基于高管特質的非效率投資與企業績效研究

沈劍飛 楊陽

（華北電力大學）

一、引言

近年來，隨著職業經理人制度的成熟，非效率投資受到越來越廣泛的關注，非效率投資與企業績效之間的關系也牽動著各利益相關方的心。對上市公司而言非效率投資現象是普遍存在的，其中大部分上市公司面臨的是投資不足問題。高管團隊是企業核心競爭力之一，也是企業實現可持續發展的重要動力來源。高管的決策和行為會影響各個利益相關方的決策，甚至可能會影響整個行業的發展，高管團隊對企業發展的重要性不言而喻。

非效率投資對企業績效存在抑制作用學界已經達成了共識，一系列文獻通過Ordered Probit模型、OLS回歸模型等方法對二者負相關關系進行了驗證，也有大量文獻分別探討了高管特質對非效率投資以及高管特質對企業績效的影響。然而，將高管特質作為調節變量，研究高管特質對非效率投資與企業績效關系的調節作用，尚沒有文獻涉及。

據此，本文以A股上市公司2009年－2019年的數據為研究對象，基于高管特質視角，分別研究高管性別、高管年齡以及高管學歷對非效率投資與企業績效關系的調節作用。

二、理論分析與研究假設

（一）高管性別、非效率投資與企業績效

高管性別對非效率投資和企業績效的影響，目前學界尚未形成統一結論。部分文獻認為，相較于男性董事，女性董事的風險厭惡程度更高，她們在面對風險時會更加謹慎和保守。然而，女性高管厭惡風險這一特質可能會促使她們放棄為企業帶來正向收益的投資項目，一定程度上加劇了企業投資不足現象。程富等（2018）的研究表明，女性CFO相對男性CFO而言，更少表現出過度自信，更傾向于做出保守決策[4]，因此可能會對企業績效產生影響。

女性高管展現出的謹慎、風險厭惡等特質會對過度投資起到抑制作用，進而減少企業績效波動。但是女性高管過于保守的投資決策也可能會加劇企業投資不足行為。據此，本文提出有競爭性的兩個研究假設如下：

H1_a：高管性別在非效率投資與企業績效的關系中起正向調節作用。

H1_b：高管性別在非效率投資與企業績效的關系中起負向調節作用。

（二）高管年齡、非效率投資與企業績效

研究表明，盡管年齡越大的高管擁有更加豐富的決策經驗，但高齡高管在做決策和處理復雜問題時，可能容易受到固有思維的束縛，進而做出低效判斷[5]。同時，高齡高管在風險承受方面更趨于保守，傾向讓企業平穩發展，而年輕高管的風險承受較強，他們更愿意做出新的挑戰[6]。

年齡能反映一個人對社會的認知能力和接受程度，高管的年齡一定程度上也體現了高管的決策能力。不同年齡段的高管在工作風格、處事方式和風險承受能力等方面都有明顯不同。據此本文推測，高管年齡越大，可能由于固有因素的限制加劇非效率投資對企業績效的抑制作用，并提出如下假設：

H2：高管年齡在非效率投資與企業績效的關系中起到正向調節作用。

（三）高管學歷、非效率投資與企業績效

高管的相關學歷代表了高管的專業水平。投資活動不僅需要豐富的專業背景，也需要對投資風險有全面地了解和把控，才能在識別和評估投資風險時作出更優選擇，有效降低決策過程中可能導致的偏誤[7]。從高層梯隊理論的角度看，高管團隊的平均學歷越高，高管在復雜情境下處理和解決問題的能力越強[8]。

學歷能在一定程度上代表高管的認知能力和決策水平。由此本文推測，高管學歷會弱化非效率投資對企業績效的抑制作用，并提出如下假設：

H3：高管學歷在非效率投資與企業績效的關系中起負向調節作用。

三、研究設計

（一）樣本來源與選擇

本文的研究樣本為2009年－2019年A股上市公司，并對原始樣本進行篩選，最終獲得了20304條觀測值，涵蓋了3124家公司。

（二）變量解釋

1.企業績效

本文采用總資產EVA率來衡量企業績效，計算公式如下：

其中，EVAOAi表示第i年總資產EVA率，EVAi表示第i年EVA，TAi-1表示第i-1年總資產，TAi表示第i年總資產。

2.非效率投資

本文使用殘差度量模型來衡量公司非效率投資的程度。在具體研究時，參考了Richardson(2006)[9]和陳運森（2019）[10]提出的模型，公式如下：

其中，INV表示企業當年的投資水平，Growth表示成長性、Lev表示杠桿水平、Cash表示現金及現金等價物占總資產的比重、Age表示企業的上市年限、Size表示規模、R eturn表示公司股票年度回報、industry和year是行業及年份控制變量。

