楊維芝 章劉成

（作者單位：哈爾濱商業(yè)大學(xué)）

農(nóng)林企業(yè)存在農(nóng)林自然再生產(chǎn)和經(jīng)濟(jì)再生產(chǎn)過(guò)程，二者相交織的行業(yè)特征明顯[1]。農(nóng)林企業(yè)績(jī)效提升與哪些因素直接相關(guān)呢？作為高管的薪酬和作為企業(yè)競(jìng)爭(zhēng)力持續(xù)發(fā)展的創(chuàng)新能力在績(jī)效提升方面的作用明顯嗎？學(xué)者們對(duì)創(chuàng)新能力與企業(yè)績(jī)效的研究得出了不同的結(jié)論，認(rèn)為創(chuàng)新投入與企業(yè)績(jī)效顯著正相關(guān)，即創(chuàng)新投入的增加將會(huì)促進(jìn)企業(yè)績(jī)效的提升[2]。本文基于A 股2019—2021 年農(nóng)林上市公司數(shù)據(jù)，分析農(nóng)林企業(yè)創(chuàng)新能力、高管薪酬與企業(yè)績(jī)效的影響，以期為我國(guó)滬深A(yù) 股農(nóng)林上市企業(yè)的發(fā)展提供借鑒。

一、文獻(xiàn)評(píng)述與研究假設(shè)

對(duì)企業(yè)創(chuàng)新能力的研究可以追溯到經(jīng)濟(jì)學(xué)家熊彼特對(duì)創(chuàng)新這個(gè)概念的提出，他指出創(chuàng)新是促進(jìn)公司健康發(fā)展的重要因素。熊彼特將創(chuàng)新表現(xiàn)在技術(shù)、產(chǎn)品、市場(chǎng)、供應(yīng)商和組織五個(gè)方面，他認(rèn)為經(jīng)濟(jì)的不斷發(fā)展與進(jìn)步依賴于企業(yè)的創(chuàng)新[3]。我們提出假設(shè)1：

H1：農(nóng)林企業(yè)創(chuàng)新能力與企業(yè)績(jī)效顯著正相關(guān)。

國(guó)外學(xué)者對(duì)于高管薪酬與企業(yè)績(jī)效的研究，大多數(shù)學(xué)者的研究顯示高管薪酬與企業(yè)績(jī)效呈正相關(guān)，但是顯著性存在不同。國(guó)內(nèi)學(xué)者得出高管薪酬與企業(yè)績(jī)效的相關(guān)關(guān)系是隨著第一大股東的持股比例而發(fā)生變化。我們提出假設(shè)2：

H2：高管薪酬與企業(yè)績(jī)效顯著正相關(guān)。

二、研究設(shè)計(jì)

（一）樣本選擇與數(shù)據(jù)來(lái)源

本文選取2019—2021 年A 股上市公司中105 家農(nóng)林企業(yè)作為研究樣本，為確保數(shù)據(jù)的完整可靠性，剔除了樣本中數(shù)據(jù)缺失值，剔除了ST、*ST 企業(yè)數(shù)據(jù)。最終剩余105 家公司，315 個(gè)樣本觀測(cè)值，所有數(shù)據(jù)來(lái)源于wind數(shù)據(jù)庫(kù)，數(shù)據(jù)通過(guò)EXCEL 和SPSS23.0 進(jìn)行相關(guān)處理。

（二）變量設(shè)計(jì)

農(nóng)林企業(yè)創(chuàng)新能力。本文采用研發(fā)支出來(lái)衡量農(nóng)林企業(yè)的創(chuàng)新能力。用rd表示企業(yè)創(chuàng)新能力。

農(nóng)林企業(yè)績(jī)效。其主要通過(guò)經(jīng)營(yíng)者在經(jīng)營(yíng)管理企業(yè)的過(guò)程中對(duì)企業(yè)經(jīng)營(yíng)、成長(zhǎng)、發(fā)展所取得的成果和所做出的貢獻(xiàn)來(lái)體現(xiàn)[4]。用Perf表示企業(yè)績(jī)效。

高管薪酬。高管薪酬選取目前最為認(rèn)可、最具有客觀性的顯性貨幣薪酬，用上市公司財(cái)務(wù)報(bào)表中前三位高管的薪酬總額進(jìn)行計(jì)量，即薪酬總額越多，高管的薪酬水平越高，實(shí)證過(guò)程中取其自然對(duì)數(shù)。用pay表示高管薪酬。

