楊金玉

一、引 言

2019年《中國(guó)生態(tài)環(huán)境狀況公報(bào)》顯示，全國(guó)337個(gè)地級(jí)及以上城市中有180個(gè)城市空氣質(zhì)量超標(biāo)，其占比為53.4%；337個(gè)城市發(fā)生重度污染1666天次，發(fā)生嚴(yán)重污染452天次，以PM2.5為首要污染物的天數(shù)占重度及以上污染天數(shù)的78.8%。2020年全球環(huán)境績(jī)效指數(shù)(Environmental Performance Index，EPI)排名中，中國(guó)空氣質(zhì)量指數(shù)在180個(gè)國(guó)家和地區(qū)中排在第137位?？諝馕廴窘o居民健康帶來(lái)了嚴(yán)重威脅，并制約了經(jīng)濟(jì)的高質(zhì)量發(fā)展，長(zhǎng)期以來(lái)受到相關(guān)部門(mén)和學(xué)者們的高度重視(黎文靖和鄭曼妮，2016；石慶玲等，2016；陳強(qiáng)等，2017)。

與此相關(guān)的早期研究主要關(guān)注經(jīng)濟(jì)增長(zhǎng)造成的污染問(wèn)題(Peng和Bao，2006；符淼和黃灼明，2008)。之后，越來(lái)越多的學(xué)者指出環(huán)境污染也會(huì)反向抑制經(jīng)濟(jì)增長(zhǎng)(Weuve等，2012；Chen等，2013；陳碩和陳婷，2014)。隨著環(huán)境立法和相關(guān)政策的出臺(tái)，也有學(xué)者關(guān)注于相關(guān)立法對(duì)空氣質(zhì)量的改善和經(jīng)濟(jì)增長(zhǎng)、資源配置效率的影響(陳詩(shī)一和陳登科，2018；李蕾蕾和盛丹，2018)?？偟膩?lái)講，空氣污染和經(jīng)濟(jì)增長(zhǎng)相關(guān)研究集中于宏觀政策(例如環(huán)境立法、環(huán)境規(guī)制)對(duì)宏觀經(jīng)濟(jì)實(shí)體(例如國(guó)家、地區(qū)經(jīng)濟(jì)增長(zhǎng))影響的探討，較少有研究探討空氣污染對(duì)微觀個(gè)體行為決策和生產(chǎn)績(jī)效的影響(Higdon等，2015；Chang等，2016；羅勇根等，2019)。

在現(xiàn)實(shí)的經(jīng)濟(jì)運(yùn)行中，空氣污染可能對(duì)區(qū)域高級(jí)人才和人力資本的流動(dòng)帶來(lái)重要影響。本文關(guān)注于空氣污染對(duì)企業(yè)高管流動(dòng)的影響。理論上，空氣污染將對(duì)個(gè)體的健康和情緒帶來(lái)嚴(yán)重的威脅。對(duì)于高管來(lái)講，作為較高收入群體，高管更加看重生活的質(zhì)量與品質(zhì)。當(dāng)空氣污染對(duì)自身的健康和情緒等造成影響時(shí)，將促使高管選擇離職。同時(shí)，高管個(gè)體、企業(yè)和所處的外部環(huán)境因素也將對(duì)上述關(guān)系產(chǎn)生直接或者間接的影響。以高管能力為例，在面臨同等嚴(yán)重的空氣污染時(shí)，能力較強(qiáng)的高管在勞動(dòng)力市場(chǎng)中具有更強(qiáng)的競(jìng)爭(zhēng)優(yōu)勢(shì)，易于獲取相當(dāng)或者更好的工作崗位，其流動(dòng)性也將隨之增加。此外，企業(yè)及其所處外部環(huán)境因素也會(huì)對(duì)高管流動(dòng)決策產(chǎn)生影響(宗文龍等，2013；饒品貴和徐子慧，2017)。

基于上述背景，結(jié)合高管簡(jiǎn)歷和中國(guó)地級(jí)市的空氣質(zhì)量指數(shù)(AQI)數(shù)據(jù)，本文以秦嶺—淮河線(供暖分界線)作為南北空氣質(zhì)量差異的“斷點(diǎn)”，使用斷點(diǎn)回歸設(shè)計(jì)(RDD)檢驗(yàn)空氣污染對(duì)高管流動(dòng)的影響。

