上市公司股权激励与公司绩效研究

现代公司的两权分离引致了公司治理的代理成本问题，代理人为了追寻自身利益而产生道德风险和逆向选择。为了尽量使经理人目标与股东层目标保持一致，上市公司开始探索各种激励方式。在研究股权激励与公司绩效关系时必须考虑股权激励实施变量存在的内生性问题，本文尝试利用倾向得分匹配法（PSM）来解决股权激励内生性问题，并利用最新上市公司数据实证研究上市公司股权激励计划实施对公司绩效的影响，期望能为股权激励制度在我国的推广提供理论支撑。

一、倾向得分匹配模型

（一）倾向得分匹配模型基本原理

PSM模型的基本原理是在处理组样本非随机选择带来估计结果偏误的情况下，根据实施股权激励公司的特征（处理组），找出与处理组公司特征尽可能类似的上市公司（控制组），通过比较这两类上市公司经营绩效的差异，分离出单独由实施股权激励计划所带来的公司治理效果的改变情况。根据样本中上市公司是否实施股权激励计划，Y1i表示已实施股权激励计划的上市公司经营绩效，Y0i表示没有实施股权激励计划的上市公司经营绩效，定义Y1i-Y0i 为处理效应，处理组的平均处理效应（ATT）、控制组的平均处理效应（ATC或ATU）以及平均处理效应（ATE）可以表示为：

ATT=E[（Y1i-Y0i）|Z，treat=1]

ATC=E[（Y1i-Y0i）|Z，treat=0]

ATE=ATT*[SX（]N1[]N1+N0[SX）]+ATU*[SX（]N0[]N1+N0[SX）]

其中treat=1表示处理组，即实施股权激励计划；treat=0表示控制组，即没有实施股权激励；Z表示所有可观测的匹配变量，N1表示处理组的样本数，N0表示控制组的样本数。若以所有的可观测特征Z为条件的均值同时在控制组中与处理组中都相等，那么实施股权激励就是一种随机行为，直接计算Y1i-Y0i就可以得到实施股权激励单独带来的经营绩效的改变。

在具体进行倾向得分匹配模型的估计时，首先构建以是否实施股权激励计划二值变量作为因变量，以影响股权激励实施的主要上市公司特征为自变量的Logit二值选择方程，根据Logit模型计算PS值。其次，检验共同支撑假设，即控制组与处理组是否具有相近的倾向得分值，根据PS值进行匹配，匹配结束后需要进行平行假设检验，即控制组与处理组在各个维度上的差异是否过大，如果差异不大继续进行下一步，否则重新回到初始步骤，进行Logit 模型的重新设定。最后，比较控制组与处理组的经营绩效差异，并进行统计推断。

（二）进行稳健性检验

在利用PSM模型进行匹配前，处理组与控制组是存在显著差异的，经过可观测因素匹配后，如果不存在影响股权激励实施的不可观测因素，那么匹配后的两组公司就不存在差异。但是，现实中或多或少存在一些人们无法观测的，或者无法度量的影响股权激励的因素，导致匹配后的两组公司仍然存在差异。基于不可观测数据异质性问题的存在，需要使用

Rosenbaum边界估计方法来检验估计结果的稳健性。当存在影响股权激励实施的不可观测因素异质性时，〗根据可观测因素匹配后不同上市公司存在的差异，Rosenbaum边界估计就是通过检验稍微改变这种差异的一个比例，是否会导致估计结果发生较大的改变，本文使用stata中rbounds命令进行处理组ATT的稳健性检验。

二、数据及变量描述性统计

（一）数据来源

本文以2006-2013年所有上市公司作为初选样本，将2006年到2011年实施股权激励的上市公司作为处理组样本，并依据PSM模型中匹配维度的设定，选取一定上市公司作为控制组样本，以期研究实施股权激励的上市公司在2012年、2013年公司绩效的提升情况。本文数据来源于色诺芬经济金融数据库（CCER）、国泰安数据库（CSMAR）、锐思数据库（RESSET），数据筛选的原则是：（1）删去中途取消股权激励方案的上市公司；（2）删去金融类上市公司；（3）删去重要变量存在缺失值的样本；（4）删去ST、PT类上市公司；（5）删去发生兼并、收购行为的上市公司，因为这类公司会带来估计结果偏误，属于异常值；（6）删去资不抵债的上市公司；（7）删去2011年以后上市的公司。最后得到1 371个实施股权激励的样本、10 952个未实施股权激励的样本，其中实施股权激励的样本占据1113%。

