董事會特征影響企業進入互聯網金融行業嗎？
——來自中國互聯網金融企業數據的實證研究*

張霜凝，李靜

一、引言

2013年被稱為互聯網金融元年，作為普惠金融和金融市場化的重要創新領域，互聯網金融通過技術平臺的資金匯集、信息分享、信用塑造和價格發現等功能，為小額投融資需求開辟了一條便捷高效的路徑，降低了投融資者的準入門檻與交易成本，讓更多小微初創企業和普通金融消費者的投融資需求得以滿足，極大促進了金融業的市場競爭和資源優化配置。經過幾年寬監管環境下的野蠻發展，中國的互聯網金融行業涌現出了一批優秀的企業，但由于利潤回報高、發展前景廣的行業特征以及不理智的羊群效應投資行為等因素導致了大批渴望轉型的企業進駐互聯網金融行業，使得該行業亂象也逐漸凸顯。所以，目前進入互聯網金融行業的企業類型多、數量大，并不局限于金融企業與互聯網企業，從2007年到2015年，我國互聯網金融行業的企業規模呈現井噴式的發展態勢(如圖1所示)。為了響應國家的“雙創”號召，許多民營企業紛紛成立子公司專業運作互聯網金融，滿腔熱血地加入金融創新的浪潮，在2015年已達到68家，直到2015年12月，以“e租寶”、錢寶等企業為代表的惡性事件標志著監管政策轉向，導致了我國互聯網金融企業數量大幅縮減。

傳統觀點認為，多元化戰略是通過企業內部發展或者外部并購行為進入新領域的一種成長和發展行為。基于這一觀點，本文將企業進入互聯網金融行業這一行為定義為企業多元化戰略。多元化經營往往是董事會運作的結果，因為董事會在公司治理機制中擔任核心角色，承擔著為公司戰略分配資源、提供創造性思維以及建立外界聯系的任務，所以公司治理是否成功關鍵在于董事會職能發揮得如何。而董事會特征很大方面決定了董事會職能的發揮,因此董事會特征與是否進入互聯網金融行業這一多元化戰略之間往往存在著某種內在關聯。尤其是我國互聯網金融市場競爭日益加劇，環境的復雜性不斷增強，決策不確定性日益增加，在如此動態環境下制定正確的企業戰略，確保企業獲取競爭優勢，需要董事會發揮更加重要的作用。

圖1 新進入互聯網金融行業的公司數

關于董事會特征，以往國內外研究的焦點主要集中在董事會特征與公司績效的關系。目前，國外許多學者已經開始對影響董事會特征的因素及其給公司帶來的效果進行相關的研究。在歐美國家，學者們已經得到了一些關于董事會異質性對公司治理、公司績效以及公司決策效率影響的結論，但結論并不完全相同。我國學者們主要是從董事會的特征和結構兩個角度著手研究董事會和多元化戰略的關系(賀遠瓊和楊文，2010；劉兵和劉佳鑫，2015；劉進和池趁芳，2016)，其中包括董事會人數、董事長與總經理是否兩職合一、董事會平均學歷、董事持股比例和董事會會議次數等。盡管國內外眾多學者從不同的理論視角闡述董事會的作用機理，但一致認可董事會對于公司戰略決策具有重要的作用：董事會通過決策是否進入和退出行業影響行業結構和企業績效演進(袁萍等，2006)。然而現有的相關研究很少考慮到不同行業間的差異。本文基于互聯網金融行業的特殊性，選取198家上市公司的數據為研究樣本，通過建立CATPCA-Logistic模型對樣本公司的董事會特征和公司是否進入互聯網金融行業的關系進行實證分析與研究，研究結論可以較大程度上揭示董事會特征與企業是否進入互聯網金融行業的內在聯系，為促進互聯網金融行業的穩定發展提供必要的理論參考和實際借鑒。

二、文獻回顧與假說提出

(一)文獻回顧

多元化戰略又被稱為多元化經營或者多樣化經營，目前關于多元化戰略主要有兩種觀點：第一種觀點強調多元化戰略是一種經營方式，使業務分布于多個行業。Gort (1962)認為，企業多元化經營應該定義為企業涉及的不同市場數量的增加，僅涉及同類產品或以垂直結合方式建立的市場不應作為多元化經營。我國學者基于這一觀點也對多元化戰略進行了界定，汪建成和毛蘊詩(2006)在總結前人研究成果的基礎上認為，多元化戰略是企業產品或者服務涉及兩個及兩個以上行業的一種經營方式。第二種觀點認為多元化戰略是企業的行為過程，即多元化戰略是企業進入新行業的一種成長方式。Anosff(1957)最早從動態行為的角度提出了多元化戰略的概念，認為企業的多元化戰略是企業成長戰略的一種。巫景飛等(2008)認為多元化戰略是企業通過內部發展或者外部的并購行為進入新領域的一種成長和發展行為。由于企業進入互聯網金融行業屬于動態行為，所以本文對多元化的界定主要基于第二種視角。

在刻畫董事會特征方面，傳統理論認為人口統計學變量可以作為管理人員認知和價值觀的代理變量(Tsui and O'Reilly，1989)，這一方法現在被學者在研究高管團隊中普遍使用，使用年齡、性別、任期、學歷等變量作為高層管理者價值觀、認知能力、心理特征以及其他個性的代替變量，經過國外學者的實證，發現管理層權力理論在世界范圍內有廣泛的適用性(Pathan，2009)。

