高管团队特征与企业绩效的相关性研究:基于企业生命周期视角
范亚东、隋馨
摘要:本文基于企业生命周期视角,以2013~2016年我国高新技术上市公司数据为样本,运用回归分析的方法,探讨高管团队特征与企业绩效的相关性。研究结果表明,在企业生命周期的不同阶段,高管团队特征与企业绩效的相关关系存在差异。在企业的成长期,高管团队的平均任期、任期异质性、年龄异质性以及职业背景异质性与企业绩效显著负相关,高管团队的性别异质性能够显著提高企业绩效;在企业的成熟期,高管团队的平均任期、任期异质性、年龄异质性与企业绩效显著负相关,高管团队的性别异质性能够显著提高企业绩效;在企业的衰退期,高管团队的任期异质性与企业绩效显著负相关,高管团队的平均任期、年龄异质性和性别异质性能够显著提高企业绩效。
关键词:
企业生命周期;高管团队特征;企业绩效;
A Study on the Correlation Between TMT Characteristics and Corporate Performance: Based on the Enterprise Life Cycle Perspective
Fan Yadong Sui Xin
Abstract:
Based on the theory of enterprise life cycle, this paper takes the data of Chinese high-tech listed companies during 2013 and 2016 as samples, and uses the method of regression analysis to explore the correlation between the characteristics of top management team (TMT) and enterprise performance.The results show that different correlations exist in different stages of enterprise life cycle.In the growth period, the average term, the term heterogeneity, the age heterogeneity and the professional background heterogeneity of TMT are significantly negatively correlated with enterprise performance, and the gender heterogeneity of TMT could significantly improve enterprise performance;in the maturity period, the average term, the term heterogeneity and the age heterogeneity of TMT are significantly negatively correlated with enterprise performance, and the gender heterogeneity of TMT can still significantly improve enterprise performance;in the recession period, the term heterogeneity of TMT issignificantly negatively correlated with enterprise performance, and the average term, the age heterogeneity and the gender heterogeneity of TMT are conducive to the improvement of enterprise performance.
Keyword:
enterprise life cycle; TMT characteristics; enterprise performance;
公司治理问题长期以来受到国内外学者广泛关注,研究重点在于如何达到并保持良好的企业绩效。而高管团队承担着企业战略制定及决策的职责,肩负着企业发展的使命,对企业绩效而言至关重要。围绕高管团队特征与企业绩效的关系,国内外已有不少研究,但研究结论并不一致,甚至相互抵牾。造成这种情况的原因之一,就是作为研究客体的企业是处于不同的发展阶段的,因而其面临及需要解决的主要问题也是不同的,高管团队特征对企业绩效的影响必然会存在差异。鉴于此,本文将企业生命周期理论引入到这一研究中,探讨在企业生命周期的不同阶段,高管团队特征与企业绩效之间的相关性。
一、文献回顾及理论假设
与企业生命周期相关的理论很多,其对企业生命周期阶段的划分方式也有所不同。Greiner的五阶段划分法是比较典型的划分方式之一,即将企业生命周期划分为孕育、少年、壮年、衰老、死亡五个阶段。1Adizes则将企业生命周期进一步划分为孕育、婴儿、学步、青春、壮年、稳定、贵族、后贵族、官僚、死亡十个阶段。2国内大部分研究将企业生命周期划分为初创期、成长期、成熟期及衰退期四个阶段。3
Hambrick和Mason在1984年提出的高层梯队理论打开了高管团队特征与企业绩效之间关系的“黑匣子”,该理论认为高管团队成员的年龄、任期、受教育程度等特征会对企业战略和企业绩效产生影响。4 在现代企业中,高管人员是企业运营的核心人物,由高管人员组成的分工明确、规则清晰的团队即高管团队,而高管团队作为难以模仿的高价值性人力资本,对企业的发展壮大以及保持持续竞争力有着举足轻重的作用。5