3.高管特質

本文的調節變量選取了高管特質中的高管性別、高管年齡和高管學歷。高管的界定與國泰安數據庫的一致，具體計算方法見表1。

4.控制變量

本文選取獨立董事規模、公司上市時間、公司成長性、公司規模、公司資本結構作為控制變量，同時加入年度和行業啞變量。本文涉及的變量如表1所示。

表1 變量符號與定義

（三）模型構建

為了檢驗非效率投資與企業績效之間的因果關系，本文構建實證模型（3）如下：

為了檢驗高管特質對非效率投資與企業績效的調節作用，本文在模型（3）的基礎上，分別引入高管特質和非效率投資與高管特質的交乘項，建立模型（4）和模型（5），如下：

四、實證結果與分析

（一）描述性統計分析

描述性統計的結果表明，企業績效的均值和中位數都是0.002，結合企業績效的標準差（0.059）來看，說明企業績效的數據分布比較均勻。非效率投資涉及較多的上市公司，說明上市公司非效率投資的情況普遍存在。高管性別的最大值（0.6）和最小值（0）相差較大，說明不同企業的女性高管比例差異較大。高管年齡的平均值介于47歲－48歲之間，與中位數（47.33）接近。高管學歷平均水平處于本科和研究生之間，整體水平較高，但從高管學歷的最大值（5.429）和最小值（2）來看，公司之間仍然存在較大的差異。

（二）回歸結果及分析

1.高管性別對非效率投資與企業績效調節作用的回歸分析

由表2可知，非效率投資與高管性別交乘項的系數不顯著。按照調節效應識別流程，應該進一步判斷高管性別與非效率投資或者高管性別與企業績效是否相關，從表2中MGEN行可以發現，高管性別與非效率投資和企業績效均不相關，需要進行分組分析。按高管性別的中位數對樣本進行分組分析，可以發現兩組樣本檢驗結果的R2差異為－0.00115，通過Bootstrap重復抽樣1000次得到經驗P值并使用費舍爾組合檢驗比較兩個組的R2差異，結果表明兩組樣本的R2差異結果不顯著，說明高管性別不是調節變量，假設檢驗1沒有得到證實。

表2 高管特質對非效率投資與企業績效調節作用的回歸結果

2.高管年齡對非效率投資與企業績效調節作用的回歸分析

由表2可知，非效率投資與高管年齡的交乘項系數為-0.00292，在1%的水平上顯著為負，表明高管年齡會增強非效率投資對企業績效的抑制作用。從MAGE行可以看出，高管年齡與企業績效顯著相關，說明高管年齡是半調節變量，支持本文研究假設2。

3.高管學歷對非效率投資與企業績效調節作用的回歸分析

由表2可知，非效率投資與高管學歷的交乘項系數為0.01297，在5%的水平上顯著為正，表明高管學歷在非效率投資和企業績效的關系中具有顯著的正向調節作用。從MEDU行可以發現，高管學歷與企業績效顯著相關，說明高管學歷對非效率投資與企業績效的關系是半調節效應，該結果為本文的研究假設3提供了經驗證據。

五、穩健性檢驗

（一）滯后解釋變量

為了在一定程度上保證非效率投資對企業績效的因果關系，減少二者互為因果帶來的內生性問題，本文對解釋變量采取滯后兩期的做法重新進行回歸，結論依然穩健。

（二）更換被解釋變量

前文對總資產EVA率中EVA指標的計量是以凈利潤為起點調整后得到的（即國泰安數據庫中EVA口徑1）。在穩健性檢驗中，本文對EVA的計量采用以營業利潤為起點計算得到的結果進行回歸（即國泰安數據庫中EVA口徑2），結論依舊穩健。限于篇幅，穩健性檢驗結果未列出。

六、結論與啟示

本文研究結果表明：非效率投資會抑制企業績效；高管性別對非效率投資與企業績效的關系沒有調節作用；高管年齡越大，非效率投資對企業績效的抑制作用越明顯；高管學歷越高，非效率投資對企業績效的抑制作用越微弱。

根據上述結論,本文認為:首先，企業應該注重高管團隊特質對企業發展的影響。一方面制定必要措施和相關制度防止高管團隊“老齡化”，另一方面，招聘高管時適當考慮高管的教育背景。其次，企業可以考慮適當提高女性高管比例。女性高管的謹慎性規避了預期風險較高的投資項目，能夠有效抑制過度投資帶來的問題。最后，企業不應該盲目依賴年輕高管或者高學歷高管來提升績效。企業應該持續思考產生非效率投資的原因，并及時做出調整，從而提升企業績效。