公司违规行为屡禁不止（蔡卫星等，2020［1］）。例如康美药业、抚顺特钢的财务造假案，以及保千里的信息披露违法违规案等典型案例。上述公司的违规行为不仅损害了投资者的利益，更是严重扰乱了正常的市场秩序，为社会主义市场体系的规范化、标准化进程带来巨大挑战和阻碍（徐鹏等，2019［2］）。在此背景下，探索上市公司违规行为的发生机理与规避策略，对提升我国上市公司治理规范性、强化投资者保护并推动资本市场健康发展具有重要意义。

回顾以往研究，相关文献主要从如下两方面对上市公司违规行为的前因要素展开分析：一是从法律执行力度（Jiang 和Kim，2015［3］）、行业竞争程度（滕飞等，2016［4］）、保险治理（李从刚和许荣，2020［5］）等外部视角出发，多数研究证实了外部治理因素能对上市公司违规行为具有显著的监督效果和外部治理效应；二是从大股东控制权（王敏和何杰，2020［6］）、高管异质性（鱼乃夫和杨乐，2019［7］）、董事会特征（蔡志岳和吴世农，2007［8］）等内部治理因素探讨上市公司违规行为的发生机理，研究发现高管的教育水平、金融背景等个体特征对上市公司违规行为具有显著抑制作用。已有研究充分表明了上市公司高管对违规行为的影响客观存在。以此为基础，本文考察高管团队稳定性对上市公司违规行为的影响机理，可能的贡献包括：

首先，从高管团队稳定性的角度丰富了公司违规行为影响因素的研究。已有涉及高管和上市公司违规行为关系的文献主要关注了高管个人特质以及高管团队异质性的影响，对高管团队稳定性治理作用的关注尚显不足。本文在证实高管团队稳定性对上市公司违规行为存在显著抑制作用的基础上，进一步分析了高管团队稳定性发挥治理作用的中介机制。此外，本文基于违规类型和违规程度进一步区分了上市公司违规行为，以探索高管团队稳定性的差异化影响，对中国上市公司违规行为动因的研究进行了有益拓展。

其次，丰富并推进了高管团队稳定性的研究。现有大多文献探讨了高管团队稳定性的积极意义（汤莉和杜善重，2018［9］），本文则通过探讨高管团队稳定性对上市公司违规行为以及违规稽查时间的影响，发现高管团队稳定性具有“双刃剑”作用，即高管团队稳定性有利于减少违规行为，但当违规行为已成事实的情况下，高管团队稳定性延长了违规行为被稽查的时间，相关结论可以为上市公司高管团队建设提供参考借鉴。

2 理论分析与研究假设

2.1 高管团队稳定性与上市公司违规行为

高层梯队理论问世以来，学者们逐渐意识到高层管理者作为公司治理结构的核心，不仅是各类资源的分配者，更是公司内重大决策的制定者。进一步研究发现，高管的决策倾向会受到高管团队的干预，且高管团队的决策质量在很大程度上取决于高管团队稳定性（Agarwal等，2020［10］）。尤其在动荡的资本市场环境中，高管团队的稳定状态显得尤为重要。社会同一性理论认为，具有较高稳定性的高管团队成员之间会保持积极的情感关系，而这种关系会使得团队成员的认知逐渐趋于同一化，并且高管之间会产生较高的默契，最终形成团体凝聚力（张兆国等，2018［11］）。团体凝聚力有利于提高上市公司决策质量和响应速度，并由此影响上市公司的治理行为，在上市公司治理过程中发挥积极效应。

借鉴陆瑶和李茶（2016）［12］的“公司违规成本与收益分析”方法，上市公司是否进行违规行为主要取决于违规成本与违规收益的比较。当违规收益明显大于违规成本时，高管就容易实施违规行为。违规成本主要包括违规被稽查的可能性以及高管所面临的处罚成本。违规收益主要包含违规行为所带来的短期额外收益和所避免的处罚。我们认为，高管团队稳定性主要通过减少对违规收益的期望以及提高对违规成本的预测以抑制上市公司违规行为的发生。具体逻辑如下：