本文选取的高管团队成员包括董事会成员、正副总经理以及参与企业战略层面决策的其他高层管理者。企业在不同的生命周期阶段具有不同的特征,面对的主要风险以及需要完成的主要任务均会发生变化,而不同特征的高管团队做出的战略决策,在企业生命周期的不同阶段对企业绩效产生的影响也必然不同。本文从动态的视角出发,探讨高管团队特征在企业生命周期的不同阶段对企业绩效产生的影响。关于企业生命周期的划分,本文主要借鉴四阶段法,即初创期、成长期、成熟期以及衰退期,但考虑到本文样本为高新技术上市企业,而我国企业上市的条件包括开业时间在三年以上且最近三年持续盈利,因此可以认为这些企业已经步入了成长阶段。故下文将集中探讨在企业成长期、成熟期以及衰退期高管团队特征与企业绩效的相关性。
(一) 高管团队同质性特征与企业绩效的关系
1.平均年龄
一般而言,年龄不同,处事方式、面对风险的态度以及创新思维等都会不同,所以高管人员的年龄在很大程度上影响其战略制定及经营管理决策。高管团队成员的平均年龄越大,其经营管理经验越丰富,对人对事会更加温和,同时也会表现得相对保守,不愿意创新和冒险改变现有的经营模式。6在企业的成长期,市场还没有完全开发,风险与机遇并存,此时年龄较小的高管人员可以充分发挥其创新能力与开拓精神,抓住市场机遇,迅速推出新产品并积极开拓市场。企业进入成熟期后,已稳定占有了一定的市场,产品和服务也已得到消费者的认可,此时在保持现有市场份额的前提下,需要努力开发产品或服务的新特征来保持消费者的注意力,但在这一阶段,高管人员年龄越大,越不愿意进行组织变革与研发创新,从而影响企业长远发展。在企业的衰退期,由于消费需求的变化,市场竞争加剧,此时企业产品创新投入减少,应更多地采取保卫防守战略,延缓或避免企业走向破产,此时,相较于年轻的高管人员,年龄大的高管人员成熟稳重、经验丰富,不容易冲动做事,能够凭借自身的阅历和经验,获得关键资源, 7做出更加稳健的判断。8根据以上分析,提出如下假设:
H1a:在企业的成长期和成熟期,高管团队的平均年龄与企业绩效负相关;在企业的衰退期,高管团队的平均年龄与企业绩效正相关。
2.平均任期
高管团队成员的平均任期越长,对企业的内部环境(包括资本、企业文化等)的认识就越全面,这有利于提高团队成员之间的默契程度及决策适应度,但任期时间长的高管人员倾向于固有模式,不愿意变化创新,且容易产生“功臣心理”,出现刚愎自负、不听取他人建议的情况,不利于企业的发展壮大。处于成长期的企业要保持持续的成长性,就应当完善管理模式,积极创新产品或服务以满足消费者需求,而任期长的高管团队,其发散思维和创新能力降低,难以实现新产品的高效开发及运作。企业步入成熟期后,虽然内部环境逐渐趋于稳定,但外部局势仍然复杂,企业间的商业竞争愈发激烈,任期长的高管团队思维懒惰、行事保守,在激烈的商战中没有优势,不利于企业持续发展。处于衰退期的企业发展缓慢,抗风险能力减弱,难以应对环境变化带来的挑战,任何一个错误的决策都有可能使企业走向死亡, 9面对这种挑战,任期长的高管团队可通过其对企业深厚的认识、自身积累的经验以及团队成员间的默契程度,有效地应对,帮助企业解决困难,促进企业更加稳健发展。根据以上分析,提出如下假设:
H1b:在企业的成长期和成熟期,高管团队的平均任期与企业绩效负相关;在企业的衰退期,高管团队的平均任期与企业绩效正相关。
3.平均受教育水平
根据信号传递理论,虽然学历不能成为能力认定的唯一标准,但不可否认的是,它在一定程度上是能力的象征。一方面,平均受教育水平高的高管团队,自身接受到的知识比较丰富,理论更加充实,因此在工作中,知识与经验相结合,理论与实务相碰撞,能够达到事半功倍的效果,管理效率更高;另一方面,平均受教育水平高的高管团队,思维更加开阔与缜密,看问题的角度比较全面,无形中具备了一种良好的战略眼光,且其社会关联能够拓宽获取信息的渠道。因此,这一特征在企业生命周期的各个阶段均对企业绩效的提高具有正向影响。现有研究也表明,高管团队的平均受教育水平越高,其专业知识和学习能力越强,越能获得有效信息,更好地观察市场动向, 10从而越有可能制定出对公司发展有利的战略, 11进而提升企业绩效。根据以上分析,提出如下假设:
H1c:在企业生命周期的各个阶段,高管团队的平均受教育水平均与企业绩效正相关。
(二) 高管团队异质性特征与企业绩效的关系
1.年龄异质性
年龄异质性指的是高管团队成员在年龄上的差异。处于同一年龄段的高管人员,其经历、价值观和信仰可能相似,同样,他们对企业的看法以及对一些问题的判断也可能较为相似。已有研究发现,年龄异质性高的高管团队成员之间的认知存在显著差异,这种差异体现在战略的选择和制定上,年龄异质性越高,团队成员沟通越困难, 12更易产生主动离职意向,从而破坏高管团队的和谐,进而影响企业绩效的提升。在企业的成长期和成熟期,如果高管团队的年龄异质性过高,将无法满足企业通过团队沟通合作共同努力开发产品或服务的新特征以吸引消费者的持续注意力的需要。处于衰退期的企业,其发展方向已然确定,但发展势头大不如从前,抵抗风险的能力差,在这一阶段,年龄异质性高的高管团队认识和处理问题的视角比较全面,有利于及时为企业做出合理的决策,保证企业正常运营。13根据以上分析,提出如下假设:
H2a:在企业的成长期和成熟期,高管团队的年龄异质性与企业绩效负相关;在企业的衰退期,高管团队的年龄异质性与企业绩效正相关。
2.任期异质性
任期异质性指的是高管团队成员之间担任某职位时间长短之间的差异。高管团队成员的任期不同,则对企业环境、企业文化的了解程度不同,对企业发展过程中出现的主要问题的参与度也不同。任期异质性低的高管团队更加稳定,团队成员之间的熟悉度和认可度较高,这有利于团队的交流与沟通,有利于制定一致的企业战略。反之,任期异质性高意味着企业很可能在一定时期内处于一种不稳定的状态,高管团队成员之间的任期异质性越高,其参与企业发展过程中重大事项的程度就越不同,这就使得团队成员之间缺乏足够的沟通与信任,易引发团队成员的自我防卫意识与行为,以自身利益为重而不顾全大局,从而降低团队凝聚力,造成团队内部运作效率和企业运营绩效低下。14同时,高管团队的任期异质性会引发成员之间在认知能力、价值观、态度表现等隐性异质性方面的冲突,并在企业生命周期的各个阶段频繁碰撞,从而不利于企业绩效的提升。15根据以上分析,提出如下假设:
H2b:在企业生命周期的各个阶段,高管团队的任期异质性均与企业绩效负相关。
3.受教育水平异质性
受教育水平异质性指的是高管团队成员学历高低之间的差异。高管团队成员间受教育水平的不同,有利于高管团队站在不同的视角对问题做出评价,提供多元化的信息,并做出多样化的管理决策。16在企业生命周期各个阶段的经营管理中,随着环境的变化,其战略目标与决策必然发生改变,受教育水平异质性高的高管团队,能够根据不同的内外部环境及时调整策略,维持业务平稳高效运行,保证企业持续发展。根据以上分析,提出如下假设:
H2c:在企业生命周期的各个阶段,高管团队的受教育水平异质性均与企业绩效正相关。
4.性别异质性
性别异质性是指高管团队中不同性别成员的配置情况。异性效应证实,不同性别之间在交流的过程中会产生相互的好感,并伴随着难以言喻的吸引力。由于异性效应的存在,每个人都渴望得到异性的认可和青睐,因此异性之间的相互激励会成为个体发展的动力和“催化剂”。17在工作中,男女协同配合同样有助于调动劳动积极性并提高劳动效率,帮助企业做出高质量的决策,执行也会更加顺畅和到位。18在企业生命周期的各个阶段,这种异质性均可以营造和谐的工作氛围,扩大合作优势,增强企业的实力和竞争力,提升企业绩效。根据以上分析,提出如下假设:
H2d:在企业生命周期的各个阶段,高管团队的性别异质性均与企业绩效正相关。
5.职业背景异质性
职业背景异质性是指高管团队成员在担任企业管理者之前所从事的职能类别之间的差异。学者们通常将职能类别分为生产性职能和输出性职能,即关于销售的职能和生产以及财务的职能。19高管团队成员的职业背景不同,其经历与经验必然不同,而这又影响着他们的思维方式与做事态度,故职业背景不同的高管成员面对相同的问题,其处理方法不尽相同,会选择不同的决策类型和解决方式。位于成长期的企业缺乏完善的沟通体系和协调制度,此时,高管团队成员的职业背景异质性越高,越不利于沟通协作的顺利进行,从而损及组织绩效和创新绩效, 20产生不必要的额外成本且难以形成团队凝聚力和向心力,进而不利于提升企业绩效。而企业在成熟期和衰退期,已经形成了相对完善的工作机制或约定俗成的业务流程,此时,因高管团队成员的职业背景差异产生的协调困难对企业的绩效影响不大。根据以上分析,提出如下假设:
H2e:在企业的成长期,高管团队的职业背景异质性与企业绩效负相关;在企业的成熟期和衰退期,高管团队的职业背景异质性与企业绩效无显著相关性。
二、研究方法
(一) 样本确定与数据来源
考虑到高新技术企业的生命周期阶段划分更为明显,本文选取2013~2016年我国高新技术上市公司为研究样本,包括电子信息技术、生物与新医药技术、航空航天技术、新材料技术、高科技服务业、新能源及节能技术、资源与环境技术、高新技术改造传统企业等行业。为保证研究数据的合理性,在研究区间内,剔除ST和*ST的公司、数据缺失的公司以及有异常财务状况的公司,最终得到5539个数据。变量数据来源于国泰安数据库。
(二) 模型设计与变量描述
为分析高管团队在企业生命周期不同阶段对企业绩效的影响,结合其他学者的研究成果,构建如下回归方程。
模型1:高管团队同质性特征对企业绩效的影响模型。
ROE=β0+β1Mage+β2Mtime+β3Medu+β4State+β5Size+β6Lev+β7Salary+ε
其中, ROE为被解释变量企业绩效的替代变量,即净资产收益率。国内外学者对企业绩效的衡量指标各有不同,包括净资产收益率、总资产收益率、托宾Q值等。高新技术企业与传统的工业企业有所不同,除了其研发投资水平较高、科研能力较强以外,也面对着较大的投资风险,而且我国目前的高新技术企业处于不成熟阶段的较多,经营风险较大,所以以净资产收益率对其业绩评价更为合理。Mage表示高管团队的平均年龄,即高管团队成员年龄的平均数。Mtime表示高管团队的平均任期,即高管团队成员任期时间的平均数。Medu表示高管团队的平均受教育水平,先将不同的学历背景赋予不同的取值, 1=大专以下, 2=大专, 3=本科, 4=硕士, 5=博士,再取其平均值进行测量。除上述作为自变量的诸多因素外,还有一些变量亦可对企业绩效产生影响,因此本文在借鉴国内外学者研究的基础上,选择如下变量作为研究高管团队特征与企业绩效相关关系的控制变量:State表示行业性质,采用虚拟变量0=国有控股企业, 1=非国有控股企业;Size表示企业规模的大小,用企业年报中披露的年末资产总数的自然对数测量;Lev表示企业资产负债率;Salary表示高管薪酬,取高管团队薪酬总额的自然对数;β0为常数项, β1-7为估计参数, ε为随机误差项。
模型2:高管团队异质性特征对企业绩效的影响模型。
ROE=β0+β1Dage+β2Dtime+β3Dedu+β4Dsex+β5Djob+β6State+β7Size+β8Lev
+β9Salary+ε
其中, ROE、State、Size、Lev、Salary、β0、β1-9和ε的含义同上;Dage表示高管团队的年龄异质性,用高管团队成员年龄的标准差系数测量;Dtime表示高管团队的任期异质性,用高管团队成员任职时间的标准差系数测量;Dedu表示高管团队的受教育水平异质性,即高管团队成员学历水平的H指数, H=1-∑ni=1i=1nP2ii2,其中Pi指团队中第i类成员的百分比;Dsex表示高管团队的性别异质性,用高管团队性别的标准差系数测量;Djob表示高管团队的职业背景异质性,用高管团队职业背景赋值后的H指数进行测量, H指数的具体测算方法同上。