（三）變量定義

被解釋變量。選取企業(yè)績(jī)效作為被解釋變量，企業(yè)績(jī)效通過(guò)主成分分析法求得，共選取了9 個(gè)指標(biāo)來(lái)衡量企業(yè)績(jī)效，分別是財(cái)務(wù)績(jī)效評(píng)價(jià)體系具體包括盈利能力、營(yíng)運(yùn)能力、償債能力和發(fā)展能力等評(píng)價(jià)指標(biāo)[5]。

解釋變量。選取研發(fā)支出與高管薪酬作為解釋變量，研發(fā)支出與高管薪酬分別取自然對(duì)數(shù)[6]。

控制變量。通過(guò)閱讀學(xué)者們的文獻(xiàn)，發(fā)現(xiàn)影響企業(yè)績(jī)效的因素很多，因此本文選取了資產(chǎn)負(fù)債率、公司規(guī)模（總資產(chǎn)）、股權(quán)集中度和股權(quán)性質(zhì)（區(qū)分國(guó)企和非國(guó)企）作為控制變量。研究變量的定義如表1 所示。

表1 變量定義表

（四）利用主成分分析法計(jì)算企業(yè)績(jī)效

該方法的核心就是通過(guò)主成分分析、選擇m個(gè)主分量F1，F(xiàn)2…，F(xiàn)m，以每個(gè)主分量Fi的方差貢獻(xiàn)率ai作為權(quán)數(shù)，構(gòu)造綜合評(píng)價(jià)函數(shù)。

1.KMO 與 Baetlett 檢驗(yàn)

KMO 與Baetlett 檢驗(yàn)結(jié)果Kaiser-Meyer-Olkin 值為0.522，說(shuō)明所取變量的效度較高，且顯著性P值小于0.05，則通過(guò)Baetlett 檢驗(yàn)。

2.線性組合模型

選用方差極大法作因子旋轉(zhuǎn)，從而得到線性組合模型。

3.求得綜合得分

以4 個(gè)綜合因子變量的方差貢獻(xiàn)率作為權(quán)數(shù)ai，可計(jì)算出企業(yè)績(jī)效的綜合得分。

三、實(shí)證分析

（一）模型設(shè)計(jì)

本文選用多元回歸模型進(jìn)行實(shí)證分析，該模型主要用于計(jì)算多個(gè)變量對(duì)單個(gè)變量的影響程度，多元線性回歸模型的表達(dá)式為：

其中，β0為常數(shù)項(xiàng)；β1,β2,…,βk為回歸系數(shù)；εa為剩余殘差。

如前節(jié)所述，由此構(gòu)建模型：

模型1：農(nóng)林企業(yè)創(chuàng)新能力、高管薪酬對(duì)企業(yè)績(jī)效的影響

模型2：股權(quán)性質(zhì)對(duì)企業(yè)創(chuàng)新能力、高管薪酬對(duì)企業(yè)績(jī)效的影響

（二）描述性統(tǒng)計(jì)

對(duì)選取的指標(biāo)進(jìn)行相關(guān)描述性統(tǒng)計(jì)，結(jié)果如表2所示。

表2 描述性統(tǒng)計(jì)

表2 是對(duì)所有變量進(jìn)行的描述性統(tǒng)計(jì)，企業(yè)績(jī)效的平均值為3.374，最小值為-4.810，最大值為1 589.690，最小值與最大值相差1 594.500，這說(shuō)明各個(gè)企業(yè)之間績(jī)效水平差距比較大。研發(fā)支出的均值為18.103，最小值為7.720，最大值為23.530，各個(gè)企業(yè)之間研發(fā)支出水平也有所差異，但是差異程度不是太大，為本文研究研發(fā)支出與企業(yè)績(jī)效之間的關(guān)系提供了有力的數(shù)據(jù)支撐。高管薪酬的平均值為13.490，最小值為0.000，最大值為17.310，標(biāo)準(zhǔn)方差為0.801，標(biāo)準(zhǔn)方差較小，說(shuō)明各個(gè)企業(yè)之間高管薪酬水平存在一定的差異，但是差異不算很大。股權(quán)性質(zhì)的平均值為0.344，在選取的樣本中非國(guó)企居多。

