CEO多職業背景與投資效率＊
——基于滬深A股上市公司數據的研究

蘭冬花

（江西理工大學 經濟管理學院，江西 贛州 341099）

0 引言

國無才不立，業無才不興，人才對于保障企業持續穩定經營、推動經濟穩中求進運行具有重要意義，人才是我國實施創新驅動發展戰略的關鍵。高管專業技能和多樣化的管理技能之間的差距日趨明顯，各企業逐漸傾向于吸收職業經歷豐富的高管［1］。基于不同職業經歷所塑造出的人物性格、價值觀及行事風格，對管理者經營企業、制定戰略及財務決策產生較大的影響。有學者指出，每一項職業背景均會給CEO留下特定的記憶，多項職業背景確實可能豐富CEO的知識經驗。但是，當CEO經歷的職業數量過多時，意味著該CEO職業流動頻繁，各職業任職期限較短使其難以全面掌握職業的詳細流程和相關資源，最終無法獲得特定的記憶和知識經驗［2］，此時的多職業經歷可能并不會對CEO有所助益。現有研究得出的結論顯示，各單一職業背景對企業管理者的影響大相徑庭，不同職業經歷的CEO可能也存在很大差異。可見，具備多職業背景的CEO是否值得企業爭取還有待商榷。

投資決策既是企業三大財務決策的核心，也是企業財務決策的起點，投資決策對管理者能力的需求差異較大。一直以來，企業非效率投資問題受到國內外學者積極的討論和研究。研究結果顯示，企業非效率投資主要是由委托代理問題和信息不對稱引起。然而，COASE［3］表示，企業投資決策權在管理者的手上，這是企業發展極其重要的一部分，企業高管可以通過其行為操縱投資決策，因此管理者行為對投資決策質量有引導作用，是決定企業投資效率的關鍵因素之一，對企業的成長有較大影響［2］。作為企業各項投資決策的領導者，CEO的行為被證明會影響投資效率。那么，CEO具有多職業經歷是否會對企業的投資效率產生影響呢？此外，如果CEO曾擔任的職業數量過多，超過某一臨界點，就可能導致在崗時間不長，無法熟練掌握每個崗位所需技能，經驗不足，此時二者的關系又是怎樣的呢？為回答上述問題，本文在理論分析的基礎上，運用實證方法探究CEO多職業背景與投資效率之間的關系。結果顯示：具有多職業經歷的CEO可以提升企業投資效率；CEO曾任職業數量越豐富，投資效率越高。

本文的創新點如下：一方面，首次從投資效率角度對CEO多職業背景的經濟后果進行研究，豐富了CEO職業背景對投資效率的研究，現有文獻大多分析高管行為對企業投資效率的影響，只考慮于單一的職業背景，并未對多職業背景的綜合作用做出分析。然而，CEO不同的職業經歷之間是可能存在相互影響。另一方面，為企業選拔、考核CEO及制定儲備人才培養政策提供決策參考。CEO是企業投資的核心決策者，為提高企業投資效率，越來越多的企業在選聘或培養CEO時開始關注其職業背景。

1 理論分析和研究假設

1.1 CEO多職業經歷與投資效率

高階梯隊理論認為，作為人口統計學特征之一的職業背景是決定高管心理維度特質的重要因素之一。現有研究發現，CEO的各類職業經歷對其自身心理特質均有影響［2］，進而對CEO的投融資決策也有一定影響。根據烙印理論，CEO的每一份經歷都會在其腦海中形成一種獨特的印象，相比單一職業經歷者，多職業背景的CEO經驗會更加豐富。一方面，豐富的職業經歷能夠提升管理者在經理人市場的議價能力和穩定性，不易被解雇，使其更加注重公司長期利益，降低代理成本，緩解信息不對稱和代理問題［4］，也更容易獲得豐富的內、外部優質資源［5］，為企業獲取低成本資金和資本配置提供良好的前提條件［6］，促進企業投資效率提升。另一方面，豐富的職業經歷為CEO提供充足經驗，使CEO對各投資機會的識別和利用反應更加機敏［7］，面對問題也有更多的解決方案，提升了失敗容忍度［8］，使CEO善于捕捉利于企業發展、風險高的項目，合理分配企業各項目資金［9］，提升企業投資效率。由此，本文提出第一個假設（H1）：CEO多職業經歷能夠促進企業投資效率提升。

1.2 CEO職業數量與投資效率

具有多職業背景的CEO可以幫助企業獲得更高的投資效率，是否意味著CEO曾擔任過的職業類型數量越多越好呢？根據烙印理論，一方面，CEO擔任過的職業類型越多，則具備更多領域的相關知識，且擔任過的崗位越多，接觸的資源涉及領域越廣，CEO的思維則更具創造性［10］，豐富的資源可以輔助CEO決策，對企業的投融資均有幫助。另一方面，如果CEO曾擔任的職業類型過多，超過某一臨界點，意味著該CEO職業流動頻繁，導致在崗時間不長，未能熟練掌握每個崗位所需技能，無法了解各職業的詳細流程和相關資源，無法獲得特定的記憶和知識經驗［3］，經驗不足將會使CEO對投資機會不敏感，策略制定不完善會導致企業投資效率下降。由此，提出以下假設（H2a）：CEO職業數量越多，投資效率越高；（H2b）：CEO的職業數量與投資效率之間存在倒“U”形關系。