在此基础上,本文选取企业生命周期作为分组变量,主要借鉴Dickinson的研究, 21对企业生命周期阶段的划分进行整理。Dickinson依据企业经营、投资以及筹资活动的现金净流量符号把企业生命周期划分为初创期、成长期、成熟期、动荡期和衰退期五个阶段。在初创期,企业经营活动并未正式进行,投资活动相对较少但是需要进行较多的筹资活动以满足资金需要,所以处于这一阶段的企业经营现金净流量为负,投资现金净流量为负,筹资现金净流量为正;在成长期,企业开始正式经营,但生产建设初期的投资活动仍然较少,为了发展壮大企业,此阶段仍需要大量筹集资金,所以处于这一阶段的企业经营现金净流量为正,投资现金净流量为负,筹资现金净流量为正;成熟期的企业经营活动已经处于稳定阶段,拥有较大的市场份额,内部资源较为充足,此时企业的经营现金净流量为正,投资和筹资现金净流量为负;衰退期的企业经营水平下降,内部资源减少,需要进行投资活动以维持运营,故其经营现金净流量为负,投资现金净流量为正,但其筹资活动由企业外部投资者决定,所以筹资现金净流量可能为正也可能为负;剩余现金净流量组合情况为企业的动荡期。本文选取的研究样本为高新技术上市公司,如前所述,我国企业上市的条件包括开业时间在三年以上且最近三年持续盈利,因此可以认为这些企业已步入了成长阶段,基于此将初创期与成长期进行合并,统称为成长期,并将动荡期归类到成熟期和衰退期中(将位于动荡期前期偏向成熟期的样本归于成熟期,将位于动荡期后期偏向衰退期的样本归于衰退期)。最终得到本文划定的企业生命周期阶段的现金流量特征,如表1所示:
表1企业生命周期不同阶段的现金净流量特征 导出到EXCEL
指标名称 |
成长期 |
成熟期 |
衰退期 |
初创期 |
成长期 |
成熟期 |
动荡期 |
动荡期 |
动荡期 |
衰退期 |
衰退期 |
经营现金净流量 |
- |
+ |
+ |
- |
+ |
+ |
- |
- |
投资现金净流量 |
- |
- |
- |
- |
+ |
+ |
+ |
+ |
筹资现金净流量 |
+ |
+ |
- |
- |
+ |
- |
+ |
- |
窗体顶端
窗体底端
将符合条件的5539个样本数据根据上述企业生命周期各阶段的现金流量特征进行划分,结果如表2所示,处于成长期、成熟期、衰退期阶段的企业分别占总样本的53.44%、32.91%和13.65%,结合我国高新技术企业发展的实际情况,与其正在不断发展的趋势基本保持一致,说明用现金流量组合方法对高新技术企业进行企业生命周期阶段的划分具有较好的适用性。
表2根据企业生命周期各阶段划分样本结果 导出到EXCEL
生命周期阶段 |
符合条件数/总样本数 |
占比 (%) |
成长期 |
2960/5539 |
53.44 |
成熟期 |
1823/5539 |
32.91 |
衰退期 |
756/5539 |
13.65 |
窗体顶端
窗体底端
三、实证分析
(一) 变量的描述性统计分析
本文选取的各个主要变量在全样本以及企业生命周期不同阶段的描述性统计特征如表3所示。在全样本中,从同质性特征的角度来看,高管团队的平均年龄的均值为48.627,说明高新技术企业偏好具有一定经验的中年管理者;高管团队的平均任期的最小值为0.859,最大值为7.513,可见高新技术企业高管团队的稳定性不高;高管团队的平均受教育水平的最小值为2.167,最大值为4.222,均值为3.306,说明高新技术企业高管团队的学历普遍较高。从异质性特征的角度来看,高管团队的任期异质性、受教育水平异质性以及职业背景异质性较大,年龄异质性与性别异质性相对较小。企业生命周期不同阶段主要变量的最大值、最小值、均值、中位数、标准差等并未与全样本表现出明显差异。
表3主要变量的描述性统计 导出到EXCEL
|
|
Mage |
Mtime |
Medu |
Dage |
Dtime |
Dedu |
Dsex |
Djob |
全样本 |
最小值 |
41.643 |
0.859 |
2.167 |
0.086 |
0.000 |
0.000 |
0.000 |
0.000 |
最大值 |
55.789 |
7.513 |
4.222 |
0.274 |
1.170 |
0.778 |
0.367 |
0.777 |
均值 |
48.627 |
3.875 |
3.306 |
0.170 |
0.590 |
0.604 |
0.304 |
0.571 |
中位数 |
48.684 |
3.852 |
3.333 |
0.169 |
0.603 |
0.639 |
0.329 |
0.611 |
标准差 |
3.039 |
1.350 |
0.434 |
0.041 |
0.239 |
0.141 |
0.079 |
0.156 |
成长期 |
最小值 |
41.643 |
0.859 |
2.167 |
0.086 |
0.000 |
0.000 |
0.000 |
0.000 |
最大值 |
55.789 |
7.513 |
4.222 |
0.274 |
1.170 |
0.778 |
0.367 |
0.777 |
均值 |
48.355 |
3.722 |
3.320 |
0.171 |
0.574 |
0.610 |
0.304 |
0.570 |
中位数 |
48.438 |
3.747 |
3.350 |
0.170 |
0.589 |
0.640 |
0.329 |
0.611 |
标准差 |
3.049 |
1.394 |
0.423 |
0.041 |
0.247 |
0.133 |
0.078 |
0.159 |
成熟期 |
最小值 |
41.643 |
0.859 |
2.167 |
0.086 |
0.000 |
0.000 |
0.000 |
0.000 |
最大值 |
55.789 |
7.513 |
4.222 |
0.274 |
1.170 |
0.778 |
0.367 |
0.777 |
均值 |
48.977 |
4.090 |
3.272 |
0.169 |
0.597 |
0.604 |
0.302 |
0.576 |
中位数 |
49.000 |
4.039 |
3.294 |
0.167 |
0.611 |
0.640 |
0.329 |
0.611 |
标准差 |
2.983 |
1.280 |
0.448 |
0.041 |
0.226 |
0.144 |
0.081 |
0.146 |
衰退期 |
最小值 |
41.643 |
0.859 |
2.167 |
0.086 |
0.000 |
0.000 |
0.000 |