（二）上市公司基本特征描述性统计

表1列示了影响公司股权激励实施的主要影响因素，分为处理组、控制组，样本总体分别对样本公司的个体特征进行描述，其中差异百分比（%）列示了处理组与控制组各因素的差异百分比。从表1可以看出处理组和控制组样本特征存在一定差距，特别是销售回报率（51429%）和公司控制权（-5829%）上。从销售回报率看，处理组显著高于控制组，表明实施股权激励的公司盈利能力显著高于没有实施股权激励的公司。从公司控制权看，在实施股权激励的公司中只有239%属于国有控股企业，而未实施股权激励的上市公司高达573%。从产权比率看，两组之间也存在差异，处理组只有1065，显著小于控制组的1433，这表明实施股权激励的公司通常是一些负债额度相对较低的公司。此外，在公司规模、公司股权集中度（H5指数）、高管薪酬、托宾Q值上，控制组与处理组也或多或少存在差异，这些可观测因素的显著差异从另外一个角度说明实施股权激励的公司并不是随机实验选取的样本公司。（三）上市公司绩效的描述性统计

从直接和间接层面最终选取了5项指标作为公司绩效的综合衡量，具体指标特征见表2。

1.直接指标。现有研究主要以托宾Q值、总资产收益率、净资产收益率等作为绩效衡量指标，国外的实证研究普遍采用托宾Q值。由于我国资本市场不够完善，托宾Q值并不能真实反映我国上市公司的绩效，大部分学者转而采用总资产收益率、净资产收益率来衡量。还有一些公司使用每股净收益EPS，但是EPS是绝对指标，使得不同性质的上市公司不具备可比性。本文选择了总资产收益率、净资产收益率，作为上市公司绩效直接衡量指标。

2.间接指标。股权激励提升公司绩效主要通过激励高管改善经营管理，控制公司运营成本，增加投资渠道。在成本控制方面，公司管理层控制成本主要体现在管理费用上。为了使各类公司具备可比性，可采用管理费用占营业收入的相对比值作为衡量指标。对投资支出的

衡量，本文借鉴支晓强（2007）的研究，用固定资产原价、工程物资以及在建工程三项之和的增加值表示实物资产投资水平，并采用实物资产投资占公司总资产中的相对比值表示投资支出率。

三、实证结果

（一）Logit估计结果

PSM模型进行配对的依据是除了股权激励这个因素外，要求进行配对的两家公司在各方面特征上尽量相近或相同。本文主要从公司财务、公司治理结构、以及高管薪酬方面选择配对指标，通过多次Logit回归确定一个最佳Logit模型，该模型的估计结果如表3所示。

从Logit回归结果看，公司规模系数为正，在1%的水平上显著，说明公司规模越大，实施股权激励的动机越强。公司规模的扩大增加了监管难度，实施股权激励可以使经理层目标与股东目标保持一致，从而降低代理成本（Jensen & Meckling，1976）。产权比率的系数为-0128，在1%的水平上显著。产权比率代表上市公司风险，系数为负说明公司的经营风险越大，实施股权激励的可能性越低。销售回报比的系数为正，表明上市公司盈利能力显著地提高了实施股权激励的可能性。新会计准则规定期权费用化，实施股票期权会增加公司的经营成本。对于盈利能力差的企业而言，实施股票期权可能使其出现业绩亏损，因而这类企业不愿意实施股权激励的方式。托宾Q值是市价与资产重置成本的比值，其Logit回归系数为0114，表明股票市场表现良好的上市公司倾向于实施股权激励。高管年薪的系数为0376，在1%的水平上显著，高管年薪较高的上市公司倾向于实施股权激励。H5指数代表前5名股东持股比例平方和，其系数为负，且在1%的水平上显著。高管持股使得高管与股东利益一致，从而有效减弱了二者之间的代理问题，此时公司选择股权激励的动机就会减弱（Chourou，2008）。最终控制权类型的系数为-1541，在1%的水平上显著，表明国有企业实施股权激励的倾向明显低于民营控股企业。

