房孟佳

(山东农业大学 经济管理学院(商学院)，山东 泰安 271018)

0 引言

“十四五规划”提出我国未来要实现高质量发展，必须坚持创新在我国现代化建设全局中的核心地位，把科技自立自强作为国家发展的战略支撑，这要求我们必须深入贯彻创新驱动发展战略，以科技创新引领未来发展。企业作为市场主体的重要参与者，是经济发展中的重要一环，经济的发展离不开企业绩效的提升。

企业创新作为企业绩效提升的重要手段受到越来越多的关注，但是由于创新本身具有投资高、跨期收益、收益不确定等特点，所以在存在委托代理关系的企业中，管理层可能由于不想承担创新带来的不确定性而选择有利于自身利益的行为[1]。高管的重要考核指标之一就是财务指标，而创新投入往往耗资较高，所以高管可能会通过削减创新活动开支来减少成本以保证当期的财务绩效考核。但是创新对于企业未来长远发展具有重要意义，一旦高管忽视创新投入则会危害企业的长远发展目标。所以高管如何权衡短期收益与未来发展的关系，成为影响创新投入的主要因素[2]。有效的高管激励机制是企业研发投入和公司绩效的必要保障。高管在企业中的收益主要来源于薪酬回报，而薪酬回报又取决于其经营业绩，所以高管会不支持具有风险不确定性的创新研发项目。对管理层实行激励机制是促使其承担风险、增加创新绩效的有效途径。所以，通过实施高管激励机制提高高管的风险承担能力和意愿，促使高管在短期自身利益与企业长远发展目标之间做出最有利于企业的抉择即选择恰当的时机增加企业的研发投入，支持企业的研发创新活动来提高企业的核心竞争力，实现企业的长久发展[3]。

本文通过分析企业创新投入这一中介效应模型来探究薪酬激励对企业绩效发展的影响机制，从而为企业绩效的提升提供具有参考价值的结论。

1 理论分析与研究假说

1.1 薪酬激励对企业绩效的直接影响

薪酬激励对企业绩效的影响属于典型的委托代理问题。由于存在信息不对称以及不确定性所以在股东与经理人之间就存在代理问题。基于该理论，为了避免签定契约后经理人出现的道德风险，企业需要建立与完善对经理人的激励与监督机制[4]。其中最重要的激励机制就是高管薪酬的合约安排。针对这一问题，最优契约理论认为最佳的薪酬合约是将高管报酬与公司业绩相挂钩。高管作为有限理性经济人，会将其获得的报酬与自己付出的代价(努力程度)相权衡，进而选择使自己利益最大化的方式行事。因此，较高的报酬往往会激励经理人付出较多的努力以提升公司绩效，而公司绩效的提升又会进一步为其带来更多的报酬，从而形成一个良性循环。基于此本文提出假设H1。

H1：薪酬激励正向作用于企业绩效

1.2 薪酬激励通过研发投入对公司绩效的间接影响

公司治理理论表明，股东可以通过分散投资收取组合收益，而经理人只有通过经营业绩来换取薪酬、福利等短期回报。因此，管理层尤其是风险厌恶型管理层通常只关注能够提高短期经营绩效的项目，而规避具有风险不确定性的项目如创新研发。一些学者认为高管薪酬激励能够有效解决委托代理问题，提高管理层与企业共同担当风险的意愿，增强经理人从事风险投资项目的动机[5]。尤其是在研发部门，其管理者的薪酬水平越高，企业研发专利的数量和研发支出也越高。

关于研发投入对企业绩效的影响，学者们现有的研究结论比较丰富。一方面是创新投入可以促进企业绩效的提升。基于创新投入促进机制视角，早期学者们利用柯布—道格拉斯生产函数模型等来测定创新投入对生产率的影响。梁莱歆等基于企业生命周期视角发现，成长期企业的R&D投入对当期绩效影响显著，并会在长期产生累积效应[6]。王化成等研究发现我国上市公司创新投入形成的无形资产与企业未来的绩效存在显著的正相关关系[7]。同时，由于创新自身具有跨期收益的特点，所以创新投入演化为创新绩效需要一定时间，即创新投入具有一定的滞后效应。另一方面企业绩效对创新投入具有反馈作用。企业良好的绩效状况是企业投入研发所需要的必要条件，研发投入的资本体量高且研发周期不确定，一旦研发过程中出现问题，就需要更强大的资金链予以支持，否则整个研发过程都会前功尽弃。并且对于一个产品的研发必须要将产品顺利推向市场才意味着整个研发过程的真正结束，前期研发活动的完成并不意味着研发可以获得回报，其中还涉及到成果转化的问题[8]。我国学者通过探索创新投入、企业绩效与市场价值三者之间相互影响的关系，认为积极的研发战略是企业高绩效与高市值的前提，而良好的绩效与市值也是研发投入持续进行的保障。所以企业绩效与创新投入之间存在着内生性关系[9]。