0.000 |
最大值 |
55.789 |
7.513 |
4.222 |
0.274 |
1.170 |
0.778 |
0.367 |
0.777 |
均值 |
48.847 |
3.959 |
3.331 |
0.170 |
0.637 |
0.584 |
0.306 |
0.564 |
中位数 |
48.918 |
3.855 |
3.377 |
0.168 |
0.639 |
0.625 |
0.334 |
0.611 |
标准差 |
3.036 |
1.261 |
0.443 |
0.042 |
0.231 |
0.159 |
0.078 |
0.165 |
窗体顶端
窗体底端
(二) 高管团队同质性特征与企业绩效
为了检验模型1中各变量之间的相关关系,运用STATA软件对各变量进行Pearson相关性检验分析,检验结果如表4所示。可见,各变量之间的相关系数均小于0.5,说明各变量之间不存在严重的多重共线性问题。
表4模型1中各变量之间的Pearson相关性检验 导出到EXCEL
|
Mage |
Mtime |
Medu |
State |
Size |
Lev |
Salary |
Mage |
1 |
|
|
|
|
|
|
Mtime |
0.326*** |
1 |
|
|
|
|
|
Medu |
0.011 |
-0.018 |
1 |
|
|
|
|
State |
0.342*** |
0.131*** |
0.224*** |
1 |
|
|
|
Size |
0.251*** |
0.265*** |
0.179*** |
0.359*** |
1 |
|
|
Lev |
0.108*** |
0.092*** |
0.073*** |
0.306*** |
0.464*** |
1 |
|
Salary |
0.119*** |
0.083*** |
0.249*** |
0.160*** |
0.400*** |
0.187*** |
1 |
窗体顶端
窗体底端
注:***表示在1%的显著性水平下显著。
运用STATA软件对模型1中的各个变量分别在全样本和企业生命周期不同阶段进行多元回归分析,回归结果如表5所示。从回归结果中可以看到,在企业的成长期和成熟期,高管团队的平均任期与企业绩效显著负相关,而在企业衰退期则恰好相反,高管团队的平均任期与企业绩效显著正相关,假设H1b得到证实。在全样本及企业生命周期的不同阶段,高管团队的平均年龄和平均受教育水平与企业绩效均无显著相关性,假设H1a和假设H1c未得到证实,这可能是由于在高新技术企业中,高管团队的平均年龄越大,管理经验越丰富,但同时也表现得更保守,更不愿意冒险改变战略,这种两面性的影响使其对各个时期的企业绩效作用不明显;另外,基于受教育水平的人力资本价值的形成是一个动态的复杂过程,需要跨度较大的一个阶段的沉淀才能显现出来,这一结果也体现了在一定程度上困扰我国的“学历浮夸”现象。
表5模型1的回归结果 导出到EXCEL
|
全样本 |
成长期 |
成熟期 |
衰退期 |
|
0.006 |
-0.019 |
0.009 |
0.027 |
Mage |
(0.172) |
(-0.381) |
(0.138) |
(0.250) |
|
-0.643*** |
-0.914*** |
-0.320*** |
0.112** |
Mtime |
(-7.941) |
(-8.629) |
(-2.157) |
(0.473) |
|
-0.223 |
0.245 |
-0.474 |
-0.557 |
Medu |
(-0.910) |
(0.737) |
(-1.122) |
(-0.821) |
|
-2.280*** |
-2.383*** |
-2.607*** |
-1.292* |
State |
(-8.161) |
(-6.153) |
(-5.391) |
(-1.717) |
|
0.483*** |
0.380** |
0.558** |
0.958** |
Size |
(3.458) |
(2.056) |
(2.234) |
(2.412) |
|
-5.551*** |
-5.565*** |
-6.711*** |
-2.436 |
Lev |
(-8.290) |
(-6.076) |
(-5.678) |
(-1.319) |
窗体顶端
窗体底端
续表
导出到EXCEL
|
全样本 |
成长期 |
成熟期 |
衰退期 |
|
3.439*** |
2.786*** |
4.093*** |
3.519*** |
Salary |
(18.335) |
(11.261) |
(12.231) |
(6.568) |
|
-50.010*** |
-36.886*** |
-61.319*** |
-66.580*** |
_cons |
(-15.257) |
(-8.268) |
(-10.872) |
(-7.374) |
N |
5539 |
2960 |
1823 |
756 |
R2 |
0.112 |
0.109 |
0.140 |
0.108 |
Adj.R2 |
0.111 |
0.107 |
0.136 |
0.098 |
F |
87.552*** |
45.338*** |
36.914*** |
11.274*** |
窗体顶端
窗体底端
注:*、**、***分别表示在10%、5%、1%的显著性水平下显著,括号内数值为t统计量。
(三) 高管团队异质性特征与企业绩效
为了检验模型2中各变量之间的相关关系,运用STATA软件对各变量进行Pearson相关性检验分析,检验结果如表6所示。可见,各变量之间的相关系数均小于0.5,说明各变量之间不存在严重的多重共线性问题。
表6模型2中各变量之间的Pearson相关性检验 导出到EXCEL
|
Dage |
Dtime |
Dedu |
Dsex |
Djob |
State |
Size |
Lev |
Salary |
Dage |
1 |
|
|
|
|
|
|