（三）相關(guān)性分析

為了解所取變量間是否存在相關(guān)性，首先對(duì)自變量與因變量做相關(guān)性檢驗(yàn)，如表3 所示。從變量相關(guān)性矩陣可知，選取的變量與因變量的相關(guān)性整體較低，企業(yè)績(jī)效與研發(fā)支出和高管薪酬的系數(shù)分別為-0.006 和0.090，即高管薪酬獲取越多，說(shuō)明企業(yè)的整體績(jī)效越好。大部分變量在1%的水平上顯著，除股權(quán)集中度以外，各個(gè)變量與企業(yè)績(jī)效的相關(guān)性都較強(qiáng)。為更好地驗(yàn)證本文提出的假設(shè)，本文將進(jìn)行回歸分析，繼續(xù)研究研發(fā)支出、高管薪酬與企業(yè)績(jī)效的關(guān)系。

表3 相關(guān)性分析表

（四）回歸分析

本文分別對(duì)全樣本、國(guó)企和非國(guó)企樣本進(jìn)行回歸分析，如表4 所示。表4 中的第一列為全樣本的回歸結(jié)果，研發(fā)支出與企業(yè)績(jī)效在1%的水平上顯著，回歸系數(shù)為-3.967，說(shuō)明研發(fā)支出與企業(yè)績(jī)效在1%的水平上顯著負(fù)相關(guān)，研發(fā)投入越多，導(dǎo)致短期成本上升，降低了企業(yè)績(jī)效，驗(yàn)證了假設(shè)H1a。高管薪酬與企業(yè)績(jī)效在1%的水平上顯著，回歸系數(shù)為4.623，說(shuō)明高管薪酬與企業(yè)績(jī)效在1%的水平上顯著正相關(guān)，驗(yàn)證了假設(shè)H2a。資產(chǎn)負(fù)債率和企業(yè)規(guī)模與企業(yè)績(jī)效有顯著正相關(guān)性，即資產(chǎn)負(fù)債率水平越高，企業(yè)績(jī)效越好，企業(yè)規(guī)模越大，企業(yè)績(jī)效越好。股權(quán)集中度對(duì)企業(yè)績(jī)效沒有明顯相關(guān)影響。

表4 回歸分析結(jié)果匯總

表4 中的第二列為國(guó)有企業(yè)的回歸結(jié)果，結(jié)果顯示，研發(fā)支出的回歸系數(shù)為-3.728，在1%的水平上顯著，說(shuō)明國(guó)有企業(yè)下研發(fā)支出與企業(yè)績(jī)效在1%的水平上負(fù)相關(guān)，與假設(shè)H1a一致。高管薪酬回歸系數(shù)為5.864，且在1%的水平上顯著，即高管薪酬與企業(yè)績(jī)效呈顯著正相關(guān)，與假設(shè)H2a一致。所選取的變量中有兩個(gè)與企業(yè)績(jī)效在1%的水平上顯著，說(shuō)明控制變量的選取是有意義的。

四、結(jié)語(yǔ)

本文選取我國(guó)滬深A(yù) 股上市公司中農(nóng)林企業(yè)2019—2021 年數(shù)據(jù)作為研究對(duì)象，得出以下結(jié)論：（1）農(nóng)林研發(fā)支出即農(nóng)林企業(yè)創(chuàng)新能力與企業(yè)當(dāng)期績(jī)效呈顯著負(fù)相關(guān)，說(shuō)明企業(yè)研發(fā)投入提升企業(yè)績(jī)效具有一定的滯后性；高管薪酬與企業(yè)績(jī)效呈顯著正相關(guān)；（2）國(guó)企和非國(guó)企，研發(fā)支出與企業(yè)績(jī)效均呈顯著負(fù)相關(guān)，高管薪酬與企業(yè)績(jī)效均呈顯著正相關(guān)；（3）國(guó)有企業(yè)高管薪酬對(duì)企業(yè)績(jī)效的影響大于非國(guó)企高管薪酬對(duì)企業(yè)績(jī)效的影響，非國(guó)有企業(yè)研發(fā)支出對(duì)企業(yè)績(jī)效的影響大于國(guó)企研發(fā)支出對(duì)企業(yè)績(jī)效的影響。