变量的描述性统计和相关性分析方法

子研究一用于实证分析的有效观测值为8972个(样本Ⅰ),变量描述性统计结果见表5-3。

表5-3变量的描述性统计

续表

本研究中,CEO与其他核心高管的薪酬差距即GAP最小值为0,最大值为5698200,均值为168257,标准差高达285578,说明样本企业的高管薪酬差距水平高低不齐,差距很大。采用HHI来测量的业务多元化程度取值介于0到1之间,通过逆向转化形成反映企业业务多元化程度的正项指标即DIV,最大值为1,最小值为0,均值为0.2651,标准差为0.2454,说明样本企业的业务多元化程度普遍不高。为了运用多项式回归进行匹配视角的分析,对于上述两个自变量,本研究借鉴爱德华兹等(Edwards et al., 1993,2002,2004)的做法,对其分别进行总体中心化处理,然后对得到的数值进行同比例调整为最大值为3,最小值为-3。经过上述处理,形成本研究的核心变量GAP和DIV。GAP变换后数据最小值为-3,最大值为3,均值为-2.8106,标准差为0.3215。DIV变换后数据最小值为-3,最大值为3,均值为-1.4095,标准差为1.4724。

对于因变量公司绩效,本研究采用经行业中位数调整的ROA进行测量,样本数据最小值为-5.3045,最大值为758.6718,均值为0.0904,标准差为8.0159,说明虽然经过了行业中位数的调整,同行业中不同上市公司的绩效水平差距仍然突出。

在反映股权特征的控制变量中,用上市公司第一大股东持股比例反映的PFRIS指标最大值为89.99%,最小值为2.9%,均值为36%,标准差为0.1531,说明整体上我国上市公司股权较为集中,同时也存在一定的差异性;采用上市公司前5位大股东持股比例的平方和测量的BALAN指标最大值为80.99%,最小值仅为0.00002,均值为16.84%,标准差为0.1219,这说明上市公司在股权制衡度方面极大值和极小值差异很大,极少数企业的股权制衡程度微乎其微,样本上市公司的股权制衡度具有一定差异。(www.xing528.com)

在治理结构方面,DUALITY的描述性统计的统计结果显示,观测值中有21.46%的样本两职合一,78.54%的样本两职分离,说明大部分企业的董事长和总经理是两职分离的。用高管团队人数的自然对数表示的LGTMT最大值为3.1781,最小值为0.6931,均值为1.7746,标准差为0.3606,说明样本上市公司中高管团队规模存在一定差异性。INDRAT指标的样本均值为36.81%。但是该指标最大值达到71.43%,最小值仅为12.5%,标准差为0.0538,共有182个观测值的独立董事在董事会成员中占比低于1/3,说明样本中约有2%的样本点在独立董事占比方面未达到证监会要求。该数据结果暴露出自2001年推行至今的独立董事制度在少数公司依然没有按要求执行,这在一定程度上表明,上市公司建立独立董事制度的主观意愿不足、对独立董事重要性的认知不够,并间接反映出独立董事在上市公司发挥作用的程度有限。

在经营特征方面,用提前一期经行业调整后的ROA反映PERBF,该指标最大值为21.9549,最小值为-20.5688,均值为0.0009,标准差为0.4068,说明在同行业内部不同样本企业的前期绩效与当期绩效相比存在较大波动性。用营业收入增长率衡量的GROWTH指标最大值为48.8252,说明观测值中营业收入同比增长幅度最大的达到近49倍之多,最小值为-22.6648,说明观测值中营业收入同比骤降,该数据均值为0.0382,标准差为0.9424,说明样本企业的成长性水平具有一定差异性。

在反映不同情境因素的调节变量中,CHANGE用t+1期是否发生CEO变更来衡量,从指标的描述性统计情况看,占样本总体19.78%的样本点在次年发生了CEO变更,从事实角度证明了CEO更替制度的存在性和合理性。CHATIM用过去6年的CEO变更次数来表示,该项指标最大值为8,最小值为0,均值为1.1867,标准差为1.0909,说明在不同上市公司中,CEO变更频数存在较大差异,CEO流动性强的上市公司6年CEO变更事件高达8起,流动性弱的上市公司,CEO职位6年间由同一人连任,整体情况看上市公司6年中CEO平均更替1.1867次。关于TYPE指标,描述性统计数据显示,8972个样本点中,发生了CEO变更和继任的样本点共1217个,其中内部继任比例达66.56%,说明大部分上市公司采用了内部继任的方式。关于CON的描述中,除去63个产权性质无法清晰界定的样本以外,47.57%的样本点为国企性质,说明总样本中国企和非国企样本点几乎各自占据了半壁江山。

表5-4列示了变量之间的相关系数和显著性水平。从表5-4中可以看出,GAP与ROA有极弱的负相关性(r=-0.001),但并不显著。且DIV与ROA之间的负相关关系(r=-0.013)也不显著,但这并不影响本研究的后续验证,因为本研究着重探讨的是上述两变量的匹配程度而非单一自变量对公司绩效的影响。

调节变量中,CHANGE与因变量ROA存在较为显著的正相关关系(r=0.020,p<0.10),与自变量GAP的正相关关系较显著(r=-0.018,p<0.10),与自变量DIV的相关关系不显著。CHATIM与ROA显著正相关(r=0.029,p<0.01),与GAP显著负相关(r=-0.034,p<0.01),与自变量DIV的相关关系不显著。TYPE与ROA和GAP的相关关系均不显著,仅与DIV显著负相关(r=-0.068,p<0.05)。CON与因变量ROA的相关关系不显著,与GAP显著正相关(r=-0.111,p<0.01),和DIV显著负相关(r=0.125,p<0.001)。温忠麟等(2005)指出,调节变量与自变量、因变量之间的相关关系可以显著或不显著,并且不显著的调节变量是更为理想的情境因素。因此,本研究选取的调节变量与自变量、因变量之间的相关关系不影响后续的调节效应检验。

在控制变量中,反映股权特征的PFRIS和BALAN均与因变量ROA相关关系不显著;反映治理结构的控制变量中,LGTMT与因变量ROA显著负相关,DUALITY、INDRAT与ROA显著正相关;此外,PERBF均与因变量ROA显著负相关,GROWTH与因变量ROA之间相关关系不显著。