目前國內外專門針對董事會特征與多元化戰略的關系進行的研究相對較少，大部分研究被放入公司治理與多元化戰略的關系的研究中。Amihud and Lev(1981)提出董事會權利大小影響著決策有效性以及投資項目的合理性的理論，認為當經營管理層擁有較高的持股比例時，他們為了追求個人利益往往傾向于選擇實施多元化戰略以分散企業經營中的個人風險。在此基礎上，國內外學者經過實證分析得出，企業多元化程度與外部大股東的持股比例呈負相關，但對于多元化程度與董事會持股之間關系的意見不一致(Chen and Ho，1996；Roberto，2016；RAO and Carol, 2016)。而國內關于董事會特征與多元化程度的專門研究相對更少，且未形成統一看法。秦拯(2004)指出，公司的多元化程度高，則需要處理較多的事務，要求決策快速、高效，因此更為普遍地存在董事長與總經理合二為一的現象；陳傳明和孫俊華(2008)發現內部董事比例與多元化程度的關系并不顯著，而董事會規模與企業多元化程度存在正向相關關系。胡旭陽和史晉川( 2008)、鄧新明(2011)等實證研究表明，有政治關聯的企業更傾向于實施多元化行為，尤其是非相關多元化，但鄭建明等(2014)指出董事長的政治關聯作用會抑制企業過度多元化。

除了以股權比例、董事會規模等指標作為董事會權力集中程度的特征外，目前的研究也開始涉及衡量董事會成員的人口背景特征，已經得到統一的結論大致分為：第一，公司管理者的受教育程度越高，其整合復雜信息、創新能力、分析新情況的能力越強，并且受教育程度較高的管理者對不確定性的容忍程度更大，對企業的創新戰略活動更加重視(Wiersema and Bantel，1992；Datta，2003)。第二，女性董事成員、年長的董事成員對多元化戰略持保守態度(胡榮和胡康, 2007)。第三，企業家曾任職的企業數與企業多元化程度顯著正相關(陳傳明和孫俊華，2008)。而董事成員的財務背景是否促進多元化在國內外的結論不一致，國外學者認為有財務背景的董事成員一般將企業看成資源的組合, 不需要與單獨的業務線相聯系，從而提高了多元化程度(Hayes and Abernathy，1980；Jensen and Zajac，2004)，但國內學者陳傳明和孫俊華(2008)基于中國上市企業的實證指出具有財務背景的董事成員對多元化戰略有抑制作用。

綜上，國內外學者對董事會特征與企業多元化戰略的研究相對較少且未形成統一結論，對于公司治理與多元化經營之間的內在聯系研究大多是基于股權結構的視角得出的，且研究大多集中于研究整個市場，很少對具體行業進行分類研究。因此，本文基于上述文獻的研究結論，結合我國互聯網金融市場的發展特點，參照了Hambrick等(1984)的影響因素模型，通過選取包括董事會規模、董事會權利集中程度、職業背景、政治背景、教育背景、性別、年齡、是否兼任高管等董事會特征，進而分析董事會特征對企業是否進入互聯網金融行業的影響效應，旨在從企業管理層面揭示互聯網金融行業發展的演進規律。

(二)研究假設

從董事會成員來說，董事會特征一般選取年齡、性別、職業、政治背景、學歷等指標進行衡量(袁萍等，2006；陳傳明、孫俊華，2008)。本文基于我國互聯網金融市場的特殊性，對上述指標進行理論分析。第一，較年輕的董事會成員更偏好風險，有較強的創新能力，更愿意進行企業多元化戰略，所以在風險未知的互聯網金融井噴式發展中更愿意進入互聯網金融行業。第二，從心理學研究角度分析，女性董事成員的風險偏好程度較低(胡榮、胡康, 2007)，而在進行多元化戰略時，行業的風險程度是其首要考慮指標，所以在眾多學者的研究中女性董事比例對企業多元化戰略起到抑制作用(Hambrick等，1984)。第三，新興行業的興起需要規范市場制度，而市場制度往往通過政策表現，因此對于利好政策的正確解讀也對企業進入行業起到推動作用。一般認為，政治背景越高的董事會成員對政策的敏感性越高(鄧新明，2011)，更能理解政策含義以及深度理解政策背后監管部門對互聯網金融行業所持的態度，偏好于抓住互聯網金融的機遇，從而拓寬企業業務。第四，有金融工作背景的董事會成員對金融系統的了解更透徹，對互聯網金融行業的認知也更深刻，對于互聯網金融行業的利潤前景和普惠金融的發展理念更加了解，對互聯網金融的未來走向的態度也更加樂觀，有助于推動企業盡早進入行業，占據主要市場份額。基于上述觀點，提出以下假設：