首先，高管团队稳定性减少了高管团队成员对违规收益的期望。管理者防御理论认为，高层管理者为了避免降薪、降职、解雇等处罚，会采取一些自利行为，以维护自身的职位和薪酬（张海龙和姚冰湜，2014［13］）。而较为稳定的高管团队则降低了高管的离职风险，进而减少了管理者的短视行为。同时，当公司面临重大问题需要进行决策时，稳定的高管团队减少了协调成本，使得高管团队成员能够各抒己见，从而提高了决策的质量和水平（Heavey和Simsek，2017［14］）。基于此，高层管理者会尽可能做出高质量的决策以实现自身和企业的持续共同发展，并不会因为短期的违规收益而损害自身长远的利益。因此，在较为稳定的高管团队中，高管会更多地考虑长远利益，进而减少违规收益期望。

其次，高管团队稳定性提高了高管团队成员对违规成本的预测。违规成本分为直接违规成本和间接违规成本：直接违规成本既包括批评、警告和谴责等一般违规处罚，又包含罚款、没收非法所得、取消营业许可、市场禁入等重大违规处罚；间接违规成本主要是指高昂的声誉成本，即公司的负面报道不仅对公司的声誉造成损害，如一定范围的股价波动（Kothari等，2009［15］），而且会对高管在劳动市场上的形象具有不利影响（Andrus等，2019［16］）。高管团队稳定性越高，行为整合能力与团体凝聚力就越强，高管自身利益会与公司整体利益的联系更加紧密，公司和高管的声誉一旦遭受损害，公司倘若再采取声誉修复行动亦是收效甚微（石青梅和孙梦娜，2020［17］）。基于此，当上市公司发生违规行为时，高管不仅将个人的违规处罚考虑在内，更会考虑公司所面临的违规成本，从而使得公司高管提高了所面临的违规成本预测，从而减少其违规行为。

总之，高管团队稳定性一方面使得高管更多地考虑长远收益，以减少短期的违规收益预期；另一方面使得高管更加地共同考虑个体和团队利益，从而提高对违规成本的预测，由此对上市公司违规行为产生抑制作用，基于以上分析，提出研究假设如下：

H1：高管团队稳定性有助于抑制上市公司违规行为。

2.2 当上市公司违规后，高管团队稳定性对违规稽查时间的影响

上文论述了高管团队稳定性对公司违规行为的抑制作用，但是在公司违规已成事实的情况下，高管团队稳定性会不利于违规稽查，延长被稽查时间。其主要逻辑如下：

首先，当公司违规已成事实时，稳定性较高的高管团队更有动机去掩盖其违规行为。这是因为上市公司违规行为一旦被稽查，公司将会面临巨大的违规成本（梁上坤等，2020［18］）。在面对如此巨大的违规成本时，为了保护自身和企业利益，以情感维系的高管团队成员更有动机形成掩盖违规行为的共识（Oh等，2006［19］）。

其次，当上市公司违规已成事实时，稳定性较高的高管团队更有能力去掩盖其违规行为。高管团队稳定性越高，团队成员行动的一致性程度越强，往往在公司中拥有较大的控制权和决策权，董事会作为公司内部重要的监管部门，在此情境下往往无法充分发挥应有的监督职能（陆瑶和胡江燕，2016［20］）。为了自身和团体的利益，高管团队成员能够通过会计信息舞弊、信息披露遗漏、信息披露延迟等方式来掩盖其违规行为，从而延长被稽查时间（张晨宇和武剑锋，2020［21］）。

基于以上分析，提出假设如下：

H2：当上市公司违规行为发生后，高管团队稳定性不利于违规稽查。

3 研究设计

3.1 研究方法

以往研究常采用Logit模型或Probit模型对公司违规行为进行估计，通常是将已被稽查的违规上市公司作为“违规”样本，但并未考虑到其他违规公司未被稽查到的“违规”样本。由于公司违规行为具有一定的隐蔽性，从而导致违规稽查具有一定的滞后性，考虑到上市公司的违规行为只有被稽查到的数据才能被测量和观测，为保证回归结果的可靠性，本文在使用Probit模型的基础上，同时采用部分可观测Bivariate Probit模型进行估计。借鉴Poirier（1980）［22］和梁上坤等（2020）［18］的研究，将公司违规变量分解为违规倾向和违规稽查两个不可观测的潜变量，建立以下模型：