本文可能的研究貢獻(xiàn)主要有以下三個(gè)方面。

第一，拓展了與空氣污染及其經(jīng)濟(jì)后果相關(guān)的研究領(lǐng)域。當(dāng)前，與空氣污染及其經(jīng)濟(jì)后果相關(guān)的研究主要集中于宏觀層面的國(guó)家政策、地區(qū)環(huán)境政策對(duì)經(jīng)濟(jì)增長(zhǎng)的影響(陳詩(shī)一和陳登科，2018；李蕾蕾和盛丹，2018)，鮮有探討空氣污染對(duì)微觀層面的影響(Chen等，2017；Dehaan等，2017；羅勇根等，2019)。本研究從高管個(gè)體角度，探討了空氣污染對(duì)高管流動(dòng)可能性的影響，并發(fā)現(xiàn)空氣污染促進(jìn)了高管流動(dòng)，從而可能造成企業(yè)和區(qū)域高級(jí)人力資本的流失與錯(cuò)配。同時(shí)，本研究也有助于理解空氣污染治理的重要作用，對(duì)進(jìn)一步提高環(huán)境治理能力，實(shí)現(xiàn)經(jīng)濟(jì)與環(huán)境的和諧共生，具有一定的借鑒意義。

第二，將空氣污染這一地區(qū)層面因素納入對(duì)高管流動(dòng)的分析框架中，檢驗(yàn)空氣污染對(duì)高管流動(dòng)的影響。具體而言，鑒于高管對(duì)企業(yè)的重要性，現(xiàn)有較多的研究探討了高管流動(dòng)及其影響因素，主要聚焦于高管個(gè)體特征和企業(yè)層面因素(黃繼承和盛明泉，2013；周林潔和邱汛，2013)，較少?gòu)母吖芩诘目臻g特征進(jìn)行分析。基于中國(guó)空氣污染的經(jīng)濟(jì)環(huán)境背景，本文以空氣污染這一地區(qū)層面因素為視角，為高管流動(dòng)領(lǐng)域的研究提供了更為豐富的實(shí)證證據(jù)。同時(shí)，本研究對(duì)空間經(jīng)濟(jì)學(xué)的相關(guān)研究也有所貢獻(xiàn)，即除了個(gè)體所在城市的規(guī)模、天氣和日照等空間地理特征會(huì)影響企業(yè)高管決策行為外(Chen等，2017；Dehaan等，2017)，空氣污染也被納入個(gè)體行為決策的重要因素之中。

第三，在一定程度上解決了當(dāng)前高管流動(dòng)的內(nèi)生性問(wèn)題。在相關(guān)研究中，對(duì)空氣污染影響高管流動(dòng)的內(nèi)生性因素鮮有涉及。本文參考Chen等(2013)的研究，以秦嶺—淮河線作為南北空氣質(zhì)量差異的斷點(diǎn)，采用斷點(diǎn)回歸方法(RD)來(lái)檢驗(yàn)空氣污染對(duì)高管流動(dòng)的影響，能夠更好地識(shí)別出空氣質(zhì)量對(duì)高管流動(dòng)的影響。

本文剩余部分結(jié)構(gòu)如下：第二部分為理論分析與研究假設(shè)；第三部分為研究設(shè)計(jì)，包括數(shù)據(jù)來(lái)源、變量測(cè)量以及實(shí)證模型；第四部分是實(shí)證結(jié)果分析；第五部分為進(jìn)一步分析，對(duì)主要的影響機(jī)制進(jìn)行探討；第六部分是穩(wěn)健性檢驗(yàn)；第七部分總結(jié)全文并提出相關(guān)啟示。

二、理論分析與研究假設(shè)

高管作為企業(yè)的管理者和決策者，其流入和流出都將對(duì)企業(yè)關(guān)鍵性和戰(zhàn)略性資源產(chǎn)生重要影響，受到學(xué)者們的廣泛關(guān)注(Messersmith等，2013；Bermiss和Murmann，2015)?，F(xiàn)有研究主要集中于對(duì)高管個(gè)體特征和企業(yè)層面兩方面的探討。從個(gè)體特征來(lái)看，黃繼承和盛明泉(2013)的研究表明高管變更事件的宣告效應(yīng)與其背景特征呈現(xiàn)顯著相關(guān)性；王錕和李偉(2012)指出高管的從政背景能夠顯著弱化高管的離職可能性與業(yè)績(jī)水平的負(fù)相關(guān)關(guān)系。從企業(yè)層面來(lái)看，大部分研究證實(shí)了高管流動(dòng)與公司業(yè)績(jī)負(fù)相關(guān)(劉青松和肖星，2015)，另外也有研究指出企業(yè)的產(chǎn)權(quán)性質(zhì)(周林潔和邱汛，2013)、公司的股權(quán)結(jié)構(gòu)(趙震宇等，2007)等也將對(duì)高管流動(dòng)產(chǎn)生影響。此外，也有研究關(guān)注于高管所處的外部環(huán)境對(duì)其流動(dòng)的影響。例如，饒品貴和徐子慧(2017)指出，經(jīng)濟(jì)政策不確定性影響了高管變更，繼任高管更有可能從內(nèi)部選聘。