（二）共同支撑检验与平衡性检验

1.共同支撑检验。从匹配前的倾向得分密度函数图可以看出处理组与控制组的PS值分布存在很大差异，处理组的倾向得分大多集中在02左右，而控制组的倾向得分大多集中在005左右，如果忽略这种差异的存在，很可能导致研究结论偏误；同时，也可以看到处理组与控制组存在一定程度的重叠部分，这就具备了使用倾向得分模型的条件。经过匹配，从匹配后的密度函数分布图可以看出处理组与控制组已经基本重叠，两组PS值基本上都集中在02左右，这表明PSM模型满足共同支撑假设。

2.平衡性检验。平衡性检验是指参与匹配的公司必须在各个维度上与处理组公司相似，这样才能保证估计结果的可靠性。表4列示了平衡性假设的检验结果，处理组和控制组在匹配前的6项指标的差值在1%的水平上显著。经过最近邻匹配，所有变量的标准误差绝对值都在大幅减少，其中减少幅度最大的是产权比率，减少的幅度高达983%。在匹配完成后，处理组和控制组在6项匹配指标上都是高度不显著的，其t检验的相伴概率均远远大于10%，这表明匹配后的两组公司在各个维度上已经基本相同。另外，从图2可以直观看出经匹配后，处理组和控制组的各维度变量的绝对偏差基本落在0的这条垂线附件，这表明匹配后的两个样本在各个维度变量上已经无明显差别，通过了平衡性假设检验。

（三）匹配结果

表5是PSM模型的估计结果，从表中可以看出匹配前实施股权激励的上市公司的净资产收益率、总资产收益率远远大于控制组；匹配后，两者的差异均在缩小，其净资产收益率平均处理效应ATT系数为00095 ，总资产收益率平均处理效应ATT差别系数为00039，两者均在1%水平下显著。ATT衡量了单独由股权激励带来的公司绩效提升水平，进一步对比可以发现匹配前代理成本、投资支出率、总资产增长率也都存在一定程度的高估。经过匹配能够发现股权激励实施可在一定程度上控制公司代理成本（-00050）、增加投资支出率（00058），并提高公司的总资产增长率（00701），三者分别在10%、1%、1%水平下显著。其中，ATU 衡量了对于没有实施股权激励的上市公司来说，如果实施股权激励可以使净资产收益率提升的概率为00016、总资产收益率提升的概率为0、代理成本降低的概率为00095、投资支出率提升的概率为00045、总资产增长率提升的概率为00496，ATE衡量了实施股权激励的上市公司比没有实施股权激励的上市公司增加净资产收益率的概率为00025、增加总资产收益率的概率为00004、降低代理成本的概率为00091、增加投资支出率的概率为00046、增加总资产增长率的概率为00517。

（四）细化研究

1.控制权类型。对人力资本的薪酬激励方案，尤其是近些年来逐步被广泛采用的股权激励的研究，有利于我国企业优化人才资源利用，为近期提出的国有企业混合所有制的改革提供一个视角。从长期以来，国有企业人力资源要素来源高度行政化，造成要素资源不合理配置。2015年1月1日正式实施的《中央管理企业负责人薪酬制度改革方案》①，在高管薪酬结构中增加了“任期激励”，形成了基本年薪、绩效年薪和任期年薪三足鼎立的工资组成结构。张宗义和宋增基（2013）认为国有企业所有者缺位，使得国有上市公司实施股权激励不能显著提升公司绩效。本文通过实证研究检验该结论（估计结果见表6），在三种匹配方法下发现国有控股公司实施股权激励带来的效果明显弱于民营控股公司，具体表现在较低的净资产收益率、总资产收益率的ATT值，且除了核匹配下净资产收益率在5%水平下显著，其他都不显著；在半径匹配与核匹配方法下，虽然国有控股公司表现出较高的投资支出率ATT值，但是并不十分显著；在总资产增长率方面，三种匹配方法下的国有控股公司的ATT 均小于民营控股公司。因此，本文验证了国有上市公司实施股权激励不能显著提升公司绩效的结论。

2.公司成长性。公司成长性用净资产收益率增长率来衡量，本文把高于上市公司平均净资产收益率的增长率定义为高成长性，低于上市公司平均净资产收益率的增长率定义为低成长性，并分别采用最近邻匹配、半径匹配、核匹配方法，评估不同成长性上市公司实施股权激励对公司绩效的影响，评估结果如表7所示。