2 研究設計

2.1 樣本選擇與數據來源

本文以2007—2020年滬深A股上市公司為樣本數據，同時為保證數據質量，進行以下篩選：①剔除金融類的公司；②剔除PT（特別轉讓）、ST（連續二年虧損，特別處理）、ST*（連續三年虧損，退市預警）類公司；③剔除觀察期內主營業務收入的增長率大于100%的上市公司，以避免并購或重大資產重組等對企業正常生產經營和財務狀況的沖擊性影響；④剔除數據有異常值或不全的公司；同時，對連續型變量通過Winsorize進行了上下1%縮尾處理，以消除極端值可能帶來的影響，最終得到28 119個樣本。數據均來自國泰安（CSMAR）數據庫。主要使用Excel和Stata16進行數據整理和回歸分析。

2.2 變量定義與模型設計

2.2.1 被解釋變量（投資效率，INVEFF）

以往學者通過邊際托賓Q、Wurgler模型或Richardson模型等衡量企業的投資效率，然而，前兩類模型的估算樣本存在一定的幸存性偏差。因此，本文借鑒劉錦英等［11］的做法，通過Richardson（2006）模型衡量企業投資效率水平［12］，模型如下：

其中：Investt為t年新增投資，計算公式為（購建固定資產、無形資產及其他長期資產的支出+取得子公司及其他營業單位支付的現金凈額-處置固定資產、無形資產和其他長期資產收回的現金凈額-當期折舊費用）/總資產；Growtht-1為t-1年營業收入增長率；Levt-1為t-1年資產負債率；Casht-1為t-1年現金及現金等價物除以總資產；Aget-1為t-1年企業上市年限的自然對數；Sizet-1為t-1年企業總資產自然對數；Returnt-1為t-1年考慮現金紅利再投資的年個股回報率；ε為模型的隨機誤差項；此外，該模型還控制了年度和行業。

采用模型（1）中的殘差（Xinvest，即實際的投資規模觀測值減去模型最優投資規模擬合值）的絕對值衡量企業投資效率，該絕對值越大，企業投資效率越低。

2.2.2 解釋變量

CEO多職業背景從CEO多職業經歷和CEO職業數量2個方面進行衡量。

（1）CEO多職業經歷（Funback）。CSMAR數據庫中，高管個人職業背景信息包括九類。本文將CEO多職業經歷（Funback）定義為虛擬變量，當CEO曾擔任的職業是兩種或者兩種以上時，Funback取值為1；當CEO僅擔任過一類職業時，Funback取值為0。

（2）CEO職業數量（NP）。根據CSMAR數據庫中高管個人職業背景信息，采用CEO在職業經歷中所從事過的職業數量衡量CEO職業數量。

2.2.3 控制變量

根據研究目的，本文控制了企業特征和高管個人特征變量，還對行業及年度進行控制。企業規模用Size表示，采用“營業收入取自然對數”衡量。企業年齡用FAge表示，采用“當年年度減去企業成立年度加1取自然對數”進行衡量。資產負債率用Lev表示，采用“年末負債總額/年末資產總額”進行衡量。盈利能力用Roa表示，采用“凈利潤/平均資產總額”進行衡量。主營業務增長率用Growth表示，采用“管理費用/營業收入”進行衡量。股權集中度用Z表示，采用“第一大股東持股比例”進行衡量。董事會規模用Board表示，采用“董事會成員人數取自然對數”進行衡量。CEO性別用Gender表示，虛擬變量，男性為1，女性為0。CEO年齡用Cage表示，采用“樣本對應年份CEO的年齡取自然對數”進行衡量。兩職合一用IsDuality表示，采用“CEO兼任董事長時取1，否則取0”進行衡量。

2.2.4 模型設計

其中：模型（2）用來檢驗CEO多職業經歷與企業投資效率之間的關系；模型（3）用來檢驗CEO職業數量與企業投資效率之間的關系。INVEFF表示企業投資效率；Funback表示CEO多職業經歷；NP表示CEO多職業數量；ControlVariables為控制變量；ε為模型的隨機誤差項。

3 實證結果分析

3.1 描述性統計

主要變量的描述性統計結果顯示：樣本的企業投資效率（INVEFF）均值為0.03；標準差為0.03；中位數為0.021，表示各企業間的投資效率存在差距。CEO多職業經歷（Funback）的均值為0.622，大于0.5，中位數為1；并且CEO職業數量的均值為1.892，中位數為2，這表示CEO的職業背景越來越豐富。控制變量的統計結果顯示企業規模（Size）的均值是21.51，中位數是21.39，標準差是1.453，表示樣本中各企業規模差距較大；其他指標的標準差較小，說明這些指標在樣本企業中的差異不明顯。