總體而言，相關(guān)研究集中于對(duì)企業(yè)或高管個(gè)體特征差異的探討，較少有研究從地區(qū)層面探討高管流動(dòng)的影響因素，例如地區(qū)環(huán)境差異是否會(huì)影響到高管流動(dòng)的可能性，等等。這方面已開(kāi)始受到學(xué)者們的關(guān)注，并有學(xué)者指出環(huán)境對(duì)人口流動(dòng)會(huì)產(chǎn)生重要作用，區(qū)域因素是影響人力資本流動(dòng)和經(jīng)濟(jì)資源配置的重要因素(Chen等，2017；Dehaan等，2017；陸銘，2017；羅勇根等，2019)。

不同于以往的研究，本文提出，空氣污染通過(guò)直接影響個(gè)體的健康、工作效率和生產(chǎn)率而影響個(gè)體的情緒和內(nèi)在動(dòng)機(jī)，繼而提高了高管流動(dòng)的可能性。其具體包括以下方面。

首先，空氣污染直接影響到個(gè)體健康，進(jìn)而影響其流動(dòng)決策。大量醫(yī)學(xué)方面的文獻(xiàn)表明，空氣污染會(huì)直接進(jìn)入人體，阻礙正常的血液循環(huán)，引發(fā)呼吸系統(tǒng)等相關(guān)疾病，嚴(yán)重?fù)p害個(gè)體的健康狀況甚至縮短壽命(Laden等，2000；Peel等，2005)。Chen等(2013)以秦嶺—淮河供暖線作為南北空氣質(zhì)量高低的斷點(diǎn)，使用斷點(diǎn)回歸分析了空氣污染對(duì)預(yù)期壽命的影響，得出了空氣高濃度的總懸浮顆粒物平均減少個(gè)體壽命超過(guò)5年的結(jié)論；陳碩和陳婷(2014)發(fā)現(xiàn)二氧化硫濃度每增加1%，每一萬(wàn)人中死于呼吸系統(tǒng)疾病或肺癌的人數(shù)分別增加0.055和0.005。由此可見(jiàn)，空氣污染會(huì)對(duì)身體健康甚至壽命造成不利影響。這種不利影響又可能會(huì)促使高管選擇離開(kāi)空氣污染較嚴(yán)重的地區(qū)，前往空氣質(zhì)量更好的城市以規(guī)避空氣污染對(duì)其健康帶來(lái)的影響。

其次，空氣污染影響個(gè)體的人力資本輸出，在減少勞動(dòng)力供給的同時(shí)，降低工作效率及生產(chǎn)率。例如Higdon等(2015)探討了墨西哥城一家大型煉油廠對(duì)外界的污染如何影響勞動(dòng)力供給，結(jié)果表明，二氧化硫每增加1%會(huì)導(dǎo)致當(dāng)?shù)鼐用裣乱恢艿墓ぷ鲿r(shí)間將減少0.43%～0.67%；而當(dāng)煉油廠關(guān)閉后，當(dāng)?shù)豐O2濃度平均下降19.7%，促使周?chē)用衩恐艿墓ぷ餍r(shí)數(shù)增加3.5%。對(duì)于高管而言，工作效率和工作能力的下降可能帶來(lái)對(duì)工作“不滿意”的感知；同時(shí)，高管工作效率的低下也可能意味著工作績(jī)效的下降，增加了其被解雇的可能性，這兩方面都促使了高管的流動(dòng)。

最后，空氣污染可能使個(gè)體產(chǎn)生消極情緒，繼而造成其離職行為。Dehaan等(2017)研究結(jié)果表明，惡劣的天氣導(dǎo)致股票分析師對(duì)收益回報(bào)的反應(yīng)變得遲鈍，甚至無(wú)法做出回應(yīng)。Bassi等(2013)的研究表明，天氣會(huì)影響到個(gè)體的決策，良好的天氣(陽(yáng)光)增加了金融市場(chǎng)中個(gè)體采取高風(fēng)險(xiǎn)投資行為的可能性。Chen等(2017)發(fā)現(xiàn)，陰天天氣會(huì)使企業(yè)高管產(chǎn)生較為嚴(yán)重的負(fù)面情緒，企業(yè)避稅的可能性也隨之增加。相較于短期的天氣變化所造成的情緒變化，長(zhǎng)期空氣污染對(duì)個(gè)體及高管所帶來(lái)的負(fù)面情緒將更顯突出，對(duì)工作現(xiàn)狀的憂慮和厭倦將增加高管離職的可能性。

據(jù)此，本文提出如下假設(shè)。

研究假設(shè)：在其他條件不變的情況下，空氣污染越嚴(yán)重的地區(qū)，高管流動(dòng)的可能性越大。

三、樣本選擇與模型設(shè)定

（一）樣本選擇

本文樣本數(shù)據(jù)主要來(lái)源于以下三個(gè)途徑：(1)中華人民共和國(guó)生態(tài)環(huán)境部(原環(huán)境保護(hù)部)公布的全國(guó)城市空氣質(zhì)量日?qǐng)?bào)；(2)國(guó)泰安(CSMAR)數(shù)據(jù)庫(kù)；(3)中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局統(tǒng)計(jì)年鑒。