不管采用哪一种匹配方法，且不管是高成长性还是低成长性的上市公司，实施股权激励都有助于提升公司绩效。对于相同成长性的上市公司，使用不同匹配方法计算的平均处理效应ATT是有差别的，这主要是由于不同的匹配方法确定了不同的共同支撑域，从而导致匹配对存在差异。对于使用同一种方法估算的不同成长性公司的ATT也有差别，以最近邻匹配为例，高成长性的上市公司净资产收益率（0014）、总资产收益率（0008）显著高于低成长性上市公司，在微观机制的衡量指标中，高成长性上市公司更有效地控制了成本（0008>0003），但是并没有表现出较高的投资率水平（0528<1785）。这可能是因为高成长性的上市公司本身具有较高的投资水平，实施股权激励虽然不能明显增加投资水平，但却可以选择投资更加

优质的项目，因而高成长性的上市公司实施股权激励提升公司绩效的效果更明显。

四、稳健性检验

本文使用Rosenbaum边界估计方法，检验当存在不可观测因素异质性影响股权激励实施时，是否会使公司绩效的估计结果发生显著改变。当Gamma=1时，表示上市公司实施股权激励的可能性是一致的。通过改变Gamma值，即在上市公司实施股权激励的概率不同时，Rosenbaum边界估计计算出公司绩效变化的显著性水平的上下限，Hodges-Lehmann点估计的上下限，以及置信区间的上下限，如果不可观测因素异质性引起估计结果的显著改变，那么PSM模型就不适用于研究股权激励的问题。

以最近邻匹配为例，本文分别检测了不同公司绩效衡量指标的Rosenbaum边界估计结果。从表8可以看出不可观测因素异质性引起股权激励实施可能性，不管是较小变化（如变化11倍）还是较大变化（如变化2倍），对上市公司净资产收益率影响的置信区间下限或者HL点估计下限都为正，且显著性水平都小于1%，这表明异质性不会影响股权激励提升上市公司净资产的收益率。通过进一步检验半径匹配和核匹配下的Rosenbaum边界估计情况，发现结论与最近邻匹配一致。所以，不可观测因素的存在不会影响估计结果显著改变，也就是说基于可观测因素的倾向得分匹配模型适用于股权激励的研究，股权激励实施能够显著提升上市公司绩效。

五、结论

股权激励计划在我国尚且属于一种新兴的公司治理方法和激励手段，研究股权激励制度对完善我国公司治理制度，提高公司绩效具有重大意义。本文的研究结论如下：（1）实施股权激励能够提升公司绩效。（2）国有上市公司实施股权激励不能显著提升公司绩效。（3）成长性较高的上市公司实施股权激励的效果优于成长性低的上市公司。

为了促进国有企业高管薪酬合理定价机制的形成，现提出如下建议：（1）国有企业任命高管去行政化，通过建立经理人市场，利用市场机制聘任具备经营管理才能、经验丰富、高素质综合性人才；（2）国有企业实施股权激励强调的是高管与公司共担风险、共享利益的原则，只有参与市场充分竞争的国企实施股权激励才有成效，对于那些带有垄断性质的国企（如行政垄断、自然垄断或者拥有特许经营权）不适合实施股权激励；（3）混合所有制改革中，若加强管理层股权激励的实施将有利于进一步释放管理动力，提升经营效率，因而在国有企业改制时可以同步引入股权激励的薪酬激励制度；（4）设置股权激励比例的上限，防止高管过度持股，造成国有控制力的流失。

The separation of the two rights of Modern Corporation leads to the agency cost problem of corporate governance, which is the moral hazard and adverse selection in order to pursue their own interests. In order to try to make the manager's goal consistent with the target of shareholders, the listing Corporation began to explore various incentive methods. Considering the implementation of equity incentive problem of endogeneity variables exist must be in the study of equity incentive and corporate performance, this paper attempts to using the propensity score matching (PSM) method to solve the endogeneity problem of equity incentive, and use the newly listed companies empirical data on shares of listed companies incentive plan

implementation of the impact on corporate performance, is expected to provide theoretical support in the promotion of China's equity incentive.