Fraudit*代表i公司的违规倾向；Detectit*则代表i公司被稽查的可能性。XFraud,it表示解释i公司实施违规倾向的因素；XDetect,it则表示解释i公司实施违规行为后被监管稽查可能性的变量（i代表公司，t代表年份）。

若Fraudit*＞0，Fraudit=1，否则Fraudit=0；若Detectit*＞0，Detectit=1，否则Detectit=0。

令VIOit=Fraudit×Detectit，则VIOit=1，表示i公司有违规行为且被监管稽查到；VIOit=0，代表i公司没有违规行为或者i公司有违规行为但未被监管稽查到。

若令Φ表示二元标准正态累积分布函数，则

模型的对数似然函数为

其中，为了保证估计结果的可靠性，借鉴Wang等（2010）［23］的研究，完全识别模型参数的选择规定了以下两个条件：（1）XFraud,it与XDetect,it不应包含完全相同的变量；（2）解释变量在样本中应表现出很大的变化。

3.2 样本来源与描述

本文以我国A股上市公司为初始样本，将样本观测区间限定为“2010-2019”年，同时通过如下步骤进行筛选：（1）剔除金融类上市公司；（2）剔除ST及被退市的上市公司样本；（3）剔除主要相关数据缺失的样本。最终得到22851个观测值。本文所采用的基础数据均来自于国泰安（CSMAR）数据库。其中有关高管团队稳定性与上市公司违规行为的数据由作者手工整理而得。同时，为了消除异常值的影响，我们对所有连续变量进行了上下1%的Winsorize处理。

表1为样本观测期内上市公司的违规情况。通过表1可以看出，违规且被稽查的上市公司在2012年达到峰值，这可能是由于《上市公司监管指引第2号—上市公司募集资金管理和使用的监管要求》的出台，使得资本市场财务信息披露质量和透明度得到提高。此外，鉴于2015年爆发的股灾所产生的市场泡沫，违规收益的显著提高驱使更多的上市公司发生了违规行为，从而使得2015年上市公司违规数量大幅提升。统计显示，样本观测期内总计3183个违规公司的样本，占近10年上市公司总数的13.93%，但上市违规公司比例总体上呈现出下降趋势。这表明我国资本市场的监管力度正在不断加强，并已取得一定成效。

表1 上市公司违规情况

3.3 模型构建与变量定义

为检验高管团队稳定性对上市公司违规行为的影响，本文设定以下模型：

其中，STMT表示解释变量，即高管团队稳定性；Control为控制变量组，β0为截距项，ε代表随机扰动项。在式（6）中，被解释变量为上市公司违规行为（VIO），该模型用以检验高管团队稳定性对上市公司违规行为的影响，即假设H1。为了进一步验证假设H1，基于研究方法部分的介绍，采用部分可观测Bivariate Probit模型的估计方法，利用影响违规行为的其它因素分别引入两个不可观测的潜变量，即违规倾向（Fraud）和违规稽查（Detect），具体选取的影响因素见表2。由此分别设立式（7）和式（8），旨在对上市公司违规行为的研究作更为细致的考察。在式（9）中，被解释变量为违规稽查时间（INSP），此模型主要用来检验当上市公司发生违规行为后，高管团队稳定性对违规稽查时间的影响，即假设H2。此外，本文还控制了年份固定效应。

（1）被解释变量

借鉴现有研究（梁上坤等，2020［24］），本文通过虚拟变量对违规行为（VIO）进行衡量，若上市公司当年发生违规行为取1，否则取0。

同时借鉴陆瑶和胡江燕（2016）［20］的研究，将违规稽查时间（INSP）定义为公司违规行为开始到被稽查的年份数。

（2）解释变量

高管团队稳定性（STMT）是指高管团队的整体规模以及组成成员在一定时期内保持不变的程度，它不仅是团队凝聚力的集中体现，同时也是各利益相关者之间的博弈均衡状态（张铁铸等，2020［25］）。高管团队稳定性主要涉及以下两个层面：一方面关注高管团队规模的稳定状态；另一方面则要观察其组成成员的变动情况。本文借鉴Crutchley等（2002）［26］的做法，构建以下公式来计算高管团队稳定性：