H1：董事會成員平均年齡越小、學歷和政治背景越高以及有金融工作背景的董事人數越多會推動企業進入互聯網金融行業，而女性成員占比多會阻礙企業進入互聯網金融行業。

從董事會架構來說，董事會特征一般選取權利程度、兩職合一、董事會規模等指標進行衡量。具體來說，第一，董事會的權利集中程度越高，越能代表企業進行決策時的較高話語權，提出決策后被通過并執行的可能性越大，其中包括董事會成員持股比例的股權性權利以及董事會成員在外任職的威望性權利。股權性權利表明董事會成員會為了自身利益而進行多元化戰略分散風險；威望性權利表明如果企業家在多個企業任職, 具有豐富職業經歷, 則他們對多元化經營中出現的復雜問題和突發事件的處理能力越強，社交網絡的規模越大，從而通過關系網絡為企業多元化戰略實施提供的資源越多。第二，董事會規模越大，董事會的整合資源能力、專業能力較強。在企業其他指標不變的前提下，規模較大的董事會體現了董事成員多元化以及企業的綜合實力較強，所以更有實力進行企業多元化戰略。規模較大的董事會包含更多的經驗、知識結構和強大的信息處理能力，能夠為企業戰略決策制定過程帶來更多的資源，從而有利于企業處理多元化戰略后面臨的一系列問題，提高企業采取多元化戰略行為的主動性。第三，管家理論認為兩職合一能使企業高級管理層指令統一、決策一致(Donaldson，1990)。隨著董事會中兼任經理的董事比例提高，經理層就有更多的機會操縱董事會的議程、議案，在公司戰略制定中也就獲得了更多的話語權和決策權。且內部代理層級的減少使董事會更加清楚公司運營的真實情況，能夠據此作出符合公司長期利益的投資決策。根據以上理論，當兼任高管人數比例多的董事會做出進入互聯網金融行業的決策時，說明企業適合進入互聯網金融行業，所以決策實行的可能性會大幅度提高，在很大程度上表現了組織權利對進入互聯網金融行業的正向促進作用。因此，基于上述觀點，提出以下假設：

H2：董事會規模越大、權利集中程度越高、兼任高管的人數比例越大越會推動企業進入互聯網金融行業。

三、數據說明與模型設定

(一)數據說明

本文以2013年前上市并且被賦予“互聯網金融”概念的企業為研究對象，考慮到企業經營發生變化以及金融機構在互聯網金融行業上的特殊性，對樣本做出如下處理：剔除ST公司數值，剔除金融機構數值，剔除關鍵變量數據缺失的企業。經過上述處理后，剩下100家擁有“互聯網金融”概念的上市公司。為了與進入互聯網金融行業的企業對比，本文選取不同行業分類下的非互聯網金融企業作為代表，其中，行業分類依據證監會的分類標準并考慮到金融業布局互聯網金融行業的特殊性，刪去金融類行業，具體通過隨機選取各行業內的7家企業，經篩選后共98家企業。綜上所述，本文最終得到有效樣本198家。數據來源于國泰安數據庫和中經網統計數據庫。各個變量選取和定義如下：

1.被解釋變量(Entry)。為二元選擇變量，即是否進入互聯網金融行業，對其進行賦值，1=企業進入，0=未進入。

2.解釋變量

(1)董事會成員受教育程度(Edu)。以學歷表示并對學歷賦值后進行加權平均，1=中專及中專以下，2=大專，3=本科，4=碩士研究生，5=博士研究生，6=其他(以其他形式公布的學歷，如榮譽博士、函授等)。根據樣本數據分布情況，由于大專學歷以下、博士研究生和其他分類下的樣本量較少，為使數據均勻分布，本文將變量分類進行調整，3=本科及以下，4=碩士及以上。

(2)董事會成員平均年齡(Age)。以平均年齡表示，為連續變量。根據數據分布的特點，按四等分法將其處理為有序分類變量，1=50歲以下，2=50-55歲，3=55-60歲，4=60-65歲。在回歸時設置為以最小值為參考。

(3)有金融工作經歷的董事占比(Exp)。具體用有金融工作經歷的董事占董事會規模的比例衡量。

(4)政治背景(Politic)。由于政治關系可以通過正式渠道和非正式渠道兩種方式獲得，非正式渠道的政治關系難以衡量，所以國內外學者傾向于把企業的政治關系看作企業層領導目前所具備的政治頭銜或與其相關的政治關系，從而研究它對企業經營績效和企業價值的影響。本文借鑒這種指標選取方式，對董事會成員按政治級別分成3類，并進行賦值，1=省級以上，2=市縣區級，3=其他(鄉級以下或者無背景)。在回歸時設置為以最大值為參考。

(5)女性董事占比(Female)具體用女性董事人數之和占董事會規模的比例衡量。

(6)董事會規模(Size)。本文采用董事會人數之和作為董事會規模的替代變量。

(7)董事成員兼任高管的人數占比(Dual)。具體用兼任高管的董事人數占董事會規模的比例衡量。

(8)平均董事會權力程度(APH)。綜合考慮股權性和威望性權力的赫芬德爾指數的算術平均值。借鑒周杰、薛鴻博(2013)所采用的處理方法，筆者分別測量了董事會每位成員所擁有的兩種類型權力的得分。第一，股權性權力得分(Equity)，董事會中每個成員的持股數量與董事會成員中持股數量的最大值之比。根據權利得分的定義，股權性得分越高說明在表決時的權利程度越高。第二，威望性權力得分(Prestige)。除本公司外任職于其他單位的單位數量，但不包括控股子公司。董事會成員任職于其他單位的數量越多，掌握其他公司的信息越多。如果其他公司紛紛做出進入決策，則可能發生羊群效應，提高該董事成員決策進入的可能性。

在獲取董事權力得分的基礎上，本文將采用赫芬德爾指標計算每種類型權力的集中程度。具體過程如下：針對威望性類型的權力，首先將每位董事的權力得分相加得到權力總分；然后計算每位董事的權力得分與總分的比值，得到權力比例；最后計算每位董事權力比值的平方和，其結果為該類型權力的集中程度。同理得到股權性權力集中程度指標。APH為各類型權力集中程度指標的算術平均值。