首先，參考黎文靖和鄭曼妮(2016)、羅勇根等(2019)等人的研究，本文從生態(tài)環(huán)境部公布的全國(guó)城市空氣質(zhì)量日?qǐng)?bào)獲取了個(gè)體所在城市的空氣質(zhì)量指數(shù)(Air Quality Index，AQI)。其次，高管簡(jiǎn)歷數(shù)據(jù)來(lái)自國(guó)泰安(CSMAR)數(shù)據(jù)庫(kù)。通過(guò)對(duì)簡(jiǎn)歷的整理，本研究獲取了2007—2017年間439246份高管簡(jiǎn)歷，包括證券代碼、統(tǒng)計(jì)日期、職位類別、高管工作經(jīng)歷等詳細(xì)信息。值得一提的是，根據(jù)國(guó)泰安數(shù)據(jù)庫(kù)中高管簡(jiǎn)歷信息，本文以高管團(tuán)隊(duì)成員作為研究的樣本，而在數(shù)據(jù)分析中，是否剔除非高管團(tuán)隊(duì)成員的樣本對(duì)回歸結(jié)果和顯著性沒(méi)有影響。企業(yè)層面的控制變量來(lái)源于國(guó)泰安(CSMAR)數(shù)據(jù)庫(kù)，區(qū)域?qū)用婵刂谱兞縼?lái)源于中國(guó)國(guó)家統(tǒng)計(jì)局。最后，參考宗文龍等(2013)、饒品貴和徐子慧(2017)的研究，本研究按以下標(biāo)準(zhǔn)對(duì)樣本做篩選與處理：剔除金融行業(yè)，因?yàn)檫@些企業(yè)的資產(chǎn)特性與其他企業(yè)存在較大差異；剔除了所有“ST”企業(yè)，因?yàn)檫@些企業(yè)的財(cái)務(wù)數(shù)據(jù)可能存在異常；剔除相關(guān)數(shù)據(jù)缺失的樣本。同時(shí)，為了消除極端值的影響，本研究對(duì)所有的連續(xù)控制變量進(jìn)行了1%和99%的Winsorize處理。本文的研究樣本涉及2007—2017年期間47637位高管，共計(jì)179393個(gè)個(gè)體年度觀測(cè)樣本。

（二）變量測(cè)量

(1) 空氣質(zhì)量指數(shù)(AQI)。參考黎文靖和鄭曼妮(2016)、羅勇根等(2019)的研究，本文以空氣質(zhì)量指數(shù)(AQI)作為空氣污染的衡量指標(biāo)?？諝赓|(zhì)量等級(jí)按照AQI的大小來(lái)進(jìn)行劃分，AQI值越大，表明空氣污染越嚴(yán)重，本文對(duì)空氣質(zhì)量指數(shù)取自然對(duì)數(shù)。

(2) 高管流動(dòng)(Flow)。若高管當(dāng)年發(fā)生跨城市流動(dòng)則取值為1，未發(fā)生流動(dòng)或者同城市流動(dòng)則為0。同時(shí)，根據(jù)高管流動(dòng)前后城市空氣質(zhì)量指數(shù)的差異，區(qū)分了高管流動(dòng)的方向變量，F(xiàn)low_up表示高管流向空氣質(zhì)量較好的城市，此時(shí)Flow_up取值為1，否則為0；Flow_down表示高管流向空氣質(zhì)量更差的城市，此時(shí)Flow_down取值為1，否則為0。

(3) 控制變量。本文還加入了高管個(gè)體、企業(yè)和城市三個(gè)層面的控制變量。具體而言，參考Custódio等(2013)和趙子夜等(2018)的研究，個(gè)體層面的控制變量包括高管能力結(jié)構(gòu)指數(shù)(GAI)、性別(Sex)、年齡(Age)、高管職務(wù)類別(CEO)、任期(Tenure)、高管年末持股數(shù)(SharEnd)、薪酬(Salary)；企業(yè)層面的控制變量包括企業(yè)規(guī)模(Size)、產(chǎn)權(quán)性質(zhì)(SOE)、企業(yè)年齡(Firm_age)、企業(yè)績(jī)效(Performance)；城市層面的控制變量包括所在城市居民消費(fèi)價(jià)格指數(shù)(CityCPI)、所在城市GDP增長(zhǎng)率(CityGDP)和所在城市人均GDP(GDP_avg)。