其中，Mt为公司第t年的高管总人数，Mt+1则为第t+1年的高管总人数。#（St/St+1）为在第t年在任但在第t+1年离职的高管人数；#（St+1/St）则表示在第t年不在任却在第t+1年新增的高管人数。STMT取值范围在［0，1］之间，越接近于1，说明高管团队的稳定性越强；相反，取值越小，表明高管团队的稳定性越弱（Richardson，2006［27］）。

（3）控制变量

参考前人研究，本文在回归分析中控制了公司经营、公司治理、诉讼风险等三方面的影响因素，其中公司经营变量包括公司规模（FSIZE）、股票年收益率（ASR）、托宾Q（TQ）、资产负债率（LEV）和总资产收益率（ROA）；公司治理变量含有产权性质（NPR）、两职合一（ITF）、股权集中度（CON1）、董事会规模（BSIZE）以及独立董事比例（PID）；诉讼风险变量包含行业公司违规比（INDF）、审计师类型（ATY）和股票换手率（STU）。变量定义与测量方式见表2。

表2 变量定义与测量方式

4 实证检验与结果分析

4.1 描述性统计

表3是主要变量的描述性统计，分别表示了样本数据的最小值、中值、最大值、均值以及标准差。样本观测期内违规且被稽查的上市公司（VIO）均值为13.9%，表明中国上市公司的违规行为仍然普遍存在。对于已违规上市公司被稽查时间（INSP）的均值为0.255，即违规从发生到被稽查平均需要0.255年的时间。另外，高管团队稳定性（STMT）的标准差为0.159，表明不同公司高管团队稳定性存在着较大差异。

表3 主要变量的描述性统计

4.2 相关性分析

表4列出了主要变量的Pearson相关系数。高管团队稳定性（STMT）与违规行为（VIO）的Pearson相关系数为-0.051，且在1%水平上显著。初步表明高管团队越稳定，其违规行为越少，与本文假设相符，但仍需做进一步回归检验。此外，主要变量之间的相关系数均小于0.5，说明不存在严重的多重共线性。

表4 主要变量的Pearson相关系数

4.3 高管团队稳定性与上市公司违规行为回归分析

表5为高管团队稳定性（STMT）对公司违规行为（VIO）的回归分析结果。由式（6）的回归结果可知，通过Probit回归估计结果可以看出，高管团队稳定性的回归系数为-0.065，且p＜0.01。这说明高管团队稳定性与上市公司的违规行为存在显著的负向关系，即高管团队越稳定，上市公司的违规行为越小，假设H1得证。

表5 高管团队稳定性与上市公司违规行为

式（7）和式（8）采用部分可观测Bivariate Probit模型进行估计，第3和第4列分别报告了高管团队稳定性（STMT）对违规倾向（Fraud）和违规稽查（Detect）的回归结果：对于违规倾向，高管团队稳定性的回归系数为负，且在1%水平上显著；但对于违规稽查，高管团队稳定性的回归系数不显著。这表明高管团队越稳定，公司违规倾向越小，但对被违规稽查的概率并没有影响。此结果符合假设H1的预期。

另外，本文通过将代表违规倾向的部分公司治理变量（两职合一、股权集中度、董事会规模、独立董事比例）用以解释违规稽查，以进行稳健性检验。如第5-6列的检验结果显示，高管团队稳定性对公司违规倾向具有显著的负相关关系。总体而言，高管团队稳定性有助于抑制上市公司违规行为。

4.4 高管团队稳定性与违规稽查时间回归分析

为了进一步研究高管团队稳定性对违规稽查时间的影响，借鉴孟庆斌等（2016）［28］的研究，本文将违规稽查时间（INSP）定义为公司违规行为开始到被稽查的年份数。对于违规公司的样本，表6报告了高管团队稳定性（STMT）对违规稽查时间（INSP）的回归分析结果。第2列的回归结果显示，高管团队稳定性的回归系数为正，且在10%水平上显著。这表明，对于已违规的上市公司，高管团队越稳定，其违规行为被稽查的时间越长，假设H2得证。另外，为了保证结果的稳健性，本文采取泊松计数模型估计方法检验高管团队稳定性对违规稽查时间的影响，第3列报告了回归结果。检验结果显示，高管团队稳定性的回归系数为正，且在5%水平上显著，这与本文假设H2基本一致。