圖2 互聯網金融企業數的地域分布

3.其他控制變量。

(1)企業規模(CSize)。公司規模對企業創新戰略的制定和實施會產生顯著的影響，與小企業相比，規模大的企業擁有更多的資源從事創新活動。因此把公司規模作為多元化戰略的控制變量(周健、李小青，2013)。由于企業總資產數值較大，在因變量為0-1變量時具體用企業總資產除以10億。

(2)是否是互聯網行業(Internet)。互聯網行業本身已經擁有互聯網金融進入的標準技術，其向互聯網金融行業滲透的力量比其他普通民營企業要強得多，影響了企業的資源豐富度和信息搜尋能力，從而影響進入互聯網金融的能力。

(3)是否是北上廣深地區(Area)。如圖2所示，互聯網金融企業主要集中在金融資源豐富的北上廣深，所以認為地域對是否進入存在影響。不同地域金融資源分布不同會造成金融普及度和金融活動參與度的不同，由于北上廣深金融資源較為豐富，是重大金融機構特別是大型金融機構比較集中的地方，互聯網金融的發展也較迅速，在這種環境下，企業選擇進入互聯網金融的可能性也會更大。

以上各個變量的統計性描述如表1所示：

表1 變量描述匯總

(二)計量模型

由于不同變量之間可能存在信息冗余，產生多重共線性的效應，為了消除多重共線性的影響，本文建立如下CATPCA-Logistic模型：

Logit(ENTRY)=β0i+β1iAreai+β2iInterneti+β3iCSizei+β4iXi+β5iPolitici+β6iEcpi

+β7iEdui+β8iFemalei+β9iDuali+β10iAPHi+β11iSizei+ε0i(M0)

為了研究不同權力程度的影響，將M0中APH變量拆分成股權性和威望性變量，分別構造以下CATPCA-Logistic模型：

Logit(ENTRY)=β0i+β1iAreai+β2iInterneti+β3iCSizei+β4iXi+β5iPolitici+β6iEcpi

+β7iEdui+β8iFemalei+β9iDuali+β10iEquityi+β11iSizei+ε1i(M1)

Logit(ENTRY)=β0i+β1iAreai+β2iInterneti+β3iCSizei+β4iAgei+β5iPolitici+β6iEcpi

+β7iEdui+β8iFemalei+β9iDuali+β10iPrestigei+β11iSizei+ε2i(M2)

四、計量估計結果與分析

(一)多重共線性檢驗

Logistic模型可以描述二元變量與解釋變量之間的解釋程度。如果解釋變量之間存在多重共線性，則模型參數的估計可能導致無效的統計推斷。由于數據不滿足Pearson相關系數檢驗的前提(連續型變量且為正態分布)，并且樣本量與變量數較多，所以也未選用Spearman相關系數檢驗，而采用線性回歸中的共線性檢驗，檢驗結果如表2所示：

由表2可知，在12維度時特征值約為0，同時條件指數遠遠大于10時，說明變量間可能存在多重共線性。

(二)分類主成分分析(CATPCA)

當變量間存在多重共線性時，所估計的回歸系數可能不準確，降低了模型的預測能力，可以采取主成分分析法進行修正。傳統主成分分析(PCA)的目標是將m個變量減少到較少數量的p個不相關變量，這p個變量被稱為主成分，其盡可能地解釋了數據的主要趨勢。但由于PCA適用于連續變量，并且只在測量的數值水平上進行縮放，使得區間或比率以及變量之間呈線性關系，因此它不是適用于分類變量的降維問題。對于分類變量，分類主成分分析法(CATPCA)可以實現最優縮放過程，將類別標簽轉換為數值，并且達到量化變量之間的方差最大化(Linting and Vander Kooij，2012)。因此，下文采用分類主成分分析將觀察到的變量減少為許多不相關的主成分。

在進行CATPCA之前，先對要進行主成分分析的變量進行KMO與Bartlett檢驗，以判定是否適合此方法。由表3可知，KMO與Bartlett檢驗>0.5，說明可以繼續進行(Kemalbay、Gülder and ?zlem，2014)。構建出的CATPCA模型如表4所示。

表3 主要解釋變量的KMO檢驗與Bartlett檢驗

表4 主成分CATPCA的模型摘要

忽略高于4的維度的原因是它們對總方差的貢獻很小，由表4可以看出。此外，另一個原因是一般主成分對應的特征值大于1，才說明該主成分有較好的解釋效果。如表4所示，在進入互聯網金融行業的四維CATPCA中，量化后的解釋變量的20.753%由第一個主成分解釋，可以確保1.660的最大特征值，第二個的方差百分比占16.769%，特征值是1.342，并且其他部分分別占剩余方差的盡可能多。因此，所有主成分能夠占量化后變量的總方差的相當大的比例，即64.03%。雖然一般在傳統主成分分析法中要大于85%才認為主成分分析法可以有效降維，但參考相關研究(Linting and Vander，2012; Kemalbay，2014)，CATPCA模型在60%水平上也可進行。

表5給出了主成分負荷量，主成分負荷等于主成分和量化變量之間的Pearson相關系數。 CATPCA中的主成分是量化后的解釋變量的加權總和，權數在表中對應于主成分的每個個體的對象分數。

