基于元分析的高管股權激勵對企業績效的影響研究

龔若涵

摘 要：“兩權分離”現象在中國企業中普遍存在，因此，如何構建合理高效的高管激勵制度從而提升企業績效是當前中國企業面臨的一個重要課題，也是公司治理中一個亟待解決的問題。本研究采用元分析作為研究方法，通過對文獻的篩選，最后納入了93篇實證研究文獻作為樣本，總體樣本量達到160572個。研究結果表明：（1） 高管股權激勵對企業績效有正向影響作用。（2） 數據類型具有調節高管股權激勵和企業績效之間關系的作用。

關鍵詞：元分析；高管；股權激勵；企業績效

一、引言

所有者通常不可能確保管理者總是基于所有者的最大利益行事，所有者通常面臨信息不對稱和“道德風險”，為了解決中國企業面臨的“兩權分離”現象，如何構建合理高效的高管激勵制度是當前中國企業面臨的重要課題，也是公司治理中亟待解決的問題。據富途《2022年股權激勵研究報告》，2021年共計763家A股上市公司公布了873個股權激勵計劃，授予普及率在2021年迎來了爆發式增長，達到了16%。所以，厘清高管股權激勵與企業績效的關系及其作用機制，使管理者努力提升企業績效，是企業界和學術界共同關心的問題。

文獻回顧發現，高管股權激勵與企業績效的研究雖多，但存在諸多不一致結論。首先，一些學者認為兩者之間存在正效應（Jensen&Meckling，1976；于雅萍，姜英兵，2019）。其次，一些學者認為兩者之間存在負效應（Kadany，2016；盧軼遐，2017）。最后，還有一些學者認為高管股權激勵對企業績效的作用效果呈先促進后抑制的倒U形態（Cui&Mak，2000；周常春，李瑞梅，2019）。

運用元分析可以針對某一具體的相關關系，對以往實證研究進行定量整合，從而對這一關系得出更準確、更可信的估計。另外，還可以幫助檢驗某一調節變量是否可以解釋某一具體相關關系在不同研究間的差異。基于此，本研究運用元分析方法一方面探討了高管股權激勵和企業績效之間的關系，另一方面擴展了數據類型對二者關系的邊界條件，為相關研究提供借鑒。

二、理論基礎與研究假設

1.相關理論基礎

（1） 代理理論

代理理論認為，代理人可能為了達成自身利益而忽視委托人的要求，基于此，Jensen和Meckling（1976）認為管理者的股權所有權有助于使所有者和管理者的利益達成一致，Dalton等（2007）也認為通過代理人股權可以幫助減少代理問題。因此，本文認為通過構建合理高效的高管股權激勵制度，可以促使高管努力提高企業績效。

（2） 激勵理論

激勵理論總結了滿足人們各種需求并激發其積極性的原則和方法。馬斯洛提出了“需求層次理論”，主張人們在追求滿足的過程中，按照不同的層次進行追求。另外，赫茨伯格提出了兩方面因素，一是保健因素，指讓員工不滿意的因素，其對立面是“沒有不滿意”；二是激勵因素，是指能讓員工得到滿意的因素，其對立面是“沒有滿意”。

本文認為以激勵理論為視角，對高管進行股權激勵，他們能夠以“分紅”的形式獲得巨大利潤，滿足其物質需求，這能使他們沒有不滿意。而從精神需求角度出發，股權激勵給予他們工作能力、貢獻被肯定的精神激勵，能夠提升他們的心理滿足感，從而激發他們的主動性與創造性，使他們滿意，從而努力提升企業績效。

2.研究假設的提出

（1） 高管股權激勵與企業績效

由本文引言部分可以得知，關于高管股權激勵與企業績效具體的相關關系，學界還未達成一致，本文基于代理理論和激勵理論，認為制定合理的激勵制度，例如通過給予高管部分股東權益，能夠將管理層的利益與所有者的利益綁在一起，使高管具有主人翁意識，從而與企業形成利益共同體，可以有效地激勵高管努力提高企業績效。基于此，本文提出假設1：