此外，為了消除不可觀測(cè)變量對(duì)本文結(jié)果的影響，參照Dehaan 等(2017)的研究，在回歸中還控制了年份(Year)、城市(City)和行業(yè)(Industry)的固定效應(yīng)，并采用Robust估計(jì)，在城市層面進(jìn)行集群(Cluster)處理。具體的變量定義如表1所示。

（三）研究模型

參考Chen等(2013)的研究，本文將秦嶺—淮河線(供暖分界線)作為南北空氣質(zhì)量差異的斷點(diǎn)，采用斷點(diǎn)回歸方法(RD)來(lái)檢驗(yàn)空氣污染對(duì)高管流動(dòng)可能性的影響①本文從谷歌地圖上獲取了秦嶺—淮河線及各個(gè)城市的緯度，當(dāng)城市位于秦嶺—淮河線以北時(shí)視作北方城市，即屬于供暖城市，城市區(qū)域(Side)取值為1，反之為0。。

具體而言，本文采用2SLS方法進(jìn)行參數(shù)估計(jì)，首先檢驗(yàn)了秦嶺—淮河線是否導(dǎo)致了南北兩側(cè)空氣污染和高管流動(dòng)的不連續(xù)變化，模型如下：

模型中，AQI是城市當(dāng)年的空氣質(zhì)量指數(shù)；Sidej,t作為虛擬變量，表示城市j是位于秦嶺—淮河線的南側(cè)還是北側(cè)，位于北側(cè)取值為1，南側(cè)則取值為0；Flow表示高管流動(dòng)指標(biāo)；Control是一系列控制變量；Year、City和Industry分別是年份、城市和行業(yè)的固定效應(yīng)；ε是模型誤差項(xiàng)。模型(1)目的在于檢驗(yàn)秦嶺—淮河線是否導(dǎo)致了南北兩側(cè)空氣污染的不連續(xù)變化。模型(2)目的在于檢驗(yàn)秦嶺—淮河線是否導(dǎo)致了南北兩側(cè)高管流動(dòng)可能性的不連續(xù)變化。在此基礎(chǔ)上，本文構(gòu)建了2SLS第二階段模型：

四、實(shí)證分析

（一）描述性統(tǒng)計(jì)

1. 描述性統(tǒng)計(jì)表格

表2列出了主要變量的描述性統(tǒng)計(jì)。在描述性統(tǒng)計(jì)中，高管流動(dòng)均值為0.0310，方差為0.1759，表明不同高管流動(dòng)可能性呈現(xiàn)一定的差異性?？諝赓|(zhì)量指數(shù)(AQI)均值為4.4014，方差為0.3148，與黎文靖和鄭曼妮(2016)的研究基本一致。高管的能力結(jié)構(gòu)指數(shù)(GAI)均值為-0.0378，方差為0.8454，與趙子夜等(2018)的研究基本一致。企業(yè)層面的控制變量如ROA、資產(chǎn)負(fù)債率(Lev)等與已有研究基本一致。同時(shí)，本文還對(duì)所有自變量進(jìn)行了方差膨脹因子檢驗(yàn)，VIF最大值為4.75，表明變量間不存在嚴(yán)重的共線性干擾。

表2 描述性統(tǒng)計(jì)

2. 秦嶺—淮河線的局部平均處理效應(yīng)

在使用斷點(diǎn)回歸前，本文先估計(jì)了秦嶺—淮河線對(duì)南北兩側(cè)空氣污染以及高管流動(dòng)的局部平均處理效應(yīng)，如圖1和圖2所示。從圖1中可以看出，秦嶺—淮河斷點(diǎn)線空氣污染呈現(xiàn)較為明顯的上升態(tài)勢(shì)，局部平均處理效應(yīng)為0.08(4.59－4.51)。從圖2中可以看出，秦嶺—淮河斷點(diǎn)線高管流動(dòng)同樣呈現(xiàn)上升態(tài)勢(shì)，平均處理效應(yīng)為0.005(0.032－0.027)。以上結(jié)果表明，主要考察變量在斷點(diǎn)兩側(cè)均呈現(xiàn)非連續(xù)性的變化。

圖1 秦嶺—淮河線與兩側(cè)空氣質(zhì)量

圖2 秦嶺—淮河線與兩側(cè)高管流動(dòng)

（二）RD回歸結(jié)果

表3 空氣污染與高管流動(dòng)

表4 空氣污染與高管流動(dòng)方向

續(xù)表3

續(xù)表4

五、進(jìn)一步分析

（一）邊界影響因素檢驗(yàn)

本文從高管個(gè)體、企業(yè)和外部環(huán)境三個(gè)層面檢驗(yàn)了空氣污染影響高管流動(dòng)的間接影響因素。具體而言，在高管個(gè)體層面關(guān)注高管能力，在企業(yè)層面關(guān)注薪酬補(bǔ)償和股權(quán)補(bǔ)償，在外部環(huán)境層面關(guān)注經(jīng)濟(jì)政策不確定性指數(shù)。