表5 成分負荷量

由表5可知，第一維度主要對應女性董事人數、董事會規模、董事會中有金融工作背景人數和兼任高管人數，第二維度分離年齡和政治背景，第三維度將APH分離，第四維度分離出學歷。因此，通過使用四個主成分作為新的解釋變量來減少Logistic回歸模型的維數以避免多重共線性。由于控制變量的存在，在主成分進入模型之前，為了確保模型不再存在多重共線性，再次進行了相關性檢驗。經檢驗，模型已經不存在多重共線性。

(三)估計結果

表6給出了CATPCA-Logistic模型的回歸結果，前三個主成分顯著，主成分4不顯著，主要原因是主成分4對變量的解釋力度不足。由OR值和Wald統計量可以看出，所有主成分都對估計有重大貢獻。對應于OBSCO1_3的EXP(B)值為1.47，這意味著當OBSCO1_3增加1單位，進入互聯網金融行業的概率變為1.47倍。由于主成分3中主要提取的變量為APH，說明APH的作用是顯著的，此結果與未進行主成分的普通Logistic模型回歸結果不同，說明變量之間的互動作用確實影響了變量的解釋作用。在表6中也給出了Logistic回歸模型的一些擬合度量。Cox&Snell R2，表示被解釋變量的26.3%的變化由模型解釋，但相較之下有更可靠的衡量標準，Nagelkerke R2表明解釋變量與預測之間的關系為35%，這兩個指標都傾向于低于傳統的R2。雖然擬合統計不夠高，但74.7%的因變量的觀測值被正確預測。

表6 基于CATPCA的Logistic回歸(Enter)

注：*表示在0.1的水平(雙側)上顯著相關；**表示在0.05的水平(雙側)上顯著相關；***表示在0.01的水平(雙側)上顯著相關；其中系數下面括號中的數值為Wald值；N=198。

五、進一步分析

表6中主成分OBSCO1_3的系數為正，說明權力的集中程度(APH)與戰略轉型行為有正相關關系，但由于在考慮集中程度時，將股權性與威望性指標共同放入APH中進行處理，兩種權力集中程度之間可能存在相互抵消效應，以及政治行為、合作行為等外生變量(周建，2012)，所以對權力進行進一步的劃分。

(一)考慮兩種權力指標的CATPCA—Logistic模型分析

通過表7可以看出威望性單獨進入方程后，模型效果變好且其主成分都具有統計學意義，所以認為改進的Logistic模型更具有解釋意義。

表7 考慮兩種權力指標的CATPCA-Logistic模型的回歸分析結果

由OR值和Wald統計量可以看出，所有主成分都對估計有重大貢獻。其中，第一維度主要對應于女性董事人數、董事會規模，第二維度分離年齡和政治背景，第三維度將分離出董事會中有金融工作背景人數、兼任高管人數以及學歷。

表8給出了總權力、威望性、股權性三個模型的擬合效果，對于Logistic模型來說，似然比函數的自然對數值對主成分這種連續性變量很敏感，需要Hosmer-Lemeshow 檢驗作為補充和參照。如表8所示，取顯著性水平0.05，考慮到APH與兼任高管董事占比等變量的自由度數目 df = 8，計算出臨界值為15.507，而Hosmer -Lemeshow檢驗的卡方值11.259<15.507，所以檢驗通過。并且，威望性代替APH進入的CATPCA—Logistic模型在綜合考慮地域、互聯網行業背景以及企業規模三個控制變量后，屬于董事會特征的關鍵解釋變量的預測正確率達到76.3%，R2值也有一定程度的提高，以上結果說明威望性單獨進入方程可以改進原模型。

表8 CATPCA-Logistic模型的擬合程度對比

但由于股權性的KMO與Bartlett檢驗值略小于0.5，認為其使用CATPCA模型的效果不佳，并且股權性指標進入Logistic回歸模型的預測結果與APH指標相差不大，而威望性指標能夠較大提高模型的擬合程度，這說明股權性指標和威望性指標確實存在一定的抵消效應，而威望性指標在APH指標中占主導地位，這與我國董事會成員一般持股比例較小的實際相吻合。可見，股權性指標對我國企業是否進入互聯網金融行業的影響不大，所以下文主要使用威望性指標代替APH指標進行回歸分析。

(二)CATPCA-Logistic模型的變量回代檢驗

為了對變量進行實際意義上的解釋并比較改進后模型與原始模型的區別，分別將兩個模型的主成分系數回代得出原始變量的系數。通過對主成分進行還原得到原始解釋變量(經CATPCA量化后)的系數，因為分類主成分分析只在分類量化階段與主成分分析法有區別，所以采用主成分分析法中系數代回方法。具體步驟如下，第一，結合表6與表7中主成分的回歸系數與各自成分負荷中的因子得分，算出原始變量的系數；第二，借鑒了對原始變量回歸系數檢驗的方法(林華珍等，1999)，求出U統計量，并由此求出P值。結果如表9所示：

表9 原變量系數與回歸結果對比

續表9

表9的結果表明，APH和威望性的系數都為正，說明綜合后的權力與單個權力所帶來的影響是相同趨勢的。但只有威望性通過了顯著性檢驗，說明區分權力類型后會減少抵消效應，從而提升了變量的解釋度，合理推出權力中威望性權力是真正的影響因素，且OR=1.458代表威望性增加1單位，進入的概率增加1.458倍。該結果可解釋為：由于戰略轉型不會影響威望性權力主體的地位，因此對進入有促進作用。

由于改進的Logistic的回歸模型更有解釋作用，所以對其回歸結果進行分析，除學歷未通過Wald檢驗外，政治背景、董事會成員兼任高管比例、董事會規模通過了5%水平的顯著性檢驗。女性董事比例、金融從業經歷、年齡、威望性權利得分通過1%水平的顯著性檢驗。