表6 高管团队稳定性与违规稽查时间

5 进一步分析

5.1 基于违规类型的分析

参考中国证监会对上市公司违规行为的区分，本文将违规行为分为信息披露违规、经营违规以及企业领导人违规三大类。上市公司信息披露违规（IDV），如虚构利润、虚列资产、虚假记载（误导性陈述）、推迟披露、重大遗漏等类型。另一类为上市公司经营违规（OPV），主要包括出资违规、擅自改变资金用途、占用公司资产等类型。将内幕交易、违规买卖股票、操纵股价归为领导人违规（LEV）。同时考虑到国泰安（CSMAR）数据库中的其他违规类型的模糊性，所以，本文没有将其进行归类。

按照上述归类方式，若该年度上市公司被稽查出对应类型的违规行为时，赋值为1，否则为0，由此引入三个哑变量作为被解释变量分别进行回归检验。表7具体汇报了上市公司违规分类的统计结果。经过分类统计可知，在所选取的违规公司样本中，信息披露违规公司总占比达到83.25%，且每年所占比重较大，表明上市公司多是进行虚假记载、推迟披露等信息披露违规攫取非法利益，而经营违规及领导人违规行为所占比重较小。另外，3183家违规公司总计违规次数高达4476次，表明存在同一违规公司同一年有多次违规的情形，为此，我们将违规频数作为被解释变量进行稳健性检验。

表7 上市公司违规行为分类统计

表8为高管团队稳定性对不同类型公司违规行为的回归分析结果。第2列和第3列分别报告了高管团队稳定性（STMT）对信息披露违规（IDV）以及经营违规（OPV）的回归结果：高管团队稳定性的系数均为负，且分别在1%和5%水平上显著。第4列则报告了高管团队稳定性（STMT）对领导人违规（LEV）的回归结果：高管团队稳定性的系数并不显著。总体而言，高管团队稳定性对信息披露违规以及经营违规行为具有显著的抑制作用，但对领导人违规行为的影响并不显著。这可能是因为领导者在高管团队中拥有更大的权力和控制力，从而导致其他高管团队成员对其违规行为的抑制作用并不明显。由此可以看出，高管团队稳定性积极作用的发挥存在一定的局限性，因此，在实践中，我们应该尽可能创造更多条件以充分发挥高管团队稳定性的积极作用。

表8 高管团队稳定性对不同类型违规行为的影响

5.2 基于违规处罚程度的分析

前文研究了高管团队稳定性对不同类型违规的作用存在差异，此部分则继续探索高管团队稳定性对不同处罚程度违规的影响。借鉴梁上坤等（2020）［18］的研究以及国泰安（CSMAR）数据库的处罚方式，本文将批评、警告和谴责的处罚方式认定为一般违规（GEV），如果上市公司发生一般违规行为取1，否则赋值为0；另外，将罚款、没收非法所得、取消营业许可（责令关闭）、市场禁入及其他处罚方式认定为严重违规（SEV），如果上市公司发生严重违规行为取1，否则赋值为0。同一般违规相比，严重违规公司所面临的处罚更严重。

表9为高管团队稳定性对不同处罚程度违规行为的回归分析结果。第2列、第3列分别报告了被解释变量为一般违规（GEV）和严重违规（SEV）的回归分析结果：解释变量（STMT） 的回归系数均为负，且都在1%水平上显著。这表明不管是上市公司的一般违规行为，还是严重违规行为，高管团队稳定性都能够发挥显著的抑制作用。以上结果均符合本文的预期。

表9 高管团队稳定性对不同处罚程度违规行为的影响

5.3 高管团队稳定性产生治理作用的机制分析

现有研究表明，稳定的高管团队内部成员之间会形成以情感维系的信任关系，更有利于提升信息披露水平（黄荷暑和周泽，2015［29］）。而且，稳定的高管团队加强了高管个人与企业的联系，促使高管提高信息披露质量以实现个人与公司的持久发展（辛清泉等，2014［30］）。高透明度会增加上市公司违规行为被稽查的风险，从而对信息披露较为充分的上市公司违规行为产生抑制作用。本文借鉴伍燕然等（2016）［31］的研究，采用深交所信息披露考评结果来衡量上市公司的信息披露质量，将“优秀（A）”、“良好（B）”、“及格（C）”以及“不及格（D）”分别赋值为4、3、2、1。