1. 高管能力的調(diào)節(jié)作用

空氣污染對(duì)高管流動(dòng)可能性的影響可能受到高管能力的影響。這是因?yàn)?，在其他條件相同的情況下，高管的能力越強(qiáng)，在勞動(dòng)力市場(chǎng)和崗位競(jìng)爭(zhēng)中優(yōu)勢(shì)越明顯，從而更易于獲取相當(dāng)或者更好的工作崗位。因此，在其他條件不變的情況下，能力越強(qiáng)的高管在面對(duì)高強(qiáng)度的空氣污染時(shí)流動(dòng)可能性也將越高。

鑒于此，參考Custódio等(2013)和趙子夜等(2018)的研究，本文對(duì)高管的能力進(jìn)行了估計(jì)。同時(shí)，參照Demerjian等(2012)的方法，本文采用數(shù)據(jù)包絡(luò)分析法(DEA)估計(jì)管理者能力作為穩(wěn)健性檢驗(yàn)指標(biāo)。主要構(gòu)建思路分為兩個(gè)步驟：第一步先確認(rèn)投入產(chǎn)出模型，以公司主營(yíng)業(yè)務(wù)收入作為投入指標(biāo)，用公司的主營(yíng)業(yè)務(wù)成本、銷售與管理費(fèi)用之和、固定資產(chǎn)凈值、無(wú)形資產(chǎn)和企業(yè)商譽(yù)等作為產(chǎn)出指標(biāo)，采用DEA方法分行業(yè)計(jì)算每一家公司的運(yùn)營(yíng)效率(Firm Efficiency)；第二步運(yùn)用Tobit模型分年度分行業(yè)將公司特征與公司的運(yùn)營(yíng)效率進(jìn)行回歸，從而分離出由企業(yè)特征所產(chǎn)生的效率以及由管理者能力所帶來(lái)的效率，回歸的殘差即為管理者能力的代理變量(Capability)。

其回歸結(jié)果如表5所示。從其中可以看出，交互項(xiàng)系數(shù)分別為0.1851和0.1525，分別在1%和5%水平上與高管流動(dòng)可能性顯著正相關(guān)，與預(yù)期相一致。

表5 空氣污染、高管能力與高管流動(dòng)

2. 薪酬和股權(quán)補(bǔ)償?shù)淖饔脵C(jī)制

前文分析表明，空氣污染顯著增加了高管流動(dòng)的可能性。從成本效用角度來(lái)看，高管流動(dòng)決策本質(zhì)上是比較成本與預(yù)期效用的結(jié)果(Tiebout，1956)。從這方面來(lái)講，空氣污染給高管增加了健康和負(fù)面情緒等成本，如果給予適當(dāng)或額外的補(bǔ)償，也可能降低個(gè)體成本損失感知程度，繼而影響高管流動(dòng)決策(宗文龍等，2013)。因此，本文進(jìn)一步分析薪酬和股權(quán)兩類補(bǔ)償機(jī)制對(duì)高管流動(dòng)可能性的影響。

表6 薪酬和股權(quán)補(bǔ)償?shù)淖饔脵C(jī)制

3. 經(jīng)濟(jì)政策不確定性的作用機(jī)制

從外部環(huán)境來(lái)看，當(dāng)外界經(jīng)濟(jì)政策不確定性程度較高時(shí)，高管對(duì)流動(dòng)后的效用水平具有不確定或者消極的預(yù)期；同時(shí)，在經(jīng)濟(jì)政策不確定性較高時(shí)，高管流動(dòng)可能會(huì)導(dǎo)致企業(yè)潛在成本和風(fēng)險(xiǎn)上升(饒品貴和徐子慧，2017)，企業(yè)可能通過(guò)多種方法以留住高管。因此，經(jīng)濟(jì)不確定性將對(duì)空氣污染與高管流動(dòng)可能性之間的關(guān)系產(chǎn)生影響。鑒于此，本文進(jìn)一步探討了經(jīng)濟(jì)政策不確定性對(duì)上述關(guān)系的影響。

本文經(jīng)濟(jì)政策不確定性指標(biāo)(Economic Policy Uncertainty，EPU)來(lái)源于Baker等(2016)開(kāi)發(fā)編制的中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)，其數(shù)據(jù)從1995年1月開(kāi)始逐月更新。參考饒品貴和徐子慧(2017)等人的研究，本文將1995年1月的指數(shù)標(biāo)準(zhǔn)化為100，并以此計(jì)算隨后每個(gè)月的指數(shù)。隨后，構(gòu)建兩個(gè)指標(biāo)來(lái)測(cè)量經(jīng)濟(jì)政策不確定性：EPU是每年的月度數(shù)據(jù)均值除以100；DEPU是在EPU基礎(chǔ)上按照時(shí)間序列分組，當(dāng)EPU大于中位數(shù)時(shí)視作高經(jīng)濟(jì)政策不確定性，DEPU賦值為1，反之賦值為0。其回歸結(jié)果如表7所示。表7中，交互項(xiàng)系數(shù)為-0.7993和-0.2825，分別在1%和5%水平上與高管流動(dòng)可能性(Flow)顯著負(fù)相關(guān)，表明經(jīng)濟(jì)政策不確定性指標(biāo)在空氣污染和高管流動(dòng)可能性之間起到負(fù)向調(diào)節(jié)作用。