H1：高管股權激勵正向影響企業績效。

（2） 數據類型的調節作用

由本文引言部分可以得知，對高管股權激勵與企業績效的關系研究存在較大分歧，據此本文推測存在調節變量影響這兩者的關系。通過對文獻的整理與分析，本文認為數據類型能夠調節高管股權激勵與企業績效之間的關系。對高管股權激勵與企業績效之間關系的研究所獲得的數據大體分為兩類：一是橫截面數據，即在同一時間點或時間段的數據。二是面板數據，即不同個體在不同時間的狀態構成的數據集。由于面板數據可以克服時間序列分析多重共線性的困擾，所以數據類型的選擇可能是影響高管股權激勵與企業績效的因素。基于此，本文提出假設2：

H2：數據類型能夠調節高管股權激勵與企業績效的關系。

三、研究方法與研究設計

1.元分析研究方法簡介

元分析是一種基于數據分析結果的二次分析處理方法，是一種用來解決研究與研究之間差異問題的一種統計方法。在學術研究過程中，研究者經常會發現不一致的實證研究結論，這可能由于單個實證研究所涉及的樣本量有限，檢驗效能偏低造成的，而元分析可以綜合同一研究的多個樣本，擴大樣本量，增強統計學檢驗效能，所以對兩個變量之間的真實關系會有更準確的估計。

2.文獻檢索與納入剔除標準

本研究整合了2010—2022年發表的相關實證研究結果，采用以下方法對文獻進行搜集：使用股權激勵與績效作為主題詞，實證研究為精煉選項，通過計算機從中國知網數據庫檢索2010—2022年發表的相關期刊論文、學位論文、會議論文。通過以上方法共檢索到304篇論文，其中期刊論文119篇，學位論文184篇，會議論文1篇。

在文獻篩選階段，根據元分析方法的要求及本文研究目的，本文的納入和剔除標準為：（1） 題目、摘要、關鍵詞需符合本研究的主題。（2） 納入的文獻必須是實證研究文獻。（3） 納入的文獻必須詳細記錄樣本大小以及相關系數（或是能夠轉成相關系數的統計值，如t值、z值、F值）。（4） 解釋變量與被解釋變量為本研究所需。（5） 如果一項研究在不同時間點對相同變量進行重復測量，本文只使用第一個測量作為研究的效應量。最后經過重重篩選，納入93項研究。文獻篩選納入過程如圖1所示。

3.數據編碼

本文通過Excel錄入信息，包含的基本信息如下：（1） 文獻的基本信息，包括作者姓名、發表年份、期刊/學校名稱等。（2） 效應值統計量信息，包括樣本容量、相關系數r等。如果同一研究樣本中存在多個相關系數，那么對這些相關系數取簡單平均數。（3） 調節變量。

4.效應值轉換

本文在元分析中選擇了相關系數r作為最初效應值。針對未報告相關系數r的研究，本文運用所報告的t值、F值或η2統計量，將其轉化為相關系數r。通過運用下列公式，我們可以推導出每個樣本在本研究中所對應的相關系數。

（1）

（2）

（3）

四、研究結果

1.異質性檢驗

目前，較為常見的檢驗異質性統計量為Q統計量及I2統計量。異質性檢驗的零假設H0為：不同研究結果的效應值不存在差異。備擇假設H1為：不同研究結果的效應值存在差異。當Q統計量對應的p值小于0.05，則拒絕零假設，接受備擇假設。異質性檢驗結果如表1所示，p<0.05，故不同研究的效應值存在顯著差異。I2取值越接近100%，表明元分析中不同研究效應值的異質性程度越高。如表1所示，I2=95.273，說明不同研究的效應值具有高度異質性。由于本研究各效應值為高異質性，因此，本文采取了隨機效應模型檢驗主效應和調節效應。

2.發表偏倚檢驗

已有證據顯示，與報告較低效應值的研究相比，報告較高效應值的研究更容易發表，這種偏差會給科學研究帶來不利影響，所以本研究對93個樣本發表偏倚檢驗。如圖2所示，初步觀察大部分研究處于漏斗圖的頂部，處于底部的研究很少，右側相較于左側稍顯分散。但總體來看，左、右兩側基本能達到對稱，因此，發表偏倚存在的可能性較小。