|
|
Dtime |
-0.089*** |
1 |
|
|
|
|
|
|
|
Dedu |
0.137*** |
-0.141*** |
1 |
|
|
|
|
|
|
Dsex |
0.144*** |
-0.006 |
0.021 |
1 |
|
|
|
|
|
Djob |
-0.015 |
0.117*** |
0.136*** |
0.019 |
1 |
|
|
|
|
State |
-0.374*** |
0.226*** |
-0.279*** |
-0.149*** |
0.036*** |
1 |
|
|
|
Size |
-0.247*** |
0.338*** |
-0.174*** |
-0.140*** |
0.073*** |
0.359*** |
1 |
|
|
Lev |
-0.166*** |
0.231*** |
-0.137*** |
-0.120*** |
0.030** |
0.306*** |
0.464*** |
1 |
|
Salary |
-0.158*** |
0.176*** |
-0.069*** |
-0.045*** |
0.028** |
0.160*** |
0.400*** |
0.187*** |
1 |
窗体顶端
窗体底端
注:**、***分别表示在5%、1%的显著性水平下显著。
运用STATA软件对模型2中的各个变量分别在全样本和企业生命周期不同阶段进行多元回归分析,回归结果如表7所示。从回归结果中可以看到,高管团队的年龄异质性在企业的成长期与成熟期与企业绩效显著负相关,在企业的衰退期与企业绩效显著正相关,假设H2a得到证实;高管团队的任期异质性在全样本以及企业生命周期不同阶段与企业绩效显著负相关,假设H2b得到证实;高管团队的性别异质性在全样本以及企业生命周期不同阶段与企业绩效显著正相关,假设H2d得到证实;高管团队的职业背景异质性在企业的成长期与企业绩效显著负相关,在企业的成熟期和衰退期与企业绩效无显著相关性,假设H2e得到证实;但高管团队的受教育水平异质性在全样本以及企业生命周期不同阶段与企业绩效均未表现出显著的相关关系,假设H2c未得到证实,这可能是由于高管团队存在受教育水平异质性虽然能够帮助企业对问题作出更加全面的评价,但由于战略眼光不同,在制定和落实决策时容易产生矛盾和分析,不能为企业带来利润,对企业绩效的影响不明显。
表7模型2的回归结果 导出到EXCEL
|
全样本 |
成长期 |
成熟期 |
衰退期 |
|
-8.914*** |
-6.344** |
-11.421** |
9.665** |
Dage |
(-3.361) |
(-1.827) |
(-2.410) |
(1.249) ** |
|
-6.271*** |
-6.243*** |
-6.386*** |
-4.220*** |
Dtime |
(-13.930) |
(-10.630) |
(-7.685) |
(-3.219) |
|
0.684 |
0.765 |
-0.804 |
2.261 |
Dedu |
(0.910) |
(0.725) |
(-0.614) |
(1.224) |
|
6.790*** |
4.613*** |
7.815*** |
12.402*** |
Dsex |
(5.282) |
(2.658) |
(3.554) |
(3.375) |
|
-1.054 |
-1.731** |
-1.666 |
1.919 |
Djob |
(-1.613) |
(-2.034) |
(-1.362) |
(1.099) |
|
-2.239*** |
-2.278*** |
-2.787*** |
-1.339* |
State |
(-7.985) |
(-5.855) |
(-5.707) |
(-1.786) |
|
0.562*** |
0.367** |
0.675*** |
1.094*** |
Size |
(4.109) |
(2.022) |
(2.758) |
(2.820) |
|
-4.679*** |
-4.889*** |
-5.813*** |
-1.757 |
Lev |
(-7.124) |
(-5.391) |
(-5.023) |
(-0.961) |
|
3.480*** |
2.967*** |
4.061*** |
3.462*** |
Salary |
(19.141) |
(12.352) |
(12.539) |
(6.618) |
|
-51.473*** |
-38.774*** |
-60.297*** |
-70.790*** |
_cons |
(-16.886) |
(-9.336) |
(-11.395) |
(-8.338) |
N |
5539 |
2960 |
1823 |
756 |
R2 |
0.135 |
0.120 |
0.169 |
0.132 |
Adj.R2 |
0.134 |
0.118 |
0.165 |
0.121 |
F |
96.140*** |
44.892*** |
41.105*** |
12.566*** |
窗体顶端
窗体底端
注:*、**、***分别表示在10%、5%、1%的显著性水平下显著,括号内数值为t统计量。
(四) 稳健性检验
为检验结论的真实可靠性,本文将衡量企业绩效的净资产收益率变量替换为总资产收益率对两个模型重新进行回归,回归分析结果与上文基本一致,如表8和表9所示,这说明本文所得结论比较真实可靠。
表8模型1的稳健性检验 导出到EXCEL
|
全样本 |
成长期 |
成熟期 |
衰退期 |
|
0.026 |
-0.003 |
0.019 |
0.100 |
Mage |
(1.139) |
(-0.121) |
(0.452) |
(1.556) |
|
-0.397*** |
-0.550*** |
-0.217** |
0.067** |
Mtime |
(-8.221) |
(-8.976) |
(-2.368) |