表7 空氣污染、經(jīng)濟(jì)政策不確定性與高管流動(dòng)

續(xù)表7

（二）空氣污染與高管流動(dòng)類型

（三）空氣污染、企業(yè)性質(zhì)與高管流動(dòng)

表8 空氣污染、企業(yè)性質(zhì)和高管流動(dòng)

（四）不同污染物與高管流動(dòng)

不同的污染物類型對(duì)高管流動(dòng)可能性具有差異化的影響。參考羅勇根等(2019)的研究，本文以空氣污染中二氧化硫(SO2)、可吸入顆粒物(PM10和PM2.5)和一氧化碳(CO)為例，分析了這四類不同的污染物對(duì)高管流動(dòng)的影響，回歸結(jié)果如表9所示。其中，第(1)列至第(4)列為單一污染物(即PM10、SO2、PM2.5和CO)對(duì)高管流動(dòng)的影響。整體而言，不同污染物均提高了企業(yè)高管流動(dòng)的可能性。第(5)列是同時(shí)加入四種不同污染物的回歸結(jié)果，從系數(shù)及顯著性可以看出，細(xì)微顆粒物(PM10和PM2.5)對(duì)高管流動(dòng)可能性的影響更大。

表9 不同污染物類型與高管流動(dòng)

六、穩(wěn)健性檢驗(yàn)

（一）RD估計(jì)有效性檢驗(yàn)

RD估計(jì)的有效性需滿足兩個(gè)前提假設(shè)：一是樣本在驅(qū)動(dòng)變量附近是隨機(jī)的；二是除了考察變量外，其他變量在斷點(diǎn)附近不存在明顯“跳躍”。鑒于此，本文做了兩方面的檢驗(yàn)。首先，研究統(tǒng)計(jì)了每一緯度上高管觀測(cè)值的數(shù)量①由于直接高管觀測(cè)值數(shù)量頻數(shù)統(tǒng)計(jì)較為分散，本文統(tǒng)一對(duì)高管觀測(cè)值頻數(shù)取了自然對(duì)數(shù)。，如圖3所示。從圖3中可以看出，樣本的選取在斷點(diǎn)附近并沒(méi)有出現(xiàn)明顯的“跳躍”，驅(qū)動(dòng)變量的選取服從隨機(jī)分布，滿足第一個(gè)條件。其次，參考劉行等(2017)的研究，本文采用非參數(shù)斷點(diǎn)估計(jì)的方法對(duì)控制變量進(jìn)行檢驗(yàn)，結(jié)果如表10所示。整體而言，控制變量的參數(shù)估計(jì)系數(shù)基本不顯著，表明其他控制變量在斷點(diǎn)附近不存在明顯“跳躍”，滿足第二個(gè)條件。因此，使用RD估計(jì)的結(jié)果是有效的。

圖3 秦嶺—淮河斷點(diǎn)線兩側(cè)高管觀測(cè)頻數(shù)分布

表10 控制變量在斷點(diǎn)兩側(cè)的連續(xù)性檢驗(yàn)

（二）最優(yōu)帶寬及穩(wěn)健性檢驗(yàn)

表11 最優(yōu)帶寬及多項(xiàng)式檢驗(yàn)

七、結(jié)論與討論

本文考察了空氣污染對(duì)高管流動(dòng)可能性的影響。本研究結(jié)果表明，空氣污染提高了高管流動(dòng)的可能性，高管更有可能向空氣質(zhì)量更好的城市遷移。之后，本研究從不同層面探討了空氣污染和高管流動(dòng)的邊界影響因素。其結(jié)果表明：高管能力起到正向調(diào)節(jié)作用；企業(yè)補(bǔ)償機(jī)制(薪酬補(bǔ)償和股權(quán)補(bǔ)償)削弱了空氣污染對(duì)高管流動(dòng)可能性的影響，并且股權(quán)補(bǔ)償機(jī)制作用更為明顯；外界經(jīng)濟(jì)政策不確定性緩和了空氣污染與高管流動(dòng)可能性間的關(guān)系。此外，相比于國(guó)有企業(yè)，非國(guó)有企業(yè)中，空氣污染與高管流動(dòng)可能性的正向相關(guān)關(guān)系更為顯著；不同類型的污染物提高了高管流動(dòng)的可能性，細(xì)微顆粒物(PM10和PM2.5)對(duì)高管流動(dòng)的正向影響更為明顯。