董事會平均年齡的回歸系數為-0.62323，在1%的水平上顯著，根據年齡由小到大進行賦值，其系數為負體現了董事會平均年齡較高時對企業進入互聯網金融行業有抑制作用。較年輕的董事會成員較樂觀積極并且富有創造力，對互聯網金融市場的態度樂觀，會在市場還未形成寡頭之前盡快進入高盈利性的市場，以創新性業務取得戰略性地位。

女性董事占比的回歸系數為負且在1%的顯著性水平上顯著。結合互聯網金融市場的實際可知，2013年是互聯網金融行業的鼎盛時期，而2014年后經歷過“e租寶”事件的互聯網金融行業暴露了其不成熟的監管機制，政策風險難以避免。由于女性偏向于規避風險，對于投資新項目、進入新市場的企業戰略有負向促進作用。

政治背景系數為正且顯著，該結果的現實解釋為：有較高政治背景的董事會成員，因為政府工作的系統性，其整合資源的能力強；較高的政治素養使其對互聯網金融市場的相關政策法規有更深層次的理解，更能把握未來互聯網金融行業市場走向。在互聯網金融行業中，政策導向對其發展起到至關重要的作用，政策的由松到嚴、當局的態度轉變都需要董事會成員有敏銳的政治眼光，并且政治背景等級高的董事成員，可以利用各種資源獲得更多關于市場的信息。綜合以上可以解釋有高政治背景的董事會有助于企業進入互聯網金融行業。

金融從業經歷的系數為-0.57且在1%的置信水平上顯著，說明有過金融從業經歷的董事會成員占比多的企業不易進入互聯網金融行業，可能原因為傳統行業為了謀求轉型或想要借助金融行業的資源為籌資提供便利，會有較高的進入互聯網金融行業的傾向，而有金融從業經歷的董事會成員對金融行業、目前的金融發展狀況、公司是否適合進入以及公司在金融行業是否具有競爭力等了解更為清楚，所以當傳統企業不具備進入互聯網金融行業的市場環境時，有金融工作背景的成員占比多的董事會對企業進入互聯網金融行業有抑制作用。

學歷未通過顯著性檢驗，說明具有不同教育程度的董事會與進入互聯網金融行業之間并無顯著關系。其可能的原因為進入企業與未進入企業的董事會平均學歷程度相差不大且大多集中在本科與碩士之間，由這兩種學歷背景不同造成的董事會成員對創新的重視程度差異并不會太大。

兼任高管指標的系數為正值，體現了組織權利越大對進入互聯網金融行業有促進作用。由于企業內部代理層級的減少使董事會更加清楚公司運營的真實情況，并據此作出符合公司長期利益的投資決策。因此當其做出進入互聯網金融行業的決策時，說明企業適合進入互聯網金融行業，從而決策實行的可能性會大幅度提高。

威望性指標在1%的水平上顯著且為正相關作用，系數為正。此結果可以解釋為董事會成員在其他公司任職有助于了解其他進入行業的企業進入市場后的表現，如果其他公司在互聯網金融市場表現良好，可能產生羊群效應。在股權性指標回歸中，其正系數未通過顯著性檢驗，說明持股股東的股權性權力與企業是否進入互聯網金融行業沒有顯著關聯性，可能的原因為樣本企業的董事會成員持股比例過低，所以企業決策在很大程度上受到企業大股東的影響，從而董事會的決策對于多元化戰略的影響程度不高。

董事會規模在5%水平上顯著，系數為-0.343336，說明董事會規模越大，企業越不傾向進入互聯網金融行業。通常來說，董事會規模越大說明公司越成熟、主營業務發展越好，所以其對多元經營的需求不高。同時，董事會規模越大，董事會內部成員的差異性越大，受專業背景以及其他特征影響，董事會成員思考時立足角度不同會帶來意見上的不統一，此時董事會決策需綜合多方意見并進行協調，由于協調的成本上升而導致決策不容易做出。

六、穩健性檢驗

為了進一步確認模型的穩健性，1)建立CATPCA-Probit模型。以CATPCA得到的主成分為自變量，考慮綜合的權力集中程度(APH)和以威望性代替APH的兩種情況，建立CATPCA-Probit模型，對于主要解釋變量來說，除了在考慮將威望性獨立出來的模型中主成分1和3不是在1%和5%的置信水平上顯著而是在5%和10%的水平上顯著外，其他結論與本文結論一致。2)建立逐步回歸Logistic模型，逐步回歸法通過剔除掉女性、政治背景、學歷和董事會規模四個有經濟解釋的影響因素以達到去除多重共線性的影響，其余結論與前文一致。故認為結論比較可靠。

表10 CATPCA-Prohibt模型

七、結論與建議

本文著眼于研究董事會特征是否對企業進入互聯網金融行業有影響，基于中國互聯網金融市場現實情況，以國泰安數據庫中100家互聯網金融和98家非互聯網金融公司董事會的數據作為研究樣本，為消除多重共線性，采用分類主成分分析法(CATPCA)消除共線性并建立二元Logistic回歸模型。為進一步分析董事會權力控制程度中具體權力種類的影響，將股權性和威望性指數獨立出平均權利集中程度指標(APH)，建立改進的Logistic模型，得出以下結論：董事會成員特征與董事會權力特征都會對企業是否選擇進入互聯網金融行業產生影響。第一，女性董事在評估是否進入互聯網金融行業的戰略中可以起到風險控制的作用；第二，威望性權力、兼任高管以及董事會規模等代表董事會話語權的指標越集中對企業進入互聯網金融行業有顯著推動作用；第三，董事成員平均年齡越大、有金融工作背景的成員越多，對企業進入互聯網金融行業的可能性越存在明顯的阻礙作用；第四，學歷對公司進入互聯網金融行業沒有顯著影響，進入企業與未進入企業的學歷程度相當。