表10报告了信息披露作为中介变量的检验结果。在控制主要变量之后，采用Logit模型对高管团队稳定性（STMT）和违规行为（VIO）进行估计，第2列为回归结果。结果显示，高管团队稳定性的回归系数为-0.150，且p＜0.01，这表明高管团队稳定性对上市公司的违规行为具有显著的抑制作用。第3列为信息披露（IDI）对违规行为（VIO）的回归结果，结果表明，信息披露水平越高，上市公司的违规行为越少。由第4列的回归结果可知，高管团队稳定性有利于提高信息披露水平。另外，第5列是在加入中介变量（IDI）后对违规行为（VIO）的估计结果。结果显示，高管团队稳定性与信息披露的回归系数分别为-0.084和-1.326，且都在1%水平上显著。另外，高管团队稳定性的回归系数与第2列未加入信息披露的回归系数相比显著变小，由此可知，信息披露在高管团队稳定性和公司违规行为之间起着部分中介作用，验证了前文推断。

表10 信息披露的中介作用

续表

5.4 基于媒体关注度差异的分析

在中国资本市场中，媒体作为外部监督机构，对公司治理发挥着不可忽视的作用（Gillan，2006［32］）。Miller（2006）［33］研究发现，媒体更愿意报道广大读者感兴趣的上市公司违规行为；吴先聪和郑国洪（2021）［34］研究表明，媒体报道往往可以依靠行政介入实现公司治理职能。基于以上两点可以推测，媒体关注会提高公司违规被稽查的可能性，从而提高公司的违规成本。因此，我们认为媒体关注度对高管团队稳定性与上市公司违规行为的关系具有调节作用，即媒体关注会强化高管团队稳定性对上市公司违规行为的抑制作用。

借鉴刘柏和王一博（2020）［35］的研究，基于CSMAR新闻数据库，以样本企业年度新闻数量加1取对数度量媒体关注度（MEF）。表11汇报了媒体关注度的调节作用回归结果。其中，高管团队稳定性与媒体关注度的交乘项（STMT*MEF）的系数为负，且在1%水平上显著，结合主效应回归结果，表明媒体关注会强化高管团队稳定性与公司违规的关系，即媒体关注度越高，高管团队稳定性对上市公司违规行为的抑制作用越强，与本文预想基本符合。

表11 媒体关注度的影响

续表

6 稳健性检验

6.1 替换被解释变量的测量方式

借鉴周开国等（2016）［36］的研究，并基于国泰安（CSMAR）数据库，手工整理样本公司2010-2019年间的违规频率（VIF），将其作为被解释变量违规行为的测量指标。表12中的第2列报告了高管团队稳定性（STMT）对违规频率（VIF）的回归分析结果：高管团队稳定性的回归系数为负，且p＜0.01。表明高管团队越稳定，上市公司的违规行为就越少。即假设H1得到验证。

6.2 倾向得分匹配法（PSM）

由于高管团队稳定性在抑制上市公司违规行为的同时，也可能存在这样一种情况：较少违规行为的上市公司使其高管团队更加稳定。为了处理互为因果、遗漏变量等可能的内生性问题，本文采用倾向得分匹配法（PSM）对违规公司样本进行1:1的匹配，并运用Probit模型对匹配的公司样本进行回归分析。表12中的第3列报告了回归结果，解释变量的回归系数为负，且在1%水平上显著，与上文结论保持一致。

6.3 Logit模型回归

上文已使用Probit模型对高管团队稳定性（STMT）与上市公司违规行为（VIO）进行回归，考虑到Logit模型更加简单直接，且应用更广，本文又借助Logit模型检验高管团队稳定性（STMT）与上市公司违规行为（VIO）的关系。表12中的第4列为本文使用稳健标准误进行Logit估计的回归结果，该回归结果与上文结论继续保持一致。

6.4 滞后一期

考虑到高管团队稳定性（STMT）对上市公司违规行为（VIO）的影响可能存在一定的时间差，为了保证研究结论的可靠性，本文对被解释变量滞后一期，并运用Probit模型进行估计。表12中的第5列报告了回归结果，此结果仍然与本文假设一致。