学者们对于薪酬激励机制会促进企业的研发投入已经达成了共识，但是对于薪酬激励通过影响企业的研发投入进而影响企业绩效这一路径的探讨尚未有明晰的结论，尤其对于研发投入在这一传导路径中所发挥的中介效应的作用分析不够深入，缺乏相关实证分析的支撑。基于上述分析，现提出假设H2。

H2：薪酬激励通过提升创新投入正向作用于企业绩效。

图1 理论分析框架

2 研究设计

2.1 数据来源

本文选取2018年和2019年沪深两市A股主板研发投入大于0的上市公司为研究样本。并按照以下步骤剔除不恰当数据：(1)银行、保险等金融行业上市公司样本；(2)当年被ST或*ST的公司样本；(3)带有缺失值的公司样本。经过筛选，最终共获得624个有效研究样本。本文研究数据均来自CSMAR数据库，并利用 SPSS19.0统计软件进行计量分析。

2.2 变量说明

(1)解释变量变量。薪酬激励作为本文的解释变量，薪酬激励以上市公司董事、监事、高管的年薪表示。

(2)被解释变量。本文以企业绩效作为被解释变量，企业绩效用上市公司营业收入(OR)表示。

(3)中介变量。本文以上市公司研发投入作为中介变量

(4)控制变量。本文为了尽可能地保证模型估计不受其他因素的影响，特地引入了一些控制变量。这些控制变量包括：董事会议事频次(BMF，一年内董事会召开次数)；股东关联性(INDE，前十大股东是否存在关联，1为不存在关联，2为存在关联，3为不确定是否存在关联)；股权集中度(TOP1，第一大股东的持股比例)；股权平衡度(TOP2_10,第二到第十大股东持股比例总和)；董事长与总经理的兼职情况(CEO，两权分离率)。

2.3 模型构建

2.3.1 基准回归

因为企业绩效的考核主要集中于年底，所以薪酬激励同样具有一定的滞后效应，这里采用滞后一期的薪酬建立模型。考虑创新投入的滞后效应，同时避免创新投入与企业绩效之间的内生性影响，利用滞后期的的创新投入建立模型。因为被解释变量与解释变量都属于连续性变量，采用一般线性回归模型进行分析，基于上述分析回归模型建立如下：

OR=β0+β1ASi-1+β2RDi-1+∑Controls+e1

2.3.2 中介效应检验

其中，中介变量是指自变量 X 影响因变量 Y 的过程中，若是存在 X 通过 M 对 Y 产生影响，则 M 为中介变量[10]。鉴于本文的因变量与中介变量都是连续性变量，结合 Logit 模型进行中介效应检验分析。具体原理如下:

M=aX+e2

(1)

Y=c'X+bM+e3

(2)

Y=cX+e4

(3)

其中(3)式中的系数c代表的是X对Y的总效应，(2)式中的系数c'代表的是控制了中介变量M后X对Y的直接效应，而M间接效应的存在是看系数a、b的乘积。对于这类简单中介模型来说总效应=直接效应+间接效应即c=c'+ab。对于中介效应的检验过程来说首先应该检验的是系数c如果系数c显著则证明X对Y整体上具有显著性影响。对于系数C 的检验是十分必要的，如果X对Y并不存在显著的影响关系那么再去探究X通过M而影响Y也就变得毫无意义。再对系数乘积ab检验，ab如果显著则证明该模型存在中介效应。最后通过对系数c'的检验可以得到中介效应的性质，即中介效应是部分中介还是完全中介。

通过检验创新投入的中介效应，可以解释薪酬激励影响企业绩效的作用机理。X 表示解释变量薪酬激励变量，M表示中介变量创新投入，Y表示被解释变量企业绩效。对于本文来说被解释变量与中介变量均为连续型变量，所以回归模型中系数a与系数 b不存在尺度差异，可以直接进行比较，中介效应大小等于系数乘积ab。本文对于系数乘积ab的检验采用Bootstrap法[11]，它是一种从样本中重复取样的方法,本文将重复抽样的样本容量设为5 000，对这 5 000个Bootstrap 样本,可以得到5 000个系数乘积的估计值,将它们按数值从小到大排序,其中第 2.5 百分位点和第 97.5 百分位点就构成系数乘积 ab 的一个置信度为95%的置信区间,据此就可以进行检验了：如果置信区间不包含 0,则系数乘积ab显著。