基于以上結論，本文提出建議：第一，企業應優化董事會結構。董事會應該權衡年長與年輕的董事會成員的意見以滿足多元化戰略需要，平均年齡低的董事會對企業進入互聯網金融行業具有促進作用，而年長的董事會成員在一定程度上對戰略的實施起到把控和調節作用，所以總體較年輕的董事會應多吸納經驗、社交資本豐富的年長的董事會成員，從而在實施多元化戰略時充分發揮董事會的調節作用，形成完善合理的董事會結構。研究中女性由于風險偏好低從而對于進入互聯網金融行業有抑制作用，但目前我國互聯網金融行業中女性董事的占比較少，所以企業在構建董事會時應充分考慮吸納女性董事，發揮女性的風險控制作用，對多元化戰略進行風險調節。第二，企業應選擇控制適度的董事會權力集中程度。企業董事會的戰略決策影響和決定企業現在和未來的發展。研究中董事會權力集中程度(董事會成員兼任高管和威望性指標)對進入互聯網金融行業有顯著性作用。本文認為企業應該處理好董事會與管理層的關系，確保兼任高管的董事會人數保持在合理規模上，從而避免因董事會權利過度集中于部分董事會成員而做出“片面化”的多元化決策。第三，我國上市公司在未來進入互聯網金融行業的過程中，不能盲目地發展業務、擴大規模。企業首先應重視主業發展，培養企業的核心能力，為企業持續的生存與發展夯實基礎。企業若無夯實的核心競爭力作為其發展的基石，則很難在所進入的新領域內獲取到競爭優勢，甚至還會影響到企業原有的經營領域，降低企業的績效最終阻礙其持續發展。所以我國互聯網金融上市公司應該更為關注主營業務的發展，加強企業核心能力的培育，在此基礎之上謹慎實施多元化經營策略。

參考文獻:

[1]陳傳明、孫俊華,2008:《企業家人口背景特征與多元化戰略選擇——基于中國上市公司面板數據的實證研究》，《管理世界》,第5期。[Chen Chuanming and Sun Junhua,2008, Entrepreneurs' Demographic Characteristics and their Diversified Strategic Options,ManagementWorld, 5.]

[2]鄧新明, 2011:《我國民營企業政治關聯、多元化戰略與公司績效》,《南開管理評論》,第4期。[Deng Xinming,2011,Chinese Private Enterprises’ Political Con ection, Di- versi cation Strategy, and Corporate Performance,NankaiBusinessReview,4.]

[3]胡榮、胡康，2007:《城市居民的社會交往與社會資本建構》,《社會科學研究》,第4期。[Hu Rong and Hu Kang, 2007,Urban Residents' Social Communication and Social Capital Construction,SocialScienceResearch,4.]

[4]胡旭陽、史晉川,2009:《民營企業的政治資源與民營企業多元化投資——以中國民營企業500強為例》,《中國工商管理研究前沿》,第2期。[Hu Xuyang, Shi Jinchuan,2009,Political Resource and Diversification of Chinese Private Enterprises ——Evidence from the Largest 500 Private Enterprises,ChinaIndustrialEconomics,2.]

[5]賀遠瓊、楊文,2010:《高管團隊特征與企業多元化戰略關系的Meta分析》,《管理學報》，第1期。[He Yuanqiong and Yang Wen,2010, A Meta-analysis on the Relationship between Top Management Team Characteristics and Diversification Strategy,ChineseJournalofManagement,1.]

[6]林華珍、倪宗瓚，1999:《多重共線性變量的回歸系數估計及檢驗》,《中國公共衛生》,第2期。[Lin Huazhen and Niz Zongzan, 1999,Estimation and Test of Regression Coefficients of Multicollinearity Variables,ChinaPublicHealth, 2.]

[7]劉進、池趁芳,2016:《高管團隊特征、薪酬激勵對內部控制質量影響的實證研究——來自創業板上市公司的經驗數據》,《工業技術經濟》,第35期。[Liu Jin and Chi Chenfang,2016,The Influence of CEO Characteristics，Compensation Incentivize on Internal Control Quality—An Empirical Analysis by Shenzhen Growth Enterprise Market Listed Companies,JournalofIndustrialTechnological&Economics,35.]

[8]馬連福、馮慧群,2013:《基于多元理論視角的董事會介入公司戰略文獻評述》,《管理學報》,第8期。[ Ma Liufu, Feng Huiqun,2013, A Literature Review of Boards of Directors Involvement in Corporate Strategy from Multiple Perspectives,ChineseJournalofManagement,8.]

[9]汪建成、毛蘊詩,2006:《中國上市公司擴展的業務、地域多元化戰略研究》,《管理世界》,第2期。[Wang Jiancheng and Mao Yunshi,2006, Research on the expansion of business and geographical diversification strategies of Chinese listed companies,ManagementWorld,2.]