A propensity score matching model

(1) the basic principle of propensity score matching model

The basic principle of the PSM model is in sample processing non randomly selected lead to estimation errors in the results, according to the implementation of equity incentive is characterized by (treatment group), and find out the treatment group characteristics as similar as possible to that of listed companies (control group) by comparative differences in these two types of operating performance of listed companies, a separate from the implementation of equity incentive plan has the effect of corporate governance. According to the sample of listed companies whether the implementation of equity incentive plan, Y1i said has been the implementation of equity incentive plan of operating performance of listed companies, Y0i said not the implementation of equity incentive plans of listed companies operating performance, define Y1i-Y0i for treatment effect, treatment group, the average treatment effect should be (ATT), the control group, the average treatment effect (ATC or ATU) and the average treatment effect (ATE) can be expressed as:

ATT=E[(Y1i-Y0i) |Z, treat=1]

ATC=E[(Y1i-Y0i) |Z, treat=0]

ATE=ATT*[SX (]N1[]N1+N0[SX)]+ATU*[SX (]N0[]N1+N0[SX)]

The treat=1 said treatment group and that the implementation of equity incentive plan; treat=0 said control group, is no implementation of equity incentive; Z represents all observable matching variables N1 said compared with control group, the number of samples, N0 represents the number of samples in control group. If all observable characteristics of Z for the conditional mean and in the https://www.360docs.net/doc/fe11973183.html, https://www.360docs.net/doc/fe11973183.html, control group and treatment group are equal, then the implementation of equity incentive is a random act, direct calculation Y1i-Y0i can be implemented equity incentive alone to bring about operating performance change.

In specific propensity score matching model estimation is first constructed as to whether the implementation of equity incentive plan binary variable as the dependent variable, to influence the equity incentive implementation the main characteristics of the listed companies as independent variable in the logit binary choice equation, according to the logit model computes PS value. Secondly, inspection jointly support the hypothesis, i.e., the control group and the treatment group with similar propensity score value, according to the value of PS to match. After matching need parallel hypothesis testing, i.e., the control group and the treatment group in each dimension of difference is too large, if the difference is not big to the next step, or back to the initial step, reset of Logit model. Finally, the differences between the control group and the treatment group were compared, and the statistical inference was performed.

(two) the robustness test

In the use of the PSM model matching before treatment group and the control group, there was a significant difference, through matching factor to the observed, if there is no incentive implementation of unobserved factors affecting equity, then after the match of the two groups of firms there is no difference. However, in reality, there are some people can not be observed, or can not measure the impact of equity incentive factors, resulting in the matching of the two groups still exist differences. Based on the existence of the non observability data heterogeneity problem, it is needed to use the Rosenbaum boundary estimation method to test the robustness

of the estimation results. When the existing impact of the implementation of equity incentive factor to the observed heterogeneity not, "according to the difference of the observation element to match https://www.360docs.net/doc/fe11973183.html, https://www.360docs.net/doc/fe11973183.html, https://www.360docs.net/doc/fe11973183.html, different listed companies, Rosenbaum boundary estimation is through inspection change slightly as a proportion of this difference, will lead to the estimation result change is large, this paper use Stata rbounds command group att robustness test.

Two, data and descriptive statistics of variables

(1) data sources

The 2006-2013 all listed companies as the primary sample, 2006 to 2011 implementation of equity incentive of listed companies as samples, and according to the PSM model matching dimension setting, select some listed companies as the control sample, with a view to study the implementation of equity incentive of Listed Companies in 2012 and 2013 corporate performance improvement. The sources of data in Xenophon's economic and financial database (CCER) and CSMAR database (CSMAR), sharp thinking (resset) database, data filtering principle is: (1) deletion midway cancel equity incentive plans of listed companies; (2) by deleting the financial category of listed companies; (3) delete important variables are missing values of samples; (4) delete st and Pt category listed companies; (5) delete occurrence of mergers and acquisitions of listed companies, because the company will bring the estimated results bias, belonging to the abnormal value; (6) delete insolvent companies; (7) deleted after 2011 listed company. Finally get 1371 samples of the implementation of equity incentive, the 10952 did not implement equity incentives, including the implementation of equity incentive sample accounted for 1113%.

(two) descriptive statistics on the basic characteristics of listing Corporation

Table 1 shows the main factors that affect the implementation of the company's equity incentive, divided into treatment group and control group.