3 实证分析

3.1 描述性统计分析

表1是主要变量的描述性统计结果，从表1中可以看出，我国上市公司绩效差距巨大，样本中公司绩效的最小值仅占最大值的0.3%，可见虽然同为上市公司但是不同行业以及不同规模的企业之间的盈利能力之间的营业收入差距很大。由于公司业务对研发力度需求的不同，不同公司的研发投入也相差甚远，公司最小的研发投入与平均值之间仍相差600余万元，但是研发投入的差距相比于公司绩效的差距可以说是大大缩小，说明有的企业的研发投入与公司规模之间的匹配不够，研发投入相对不足。在薪酬激励方面，高管年薪收入同样差距比较大，表明我国上市公司给予高管的待遇存在明显差异。从有研发支出的上市公司董事会开会次数来看，上市公司董事会的勤勉程度存在较大差距，有的公司全年董事会会议次数达到19次，而有的公司则只有4次。从前十大股东关联性来看，已知确切关联性的上司公司中不存在不具有关系的前十大股东，普遍上市公司的大股东之间的关联性比较大。在股权的集中度看，最高的第一大股东的持股比例达到了75%，平均为31.64%，表明有研发支出的上市公司的股权集中度比较高。而股权平衡度方面，有研发支出的上市公司的第二到第十大股东的持股比例的平均数为25.33%，说明股权在这类上市公司中的平衡度不高。在董事长与总经理的兼职情况看，有研发支出的上市公司的两职合一的情况比较少，这与上市公司规模比较大，普遍存在委托代理问题有关。

3.2 相关性分析

表2是对本文主要解释与被解释变量的相关性分析，从表2中可以看出，本文所选取的控制变量之间的相关程度比较低，说明控制变量之间没有明显的多重共线问题，比较适合进行回归分析。而无论是Spearman相关系数还是Pearson相关系数都显示企业绩效、薪酬激励、创新投入之间存在着比较高的相关关系，这与前文中的理论分析内容一致，模型设定中通过使用滞后期的变量一定程度上解决了这个问题。

3.3 中介效应检验

3.3.1 薪酬激励对企业绩效具有正向影响

暂不考虑理论分析中的中介效应与调节效应，借助逐步回归思想，逐步引入变量，同时在回归中采用Bootstrap法进行设定值为5 000次的重复抽样，进行回归。表3中回归(1)仅包括薪酬激励，回归(2)除了薪酬激励以外还引入了董事会议事频次、前十大股东关联性、股权集中度、两职兼职率、股权平衡度5个控制变量进行分析。两个回归模型均显示薪酬激励与企业绩效之间存在显著正相关关系，且在 95%水平上显著。由此得出，薪酬激励对企业绩效有显著的正向影响，H1得到证实。

表1 描述性统计结果

表2 相关性分析结果

表3 企业绩效影响因素回归结果

3.3.2 薪酬激励通过创新投入对企业绩效有正向影响

通过PROCESS插件用Bootstrap法对中介效应ab进行检验，检验结果如表4所示。ab的影响系数为正，且在95%的置信水平上Bootstrap法的上下限之间不包括0，所以创新投入的中介效应是显著的即薪酬激励通过创新投入对企业绩效有正向影响，假设H2得到证实。对于直接效应的检验来说，由于在95%的置信水平上上下限之间包括0，所以对于此模型来说直接效应是不存在的，也就是说薪酬激励对于企业绩效没有直接的影响关系。同时对于系数c的检验在95%的置信水平上上下限之间不包括0，说明总效应存在且总效应的系数为正且企业高管的薪酬激励对于企业绩效有正向影响，进一步证明了假说H1的正确性。由于该模型中中介效应与总效应均显著而直接效应不显著，所以该模型的中介效应属于完全中介的类型，即薪酬激励对企业绩效的正向影响完全是通过影响创新投入而实现的。

表4 Bootstrap法下各效应分解表

4 结论与启示

4.1 研究结论

本文通过构建中介效应模型，首先得到了薪酬激励对企业绩效具有显著的正向影响，同时在后续的分析模型中得出这种影响并不是直接的，而是通过影响高管的行为来达到对企业绩效影响的目的。通过给予高管恰当的薪酬激励，使得高管在企业的日常经营决策中更加积极，对待企业的工作更加勤勉。同时由于委托代理问题的存在，高管薪酬激励的提升可以使高管遇到个人短期利益与企业长期利益之间存在矛盾冲突的时候，增强高管对企业负责的意愿，使企业获得更加长远的发展。

在对于创新投入的中介效应检验过程中得到了创新投入在本文构建的高管薪酬激励影响企业绩效的中介效应模型中发挥了完全中介作用的结论，即在构建的模型中薪酬激激励完全是通过创新投入而影响企业绩效的。由于创新投入的不确定性，所以高管的个人意志对于企业创新投入的大小有重要的影响，通过给予高管薪酬激励而提高高管承担创新投入风险的意愿和能力，从而使得高管在企业发展需要创新投入的时候不会为了自己个人的绩效考评而故意削减企业的研发投入。

4.2 研究启示

本文通过对企业薪酬激励通过影响研发投入而影响企业绩效的分析，可以得到以下启示：作为企业的所有者应该充分重视企业创新投入对一个企业发展能力的提升作用，在目前市场竞争日趋激烈的大环境下，要想保证一定的市场占有率企业必须要发展自己的核心竞争力，而创新就是企业提升核心竞争力的重要手段;同时要制定合理的高管激励政策来督促高管在企业经营过程中可以将所有者对于创新发展的重视落到实处，这样才可以使企业的绩效得到提升，使整个企业的发展成为一种良性的循环。