[10]秦拯、陳收、鄒建軍，2004:《中國上市公司的多元化經營與公司治理結構》,《管理學報》,第2期。[Qin Zheng, Chen Shou and Zou Jianjun, 2004,Diversified Strategy and Governance Structure of Listed Companies in China,ChineseJournalofManagement,2.]

[11]巫景飛、何大軍,2008:《高層管理者政治網絡與企業多元化戰略:社會資本視角——基于我國上市公司面板數據的實證分析》,《管理世界》, 第8期。[Wu Jingfei and He Dajun,2008, Senior Managers' Political Network and Corporate Diversification Strategy: From the Perspective of Social Capital——An Empirical Analysis Based on Panel Data of China's Listed Companies,ManagementWorld,8.]

[12]袁萍、劉士余、高峰, 2006:《關于中國上市公司董事會, 監事會與公司業績的研究》,《金融研究》,第6期.[Yuan Ping, Liu Shiyu and Gao Feng,2006, Research on the Board of Directors, Board of Supervisors and Company Performance of Listed Companies in China,JournalofFinancialResearch, 6]

[13]鄭建明、劉琳、劉一凡,2014:《政治關聯的結構特征、多元化驅動與公司價值》,《金融研究》,第2期。[Zheng Jianming, Liu Lin and Liu Yifan, 2014,The Political Connection Structure, Diversification and Firm Value,JournalofFinancialResearch, 2]

[14]周建、李小青,2012:《董事會認知異質性對企業創新戰略影響的實證研究》,《管理科學》,第6期。[Zhou Jian and Li Xiaoqing, 2012, Empirical Study on the Effect of Cognitive Heterogeneity of Board on Firm Innovation Strategy,JournalofManagementScience,6.]

[15]周杰、薛鴻, 2013:《董事會權力配置、企業戰略轉型與模式偏好——政治行為還是合作行為》,《山西財經大學學報》,第2期。[Zhou Jie and Xue Hongbo, 2013, The Distribution of Managerial Power in the Board of Directors, Firm’s Strategic Transformation and the Preference of Modes,JournalofShanxiFinanceandEconomicsUniversity,2.]

[15] Ansoff, H.I.1957, Strategies for diversification.Harvardbusinessreview, 35(5): 113-124.

[16]FERNáNDEZ-GAGO, Roberto, et al.2016, Corporate social responsibility, board of directors, and firm performance: an analysis of their relationships.ReviewofManagerialScience, 10(1): 85-104.

[17]RAO, Kathyayini and TILT, Carol., 2016, Board composition and corporate social responsibility: The role of diversity, gender, strategy and decision making,JournalofBusinessEthics, 138(2): 327-347.

[18]Hambrick D C and A.Mason P, 1984, Upper echelons: The organization as a reflection of its top managers,AcademyofManagementReview,9(2): 193-206.

[19]Mahadeo J D，Soobaroyen T and O.Hanuman V , 2012, Board composition and financial performance: Uncovering the effects of diversity in an emerging economy,JournalofBusinessEthics，105(3): 375-388.

[20]Wiersema M F and A.Bantel K, 1992, Top management team demography and corporate strategic change,AcademyofManagementjournal，35(1): 91-121.

[21]Datta D K，N.Rajagopalan and Y.Zhang ,2003, New CEO openness to change and strategic persistence: The moderating role of industry characteristics,BritishJournalofManagement，14(2): 101-114.

[22]Pathan S.Strong boards,2009, CEO power and bank risk-taking,JournalofBanking&Finance，33(7): 1340-1350.

[23]Fahlenbrach R.2008, Shareholder rights，boards，and CEO compensation,ReviewofFinance，13(1): 81-113.

[24]Finkelstein S and D C.Hambrick ,1990,Top-management-team tenure and organizational outcomes: The moderating role of managerial discretion,Administrativesciencequarterly: 484-503.

[25]Hambrick D C, T S.Cho and M I.Chen, 1996, The influence of top management team heterogeneity on firms' competitive moves,Administrativesciencequarterly:659-684.

[26]Hayes R H and W I.Abernathy , 1980, Managing Our Way to Economic Decline,HarvardBusinessReview, 61(7):67-77.

[27]Jensen M and E J.Zajac , 2004, Corporate elites and corporate strategy: how demographic preferences and structural position shape the scope of the firm,StrategicManagementJournal, 25(6):507-524.

[28] Linting, M.and van der Kooij, A.2012, Nonlinear principal components analysis with CATPCA: a tutorial.Journalofpersonalityassessment, 94(1):12-25.

[29]Gort M.1962, Appendix E: Relation of Frequency of Product Additions and Abandonments to Industry Characteristics, Product Additions and Abandonments Classified into Deciles on Basis of Six Variables,NberChapters,(2):199-210.

[30]Amihud Y, Lev B.1981, Risk Reduction as a Managerial Motive for Conglomerate Mergers,BellJournalofEconomics, 12(2):605-617.

[31]Tsui A S and C A.O'Reilly , 1989, Beyond Simple Demographic Effects: The Importance of Relational Demography in Superior-Subordinate Dyads,AcademyofManagementJournal, 32(2):402-423.

[32]Donaldson, L.1990.The ethereal hand: Organizational economics and management theory.AcademyofmanagementReview, 15(3), 369-381.

[33]Kemalbay, Gülder, and ?zlem Berak Korkmazo?lu., 2014,Categorical Principal Component Logistic Regression: A Case Study for Housing Loan Approval,Procedia-SocialandBehavioralScience, 109: 730-736.