3.2 相關性檢驗

各主要變量的相關性分析顯示：投資效率與CEO多職業背景（CEO多職業經歷與職業數量）之間顯著負相關。由此，假設H1和假設H2a得到初步驗證。除CEO多職業背景2個指標相關性較強之外，其他變量之前的系數均小于0.7，說明不存在多重共線性的問題。

3.3 回歸分析

3.3.1 主效應回歸分析

多元回歸結果見表1。表1給出了CEO多職業背景（CEO多職業經歷與職業數量）與投資效率之間的關系，由表1可以看出，不論是否控制行業和年份，CEO多職業經歷與投資效率之間的關系都是負的，具有5%的顯著性水平，這表明具有多職業經歷的CEO可以促進企業投資效率的提升，假設H1得到驗證。CEO的職業數量和投資效率之間的關系也是負向的，在5%的水平上顯著，這表示CEO曾擔任的職業數量越多，企業的投資效率越高，驗證了假設H2a。在（2）列中，NP2和CEO職業數量（NP）的系數均不顯著，這說明CEO職業數量和投資效率之間并沒有倒“U”形關系，隨著職業數量的增加，投資效率上升。CEO職業數量和投資效率沒有出現倒“U”形可能性是如下：由描述性統計可知，大部分CEO的職業數量均為2，并且中位數為2，均值僅1.892，說明職業數量較多的CEO樣本量太小，無法對實證結果產生影響。側面反映出，大多數CEO知道經歷過于復雜的弊端，會在具備一定數量的職業經歷后選擇穩定下來，不再更換其他類型的職業，以此來保證自己的專業性，為自身發展夯實基礎。控制變量的結果也基本符合預期，CEO的年齡系數是負的，并且在1%的水平上顯著，說明CEO年齡增加對企業投資效率有明顯的促進作用；兩職合一的系數顯著為正，這表示CEO兩職合一會降低企業的投資效率；企業規模的系數顯著為負，規模越大的企業投資效率越高，這是因為規模較大的企業內部控制相對更加完善，成熟的管理制度為投資已作好鋪墊。

3.3.2 細分投資效率

當Richardson的模型所得的殘差值小于0時，表明該企業投資不足，殘差大于0則表示企業存在過度投資的問題。由此，本文將投資效率細分為投資不足和過度投資，投資不足和過度投資值越大，表示投資效率越低，實證結果見表2，CEO多職業背景與投資不足和過度投資均為負相關，表示具備多職業背景的CEO可以有效控制投資不足和過度投資的問題，幫助企業緩解投資壓力，提升投資效率。

3.4 穩健性檢驗

3.4.1 更換被解釋變量

本文選取Richardson模型對投資效率進行衡量，穩健性檢驗樣本以BIDDLE等［13］投資模型殘差項絕對值衡量投資效率，殘差項絕對值越大，投資效率越低。

模型（4）中的變量衡量與式（1）一致，穩健性檢驗結果顯示，更換投資效率的衡量方法之后的結果一致，CEO多職業經歷和職業數量與投資效率之間均為顯著負相關，說明具有多職業背景的CEO可以提升企業投資效率，與前文結論一致，驗證了本文結論的可靠性。

3.4.2 Heckman兩階段

為克服主假設中可能存在的樣本自選擇問題，本文參考何瑛等［6］的方法，采用Heckman兩階段模型進行檢驗。

第一階段采用CEO是否具有多職業經歷作為被解釋變量，加入同省份、同行業的其他企業CEO職業數量均值（為減小誤差，刪除了同省同行業企業數量小于10樣本）作為外生工具變量，構建Probit模型進行估計，經過計算后，得到逆米爾斯比率（IMR）。第二階段，把逆米爾斯比率引入第二階段模型進行回歸分析。結果顯示，模型（1）和模型（2）中Funback和NP系數均顯著為負，說明CEO多職業背景對投資效率具有促進作用。

4 結論

本文運用烙印理論、高階梯隊理論和委托代理理論，以2007—2020年我國滬深A股上市公司為樣本，對CEO多職業背景（CEO多職業經歷和職業數量）與投資效率之間的關系進行分析和檢驗。實證結果顯示：①CEO多職業背景與投資效率值負相關，即具有多職業經歷的CEO可以提升企業投資效率，CEO曾任職業數量越豐富，對投資效率的促進作用越明顯。②CEO多職業背景（CEO多職業經歷與職業數量）對投資不足和過度投資均有抑制作用，即CEO多職業背景可以緩解企業投資問題。

根據上述結論，得到以下啟示：一是CEO職業背景的多樣化有助于豐富其閱歷，增加實戰經驗，為企業投資獲取更多有利資源和制定合理決策，提升企業運營效率。二是CEO的職業背景可以作為企業的一項選拔指標，以幫助企業獲取優質人才，為企業長遠發展奠定基礎。三是企業內部應制定合理的輪崗機制，培養管理者全面發展，豐富管理者職業經歷，為企業培養人才，利于企業管理團隊的良性發展。