(0.476) |
|
-0.082 |
0.142 |
-0.117 |
-0.236 |
Medu |
(-0.563) |
(0.736) |
(-0.447) |
(-0.585) |
|
-1.204*** |
-1.228*** |
-1.425*** |
-0.674 |
State |
(-7.226) |
(-5.486) |
(-4.773) |
(-1.508) |
|
0.265*** |
0.162 |
0.394** |
0.540** |
Size |
(3.179) |
(1.514) |
(2.560) |
(2.287) |
|
-10.431*** |
-10.293*** |
-11.774*** |
-7.758*** |
Lev |
(-26.109) |
(-19.440) |
(-16.145) |
(-7.069) |
|
1.983*** |
1.626*** |
2.271*** |
1.999*** |
Salary |
(17.721) |
(11.370) |
(10.997) |
(6.277) |
窗体顶端
窗体底端
续表
导出到EXCEL
|
全样本 |
成长期 |
成熟期 |
衰退期 |
|
-26.609*** |
-17.554*** |
-33.332*** |
-39.541*** |
_cons |
(-13.606) |
(-6.807) |
(-9.577) |
(-7.371) |
N |
5539 |
2960 |
1823 |
756 |
R2 |
0.213 |
0.229 |
0.242 |
0.150 |
Adj.R2 |
0.212 |
0.227 |
0.239 |
0.141 |
F |
187.367*** |
109.805*** |
72.406*** |
16.507*** |
窗体顶端
窗体底端
注:**、***分别表示在5%、1%的显著性水平下显著,括号内数值为t统计量。
表9模型2的稳健性检验 导出到EXCEL
|
全样本 |
成长期 |
成熟期 |
衰退期 |
|
-5.590*** |
-3.501* |
-7.710*** |
6.219** |
Dage |
(-3.538) |
(-1.745) |
(-2.640) |
(1.351) |
|
-3.929*** |
-3.753*** |
-4.204*** |
-2.631*** |
Dtime |
(-14.652) |
(-11.060) |
(-8.208) |
(-3.374) |
|
0.815* |
0.667 |
0.103 |
1.780 |
Dedu |
(1.821) |
(1.095) |
(0.128) |
(1.620) |
|
4.558*** |
3.221*** |
5.693*** |
6.795*** |
Dsex |
(5.952) |
(3.212) |
(4.201) |
(3.108) |
|
-0.634 |
-0.980** |
-0.889 |
0.550 |
Djob |
(-1.630) |
(-1.993) |
(-1.180) |
(0.529) |
|
-1.101*** |
-1.128*** |
-1.451*** |
-0.492 |
State |
(-6.593) |
(-5.017) |
(-4.822) |
(-1.103) |
|
0.330*** |
0.158 |
0.480*** |
0.666*** |
Size |
(4.052) |
(1.509) |
(3.182) |
(2.886) |
|
-9.929*** |
-9.898*** |
-11.208*** |
-7.332*** |
Lev |
(-25.379) |
(-18.886) |
(-15.714) |
(-6.739) |
|
2.010*** |
1.731*** |
2.272*** |
1.988*** |
Salary |
(18.564) |
(12.473) |
(11.381) |
(6.389) |
|
-26.866*** |
-18.632*** |
-32.416*** |
-38.537*** |
_cons |
(-14.797) |
(-7.764) |
(-9.940) |
(-7.630) |
N |
5539 |
2960 |
1823 |
756 |
R2 |
0.236 |
0.239 |
0.270 |
0.171 |
Adj.R2 |
0.235 |
0.237 |
0.266 |
0.161 |
F |
189.838*** |
103.173*** |
74.475*** |
17.083*** |
窗体顶端
窗体底端
注:*、**、***分别表示在10%、5%、1%的显著性水平下显著,括号内数值为t统计量。
四、结论与启示
本文以2013~2016年我国高新技术上市公司数据为样本,基于企业生命周期的视角,实证研究了高管团队特征对企业绩效的影响。实证结果显示:高管团队的平均任期在企业成长期和成熟期与企业绩效显著负相关,在这两个阶段任期时间长的高管团队成员很难在正常发展中有所突破、创新,导致在激烈的市场竞争中企业绩效会出现下滑;而高管团队的平均任期在企业的衰退期则与企业绩效正相关,在这个阶段任期时间长的高管团队成员能够通过自身经验做出更加稳健的决策,有助于提升企业绩效。高管团队的年龄异质性在企业的成长期和成熟期与企业绩效显著负相关,在这两个阶段高管团队成员年龄差异大导致认知存在差异,破坏团队的和谐,可能会由于不当竞争而做出错误决定;而高管团队的年龄异质性在企业的衰退期则与企业绩效显著正相关,在这个阶段高管团队成员的不同年龄构成有助于以更加全面的视角思考问题,从而做出合理的决策。高管团队的任期异质性在企业生命周期的各个阶段均与企业绩效显著负相关,即成员间任期差异越大的高管团队,越容易出于自身利益以及观念的不同产生冲突和矛盾,不利于企业凝聚力和良好企业文化的形成,阻碍企业的发展。高管团队的性别异质性在企业生命周期的各个阶段均与绩效显著正相关,即高管团队成员的性别异质性越高,越有利于两种性别之间的沟通与交流,有利于企业的创新发展,为企业创造出更大的效益。高管团队的职业背景异质性仅在企业成长期与企业绩效显著负相关,在这一阶段企业缺乏完善的沟通体系和协调制度,高管团队成员的职业背景差异性越大,越不利于沟通协作的顺利进行,从而损及组织绩效和创新绩效。
