CEO内部继任对公司绩效的影响：基于模型分析的检验

时间：2023-05-23 理论教育版权反馈

【摘要】：(5.4)模型2用式5.5表示,用于检验假设1和假设2。模型8用式5.13表示,用于检验假设8,如果二元交互项的系数h3显著为负,说明CEO内部继任会抑制合作需求与高管团队薪酬差距不匹配对公司绩效的消极影响。

在回归模型选择方面,从情境视角出发,为了尽量全面立体地检验高管薪酬差距与合作需求的匹配性对公司绩效的影响,子研究一选择多项式回归分析方法进行模型构建。同时,本研究引入响应面分析,通过对统计检验结果绘制反映变量间关系的三维图形的方式,直观地辅助建立多项式回归系数与一致性研究假设间的关系。

根据夏诺克等(Shanocketal.,2014)的建议,在做多项式回归分析之前,应当检验拟合匹配的两个自变量(X和Y)在取值上是否满足多项式回归的判别条件。具体判别过程如下:首先,对每个样本点的X和Y的数值大小进行比较,将X>Y+0.5S.D的样本归入X超过(over)的类型;将X<Y-0.5S.D的样本归入X低于(under)的类型;将X落在(Y-0.5S.D,Y+0.5S.D)之间的样本归入相等(in⁃agreement)的类型。由于本研究中的X和Y已是标准化处理后的数值,可直接计算X-Y的差值分别落在<-0.5、(-0.5,0.5)、>0.5区间的个数及其占比。其次,进行判别,若落在(-0.5,0.5)区间内(即相等)的样本点占比超过10%,则采用多项式回归分析法是有效的。本研究的8972条样本数据中,落入相等区间的样本数共3395个,占样本总数比例约为37.84%,完全满足多项式回归的适用条件,因此可以进行多项式回归分析,具体见表5-2。

表5-2DIV高于、低于和等于GAP的频度

子研究一采用多项式回归分析方法检验子研究一提出的10个研究假设。由于高管团队的管理决策从制定到执行直至效果显现需要一定的时间,同时为了避免内生性,本研究采用t+1期的因变量公司绩效参与t期的回归分析。实证研究检验主效应、调节效应和动态效应的模型和步骤,分述如下。

(1) 主效应检验

本文采用多项式分析的方法进行内部高管薪酬差距与合作需求匹配对绩效的影响进行分析。根据相关做法(Edwards et al., 1993,2002,2004),可以采用以下方程表示内部高管薪酬差距与合作需求匹配对绩效的影响(主效应检验)。

模型1为只包括因变量和控制变量的基准模型,用式5.4表示。

(5.4)

模型2用式5.5表示(可进一步分解为式5.6和式5.7),用于检验假设1和假设2。因为在式5.6和式5.7中,X以及X2系数的组合没有非线性变换,所以我们不必要对其进行Bootstrap处理。式5.6和式5.7中X与X2系数的方向及其显著性情况可以通过SPSSSyntax1和SPSSSyntax2(1) 进行检验。

(5.5)

其中,当Y=X时,代表高管薪酬差距与合作需求匹配,式5.5可以写为式5.6的形式。

(5.6)

当Y=-X时,代表高管薪酬差距与合作需求不匹配,公式5.5可以写为公式5.7的形式。

(5.7)

(2) 调节效应检验

为了检验CEO变更预期的调节作用,本研究借鉴Cable和Edwards(2004)、Zhangetal.(2012)以及Cableetal.(2013)的方法,通过拟合合成变量(blockvariable),反映高管薪酬差距与合作需求的匹配程度。由于在不同的匹配程度下调节变量发挥作用的内在机制有别,因此,本研究分别令X=Y,拟合出反映高管薪酬差距与合作需求匹配度的Block Variable1;令X=-Y,拟合出高管薪酬差距与合作需求差异度的Block Variable2,并对两种情境分开进行调节效应检验。(2) (www.xing528.com)

式5.8至式5.15用于检验各项调节效应。其中,模型3用式5.8表示,用于检验假设3,如果二元交互项的系数c3显著为正,说明在存在CEO变更预期有助于强化高管薪酬差距与合作需求匹配对公司绩效的积极影响。

(5.8)(3)