实证分析结果稳健可靠的方法——样本变化稳健性检验

为确保实证分析结果稳健可靠,本研究采用改变样本研究期间的方式开展稳健性检验,进一步验证研究假设。选择该方式的主要原因在于:由于研究过程受时间节点限制,本研究采集数据时,2017年上市公司年报尚未完全披露,该年度样本收录不充分,缺失年报披露较晚的上市公司的观测值。为了排除可能存在的影响,将研究期间变更为2006—2015年(因为变量涉及t+1期,所以2017年的年报数据会转换为2016年观测值),删除458个2016年观测值,构建样本Ⅱ开展稳健性分析。

在具体检验过程中,变量测量方法的选择以及模型构建等均保持不变。首先,仍采用多项式回归分析方法对主效应进行稳健性检验,分析结果见表5-8。

表5-8稳健性检验——多项式回归分析结果

续表

续表

注:双行并列的第一行数字为回归系数估计,第二行括号中数字为相应估计量的t值;***、**、*分别表示在1%、5%和10%统计水平下显著。

由表5-8可知,当高管薪酬差距和合作需求匹配时,第一主轴的斜率(b8+b9)系数为-0.1203,结果显示不显著,说明两种不同类型的匹配对绩效的影响差别较小;第一主轴的曲率(b10+b11+b12)系数显著为负,说明该响应面呈脊状面,两种类型的匹配与公司绩效之间存在倒U形的非线性关系。(www.xing528.com)

当高管薪酬差距和合作需求不匹配时,第二主轴的曲率(b10-b11+b12)系数显著为负,说明该响应面沿第二主轴向下弯曲呈现倒U形曲线,即高管薪酬差距和合作需求越不匹配,公司绩效下降得越快。第二主轴的斜率(b9-b10)也显著为负,这说明X>Y的不匹配类型比X<Y的不匹配类型绩效更差。综上,本研究的假设1和假设2均得到验证,主效应的稳健性检验结论与样本Ⅰ检验结论一致。

在多项式回归分析基础上,采用带有调节作用的回归模型进行调节效应的稳健性检验,具体回归分析结果见表5-9和表5-10。

由表5-9可知,在高管薪酬差距与合作需求匹配的情况下,CEO变更预期、CEO变更频数和CEO继任来源的调节效应均得到稳健性检验的支持,产权性质的调节效应系数方向符合预期,但不显著。需要说明的是,上述4条假设检验的结果判断与样本Ⅰ检验结论完全一致。

由表5-10可知,在高管薪酬差距与合作需求不匹配的情况下,CEO变更频数和产权性质的调节效应均得到稳健性检验的支持,CEO继任来源调节效应不显著,CEO变更预期的调节效应系数方向符合预期。

总体看来,子研究一提出的10条假设中有7条得到了针对样本Ⅱ的稳健性检验的支持,与样本Ⅰ的支持结论一致。未得到稳健性检验支持的3条研究假设中,有2条验证结果与样本Ⅰ的研究结果相符。因此认为本研究的研究结论稳健可靠。