由于漏斗圖對稱性的評判具有較大主觀性，不同研究者在觀察漏斗圖時很可能會得出不同結論，因此本文通過失安全系數進一步對出版偏倚進行分析。失安全系數應當遵循“5k+10”的標準（Rhoades，2002），如表2所示，得到的失安全系數為8649，這意味著至少需要8649個未發表的研究才能夠使研究從顯著逆轉為不顯著。由于該值遠超“5k+10”標準，因此，結合漏斗圖和失安全系數可以得知，本研究的發表偏倚并不嚴重。

3.主效應檢驗

如表3所示，可以看出，在隨機效應模型中，高管股權激勵與企業績效的整合效應值為0.112，且在95%置信區間[0.087，0.137]內但不包含零，從整合效應值的顯著性水平來看，隨機效應模型對應的z統計量顯著性水平是p<0.05。表明高管股權激勵正向影響企業績效，并且是顯著的。因此H1得到驗證。

4.調節效應檢驗

從表1的異質性檢驗結果可以看出，研究樣本的效應值具有高度異質性，說明存在可能的調節變量影響它們之間的關系。故本文考察了數據類型的調節作用，表4為調節效應的檢驗結果。

表 4 調節效應檢驗

從上表可知，數據類型能顯著調節高管股權激勵與企業績效之間的關系。以橫截面數據為衡量指標的高管股權激勵與企業績效的相關關系（r=0.209，p<0.001）顯著高于面板數據（r=0.094，p<0.001），且組間異質性顯著（Q組間=4.515，p<0.05）。因此H2得到驗證。

五、結論與啟示

本文通過元分析的研究方法，對以往關于高管股權激勵對企業績效影響的實證研究結果進行歸納和總結，從而明晰了兩者之間的真實關系，主要結論如下：第一，高管股權激勵對企業績效有正向影響作用。第二，數據類型能夠調節高管股權激勵與企業績效的關系。

通過本研究可知：第一，制定合理的激勵制度，例如通過給予高管部分股東權益，能夠將管理層的利益與所有者的利益綁在一起，使高管具有主人翁意識，從而與企業形成利益共同體，可以有效地激勵高管努力提高企業績效，從而有效解決“兩權分離”的問題。第二，采用橫截面數據進行研究得出的相關性要顯著高于采用面板數據進行研究得出的相關性，證明采用橫截面數據也許會造成效應值偏差。啟示研究者采用橫截面數據可能導致結果偏差，而有一定時間跨度的面板數據可以使樣本容量大幅度增加，與橫截面數據相比，能夠明顯提高估計的精確度，從而更好地呈現高管股權激勵與企業績效的關系。

參考文獻：

[1]Jensen M C，Meckling W H.Theory of the firm： Managerial behavior，agency costs，and ownership structure[J].Journal of Financial Economics，1976，3（4）：305-360.

[2]于雅萍，姜英兵.員工股權激勵與內部控制質量[J].審計與經濟研究，2019，34（2）：54-66.

[3]Kadan O，Yang J.Executive stock options and earnings management：A theoretical and empirical analysis[J].Quarterly Journal of Finance，2016，6（2）：1650003.

[4]盧軼遐.股權激勵對企業績效的影響——基于管理層機會主義視角的考察[J].商業經濟研究，2017（22）：108-111.

[5]Cui H，Mak Y T.The relationship between managerial ownership and firm performance in high R&D firms[J].Journal of corporate finance，2002，8（4）：313-336.

[6]周常春，李瑞梅.信息技術企業股權激勵政策對企業業績的影響[J].區域金融研究，2019（4）：67-72.

[7]Dalton D R，Hitt M A，Certo S T，et al.The fundamental agency problem and its mitigation[J].Academy of Management annals，2007，1（1）：1-64.

[8]汪燕飛.中國情境下高管激勵與企業績效的關系[D].北京：北京郵電大學，2020.

[9]胡望斌，焦康樂，張亞會，張琪.創業者人力資本與企業績效關系及多層次邊界條件研究——基于經驗視角的元分析[J].管理評論，2022，34（7）：81-94.

[10]Rhoades L，Eisenberger R.Perceived organizational support：A review of the literature[J].The Journal of Applied Psychology，2002，87（4）：698-714.