彭 翀，屈 宁，王 倩，姜 洋

（东北林业大学 经济管理学院，哈尔滨 150040）

高层管理人员对于企业的决策起着至关重要的作用，根据目前所处的环境做出判断，并且保证政策的顺利实施，是管理者的重要任务。本文的目的是研究高管团队特征与创新绩效之间的关系。高管团队是战略的制定和实施者，高管团队的人口特征会在很大程度上影响决策的效率和效果，从而影响企业的绩效和创新绩效。本文的研究能够为企业的高管团队建设提供借鉴，帮助企业提高绩效和创新绩效，提高决策的效率。

1 理论基础和研究假设

高层梯队理论（upperechelonstheory）最早是由Hambrick和Mason提出的，该理论认为高管团队特征会影响战略选择和组织绩效[1]。Carpenter对高层梯队理论进行了进一步的修正，在此基础上提出了多理论整合模型[2]。

在年龄方面，年轻的高管创新的意愿更强，更愿意承担风险[3]。年轻的高管更愿意接受新的想法。年长的管理者会倾向于过去的经验，趋于保守和稳定[4]。基于以上观点本文提出如下假设：

假设1a：企业创新绩效与高管团队的平均年龄正向相关；

假设1b：企业创新绩效与高管团队的平均年龄负向相关；

在教育水平方面，教育水平影响创新绩效[5]。通过教育水平能够预测到创新绩效和创新行为[6]。教育水平越高，就越倾向于采取风险性的决策，在研发方面更多投入[7]。基于以上观点本文提出如下假设：

假设2a：企业创新绩效与高管团队的平均教育水平正向相关；

假设2b：企业创新绩效与高管团队的平均教育水平负向相关；

Smith等(2006)研究发现，权力不平等与公司绩效正相关[8]。当企业CEO有着丰富的职业背景与行业经验并拥有绝对的权力时，这一关系更加明显。Sonja(2018)认为，CEO的决策权力越集中，绩效波动越大[7]。基于以上观点本文提出如下假设：

假设3a：企业权力分布的不均衡程度在高管团队特征与企业创新绩效的关系中起正向调节作用；

假设3b：企业权力分布的不均衡程度在高管团队特征与企业创新绩效的关系中起负向调节作用。

2 数据来源

本研究从2013—2017五年间所有上市公司中选取样本，剔除信息缺失、绩效异常的公司后，240家有连续5年数据的公司作为本文的研究对象。所有数据均来自于企业年报及国泰安数据库。

3 变量及测量

3.1 自变量

①平均年龄（AGE）。

团队的平均年龄按照全部高管成员的年龄计算平均值。

②平均教育水平（EDU）。

教育水平划分为5个层次，博士研究生、硕士研究生、大学本科，大专和、中专、高中及以下，分别对它们赋值5、4、3、2、1。平均教育水平按照全部高管教育水平计算平均值。

③性别（GENDER）。

性别变量用虚拟变量表示，研究中女性的性别变量取值为1，男性取值为0。

④海外背景（ABROAD）。

海外背景用虚拟变量表示，成员拥有海外留学经历的取值为1，无海外留学经历的取为0。

3.2 调节变量（权力分布T PI）

本研究采用两职兼任、学历、薪酬、股权4个测量指标来测量每一位高管相对其他高管的权力分布不均衡程度。两职兼任，当CEO兼任董事长时取值为1，否则为0。学历，用高管教育水平得分除以最高教育水平得分表示。薪酬，高管报告期薪酬除以最高成员薪酬。股权，高管年末持股数除以最高持股数。在计算出4个相对权力指标后，对4个相对权力指标进行主成分分析并按特征根大于0.89（累计贡献率等于76%）提取主成分。计算出主成分综合得分，并加总得到各高管的相对权力，然后利用高管成员相对权力的变异系数来衡量高管团队权力分布不均衡程度，变异系数用相对权力的标准差除以权力的均值表示。