上述实证结论,为处在企业生命周期不同阶段的上市公司配备高管人员提供了一些有价值的启示:处于成长期的企业,高管团队应做到“男女皆备”,并有针对性地聘任专业对口的人才,同时尽量减小高管成员年龄及任期的差异性;处于成熟期的企业,经营状态良好,与成长期相比,除了职业背景异质性,高管团队的其他各方面特征对企业绩效产生影响的方向变化不大,因此在这一阶段可以维持高管团队现状,以有利于企业持续发展;处于衰退期的企业,高管团队的部分特征对企业绩效的相关影响发生改变,此时应及时更换高管成员,为企业注入新鲜力量,帮助企业渡过难关。综上所述,企业应结合自身的经营状况和所处的生命周期阶段,合理配置与调整高管团队成员,以提升企业绩效。
注释
1 Greiner, L.E., Evolution and Revolution as Organizations Grow.Harvard Business Review, Vol.50 (4) , 1972, pp.37-46.
2 Adizes, I., Organizational Passages—Diagnosing and Treating Lifecycle Problems of Organizations.Organizational Dynamics, Vol.8 (1) , 1979, pp.3-25.
3 王旭:《企业生命周期与债权人治理的“阻尼效应”》,《中南财经政法大学学报》2013年第1期,第129~136页。
4 Hambrick, D.C.and Mason, P.A., Upper Echelons:The Organization as a Reflection of Its Top Managers.The Academy of Management Review, Vol.9 (2) , 1984, pp.193-206.
5 佟爱琴、邵鑫、杜旦:《高管特征与公司绩效相关性研究——基于国有与非国有控股上市公司的对比》,《科学学与科学技术管理》2012年第1期,第166~172页。
6 Battilana, J.and Casciaro, T., Change Agents, Networks, and Institutions:A Contingency Theory of Organizational Change.The Academy of Management Journal, Vol.55 (2) , 2012, pp.381-398.
7 陈伟民:《高管兼职、关系网络与企业业绩》,《湖北广播电视大学学报》2007年第11期,第82~84页。
8 许启发、郑锴、蒋翠侠:《高管特征与激励方式对上市公司绩效影响的回归分析》,《财会月刊》2016年第21期,第10~15页。
9 王倩楠、葛玉辉、刘喜怀:《企业生命周期各阶段的TMT认知演化》,《技术经济与管理研究》2015年第8期,第52~56页。
10 巫景飞等:《高层管理者政治网络与企业多元化战略:社会资本视角——基于我国上市公司面板数据的实证分析》,《管理世界》2008年第8期,第107~118页。
11 Bantel, K.A.and Jackson, S.E., Top Management and Innovations in Banking:Does the Composition of the Top Team Make a Difference?Strategic Management Journal, Vol.10 (S1) , 1989, pp.107-124.
12 张敏、童丽静、许浩然:《社会网络与企业风险承担——基于我国上市公司的经验证据》,《管理世界》2015年第11期,第161~175页。
13 魏立群、王智慧:《我国上市公司高管特征与企业绩效的实证研究》,《南开管理评论》2002年第4期,第16~22页。
14 贺小刚等:《政治关联与企业价值——民营企业与国有企业的比较分析》,《中国工业经济》2013年第1期,第103~115页。
15 刘兵、刘佳鑫、李奕芳:《高管团队异质性与企业绩效的关系——管理自主权的调节作用》,《科技管理研究》2015年第11期,第147~153页。
16 赵丙艳、葛玉辉、刘喜怀:《高管团队异质性、行为整合对决策绩效的影响——基于我国物流企业的实证研究》,《中国流通经济》2015年第7期,第54~60页。
17 杨振兵:《男女搭配,干活不累:异性效应有利于提升生产效率吗》,《上海财经大学学报》2016年第6期,第16~27、41页。
18 王伟同、魏胜广:《员工性别结构如何影响企业生产率——对“男女搭配干活不累”的一个解释》,《财贸经济》2017年第6期,第130~146页。
19 Hambrick, D.C.and D’Aveni, R.A., Top Team Deterioration as Part of the Downward Spiral of Large Corporate Bankruptcies.Management Science, Vol.38 (10) , 1992, pp.1445-1466.
20 谷丰、张林、张凤元:《生命周期、高管薪酬激励与企业创新投资——来自创业板上市公司的经验证据》,《中南财经政法大学学报》2018年第1期,第146~156页。
21 Dickinson, V., Cash Flow Patterns as a Proxy for Firm Life Cycle.The Accounting Review, Vol.86 (6) , 2011, pp.1969-1994.