表12 稳健性检验

7 研究结论与启示

7.1 研究结论

本文以中国A股上市公司为研究样本，采用Probit估计方法以及部分可预测的Bivariate Probit估计方法，实证考察了高管团队稳定性与公司违规行为的关系。研究发现高管团队稳定性对上市公司违规行为的影响存在“双刃剑”效应：一方面，高管团队稳定性有利于抑制公司的违规行为，经过替换变量测量方式、PSM检验、Logit模型回归与滞后一期被解释变量等多种稳健性检验后，该结论仍然成立；另一方面，当上市公司违规行为一旦已成事实时，高管团队稳定性对公司的违规行为起到了“遮羞布”效果，即高管团队稳定性使得高管更有动机和能力去掩盖其违规行为，从而对政府的违规稽查工作造成巨大阻碍。

通过进一步研究，本文还得出如下结论：第一，高管团队稳定性对公司的信息披露违规和经营违规行为的影响更强，而对领导人违规行为的影响较弱；第二，高管团队稳定性对一般违规和严重违规等不同程度的违规行为均存在显著的抑制作用；第三，信息披露是高管团队稳定性发挥治理作用的路径之一，即高管团队稳定性通过提高上市公司信息披露水平，抑制了违规行为的发生；第四，媒体关注作为重要的外部监督机制，进一步强化了高管团队稳定性对上市公司违规行为的抑制作用。

7.2 研究启示

本研究肯定了高管团队稳定性抑制公司违规行为的积极作用，为高管团队稳定性和上市公司违规行为的相关文献做出了有益补充，并由此得到如下启示：

首先，本文的研究结论进一步支持了以往研究中关于“稳定的高管团队具有较强的信任度和凝聚力等”的论述与观点，并由此扩展到对违规行为抑制作用的推论，也进一步说明频繁动荡的管理层容易滋生违规倾向，不利于上市公司质量提升以及多层次稳定资本市场的建立。但同时，本文的结论也表明高管团队稳定性对上市公司违规行为被稽查具有遮掩作用。所以，上市公司应当在保持高管团队适度稳定的同时，还要注重对高管团队权力的约束与制衡，比如提升其他大股东、中小投资者对公司治理行为的关注度、强化独立董事在公司治理中的咨询与监督职能。一方面促使高管团队成员择善而从，保障高管团队稳定性积极治理作用的发挥；另一方面通过约束与制衡避免稳定的高管团队沆瀣一气，构建科学、合理的公司治理机制。

其次，本文研究发现，信息披露作为高管团队稳定性发挥积极作用的部分路径对上市公司违规行为具有明显的抑制效果，该结论既进一步证实了以往文献中关于“较高的信息披露水平能够缓解信息不对称”的观点，又进一步肯定了监管部门制定一系列强化上市公司信息披露政策的正确性与必要性。因此，对于监管部门来讲，通过完善法律法规，加大监管力度等提高上市公司的信息透明度，是减少上市公司违规行为的重要途径，同时也是实现中国资本市场高质量发展的必由之路。

再次，本文探讨了媒体关注度的调节作用，研究发现媒体关注度越高，高管团队稳定性对公司违规行为的抑制作用越强，该研究结论进一步为学术界中有关“媒体关注对上市公司行为具有显著的监督治理功能等”观点提供了新的论证。由此也说明，政府部门应充分意识到媒体作为外部监督机构，是上市公司经营信息的独特传导渠道，可以有效降低信息不对称程度，在中国资本市场体系中发挥着不可忽视的外部治理作用。在此基础上，政府部门也应促使媒体的独立化和标准化，尽可能营造出开放有序的市场氛围，充分发挥媒体的外部治理作用，从而加快中国资本市场体系高标准化的进程。

最后，上市公司的违规行为不仅侵害了广大投资者的利益，而且扰乱了稳定的资本市场秩序。本文为实践中投资者投资决策标准与原则提供了一种可能，财务绩效短期指标难以体现上市公司发展的潜力与持续性，本文的研究结论证明上市公司治理结构与制度设计对上市公司治理质量提升和可持续成长的重要意义。因此，对于投资者来讲，在进行投资决策时，不应仅仅将公司的财务数据作为衡量标准，可以更多关注公司内、外部治理结构的合理性与科学性，比如上市公司透明度、高管团队氛围、媒体关注度等，以形成对上市公司相对全面与客观的认知与评价，提升投资决策的科学性。