3.3 因变量

①净利润变量用企业当期利润总额减去所得税后的金额表示；

②研发支出占营收比例变量用研发支出占销售收入的比重表示；

③专利数用专利机构受理的该企业技术发明申请专利的数量表示。

3.4 控制变量

①企业年龄：研究年份减去企业成立年份；

②企业规模：用总资产作为衡量规模的指标。

4 实证分析

4.1 描述性统计分析

表1 描述性统计（均值）

从表1中可以看出，从2013—2017年各变量的均值变化浮动不大，不同企业高管的平均年龄和教育水平之间差异不大，但是高管中女性占比、海外留学经历以及企业的净利润、专利数、研占比和权力均衡性方面差异较大。

表2 变量之间的相关系数

4.2 回归分析

采用五年期的面板数据，Hausman检验表明固定效应与随机效应一致，采用随机效应，可以保留不随时间变动的属性变量。运用Eviews7分析，得到结果如表3所示。

表3 高管团队特征、权力分布与创新绩效回归结果

主要变量回归的结果如表3所示。其中，模型1、模型3分别考察了高管团队海外经历、平均年龄、受教育程度、女性占比对企业净利润、专利数的影响，在模型2和模型4中，加入了权力分布变量（TPI）以及TPI与自变量的交互项。模型1的回归结果表明，高管团队成员拥有海外经历与净利润显著负相关，高管的平均年龄、教育水平和女性占比与企业净利润显著正相关，说明高管积累的经验有助于提高企业绩效，假设1a成立，高管的教育水平有助于提高绩效，支持假设2a，女性高管倾向于采取稳定的决策，降低风险，有助于提高净利润。模型2的回归结果显示TPI和平均年龄、女性占比和教育水平的交互项与企业净利润呈显著负相关，说明TPI负向调节企业高管团队的平均年龄、教育水平、女性占比与净利润之间的关系，假设3b成立，因为TPI和高管的海外经历交互项的回归系数不显著，说明高管海外经历对企业净利润的影响与TPI无关。模型3结果表明，女性性别变量与企业专利数显著负相关，假设2b成立，海外经历与专利数相关系数不显著。高管的平均年龄与研发收入比例显著正相关，假设1a成立，高管的教育水平与研发收入比例显著正相关，假设2a成立。模型4回归结果表明，权力分布（TPI）与研发收入比例显著负相关，表明权力分布对研发投入具有明显的抑制作用。研发收入占比与高管平均年龄、教育水平和海外经历的交互项系数显著为负，表明TPI负向调节企业高管团队的平均年龄、教育水平、海外经历与研发收入比例之间的关系，假设3b成立。权力分布（TPI）和女性性别变量交互项的回归系数不显著，表明权力分布对于女性与研发收入比例之间关系没有调节作用。女性高管对提高企业利润有显著正向影响，但是对于研发投入有显著负向影响，表明女性对于风险性投入趋向于保守。

4.3 稳健性检验

为了检验回归结果的稳健性，采用专利数作为因变量，进行面板泊松回归，回归结果表明，系数的符号和显著性一致，研究结果稳健（表格略，备查）。

5 结果讨论与启示

第一，不同性别的高管在经历、偏好等诸多方面存在差异，这种差异既能使高管团队在决策时将尽可能多的决策因素纳入考虑之中，同时也会产生冲突。因此，组建高管团队性别组合非常重要。

第二，教育水平对一个人的性格和他对社会、事物的认知和态度的形成，以及其世界观、人生观的确立，具有十分重要的影响。这就要求企业一方面注意吸纳高层次人才加入企业高管团队阵容，一方面积极鼓励现有高管团队成员不断加强自身学习，不断学习新的知识和思维方式以缩短因教育水平不同而带来的个体认知差异。

第三，高管权力分布能够影响决策过程中拥有不同权力的高管团队成员对于决策的提出、建议和决定的权力大小。因此，企业应优化组织权力配置，制定科学的决策流程和机制，创造轻松的沟通氛围，使权力相对较低的团队成员勇于表达自己的意见，避免权力相对较大的成员对决策结果享有绝对的控制权，同时也要致力于减少内部冲突带来的无效沟通。