除了前文的理論貢獻(xiàn)外，從本文的研究和結(jié)論方面還可以得到以下啟示。

一方面，對(duì)于企業(yè)而言，空氣污染顯著增加了高管流動(dòng)的可能性，尤其是增加了能力較強(qiáng)的高管流動(dòng)可能性。本文雖然表明企業(yè)可以利用薪酬補(bǔ)償和股權(quán)補(bǔ)償?shù)姆椒▉?lái)削弱空氣污染對(duì)高管流動(dòng)可能性的影響，但也應(yīng)當(dāng)明確補(bǔ)償措施并非能夠從根本上解決問(wèn)題，過(guò)多補(bǔ)償也可能對(duì)企業(yè)發(fā)展產(chǎn)生不利的影響。因此，本文提出企業(yè)另一條可行的途徑，即盡可能地改善高管及員工所處的環(huán)境，重視技術(shù)革新，減少甚至杜絕高耗能、高污染和低產(chǎn)出的傳統(tǒng)生產(chǎn)方式。例如，化工企業(yè)在追求經(jīng)濟(jì)效益的同時(shí)，還應(yīng)當(dāng)考慮到自身的經(jīng)濟(jì)發(fā)展帶來(lái)的環(huán)境污染問(wèn)題，應(yīng)當(dāng)注重污染氣體的排放處理，改善環(huán)境以削弱或消除企業(yè)的空氣污染對(duì)員工身體健康、工作效率和情緒等的影響。

另一方面，對(duì)于國(guó)家和地方政策制定者而言，在意識(shí)到空氣污染負(fù)向影響宏觀經(jīng)濟(jì)增長(zhǎng)的同時(shí)，也應(yīng)當(dāng)明確空氣污染也顯著增加了區(qū)域企業(yè)高管流失的可能性。高級(jí)人才的流失同樣不利于區(qū)域經(jīng)濟(jì)的長(zhǎng)期發(fā)展。例如，城市空氣污染和環(huán)境質(zhì)量的差異可能導(dǎo)致城市區(qū)域間人力資本的錯(cuò)配和不均衡，從而擴(kuò)大城市和地區(qū)間經(jīng)濟(jì)發(fā)展的差距，不利于地區(qū)和國(guó)家的長(zhǎng)期、可持續(xù)的發(fā)展。同時(shí)，國(guó)家和地方政府在制定并推行相關(guān)立法之余，應(yīng)當(dāng)意識(shí)到使用限行、停產(chǎn)等強(qiáng)制性的手段雖然在一定程度上改善了環(huán)境質(zhì)量，但空氣污染問(wèn)題依然不容樂(lè)觀(石慶玲等，2016)。國(guó)家和相關(guān)機(jī)構(gòu)還應(yīng)當(dāng)致力于探索能夠從根本上解決好中國(guó)環(huán)境污染問(wèn)題的方法與路徑，例如，除了使用強(qiáng)制性手段外，還應(yīng)當(dāng)加強(qiáng)對(duì)民眾和企業(yè)管理者的教育與宣傳工作，使其意識(shí)到自身所造成的環(huán)境污染反過(guò)來(lái)會(huì)抑制績(jī)效產(chǎn)出，不利于其長(zhǎng)期發(fā)展。這也表明，進(jìn)一步提高環(huán)境治理能力和開(kāi)創(chuàng)綠色發(fā)展的新局面具有重要實(shí)踐意義。

除了上述貢獻(xiàn)和啟示外，未來(lái)研究也可以關(guān)注以下方面。其一，可以進(jìn)一步探討空氣污染對(duì)不同層次的人力資本流動(dòng)的影響。本文使用高管樣本具有較為重要的意義和代表性，然而相較于一般的個(gè)體，在面臨高強(qiáng)度的污染時(shí)，高管可選擇性相對(duì)較高，而對(duì)于低收入群體，空氣污染對(duì)其流動(dòng)決策的影響尚需進(jìn)一步研究。其二，可進(jìn)一步探討空氣污染對(duì)高管流動(dòng)可能性的間接影響因素。本文雖然從高管個(gè)體、企業(yè)和所處的外在環(huán)境三個(gè)層面探討了空氣污染對(duì)高管流動(dòng)的影響，但也應(yīng)當(dāng)明確，以上三個(gè)層面的探討只是間接影響因素中的一部分。例如，還可以通過(guò)大規(guī)模問(wèn)卷、訪談等方式獲取高管個(gè)體的健康、情緒等指標(biāo)，直接地檢驗(yàn)健康成本等指標(biāo)在空氣污染與高管流動(dòng)間可能具有的中介效應(yīng)，等等。