通常选用社会背景来衡量一个人的社会资本,众多研究证实管理者的社会资本对企业的绩效和企业的行为具有重要的影响。王革等(2004)认为管理者的社会资本是一种可以给企业带来利益或潜在利益的社会关系网络。这种关系网络是企业的无形资源,合理的利用这种资源有助于企业获得物质的、信息的和感情上的帮助,从而实现企业的目标。孙俊华(2009)研究证明管理者的社会背景与企业绩效正相关。管理者的社会背景与个人的成功之间存在着微观联系,有更多社会关系的管理者可能容易获得更高收入,更快的晋升,更好的竞争力,从而导致管理防御程度低。故提出以下假设: H5:管理者的社会背景与企业的可持续增长呈正相关关系 三、研究设计 (一)样本的选取与数据来源 本文研究样本为我国沪深股市新能源所有上市公司,研究区间为2007—2011年,为了使研究结果更具准确性和客观性,所选样本遵循以下原则:(1)剔除ST类和PT类公司;(2)剔除净资产为负和在分析期间出现亏损的公司;(3)剔除数据缺损的公司;(4)剔除研究期间管理者出现变更大于1/3的上市公司。根据以上原则筛选出样本总量为215个。本文所用的数据来源于国泰安数据库和金融界网。部分数据源于手工整理,数据统计分析主要使用Excel2003、SPSS20.0。 (二)变量的设计 1.管理者的界定与自变量的选取 本文考虑数据的可得性和以往的定义范畴,结合公司年报中披露的管理者的信息,选取以下管理者为研究对象:董事长、副董事长、总经理、副总经理、财务总监等高层管理者。选取的自变量为管理者的年龄、任期、教育背景、专业背景和社会背景五个方面。 2.因变量的选取 本文选取可持续增长率SGR和实际增长率g以及差异增长率DGR为因变量。其中SGR=销售净利率×总资产周转率×留存收益率×期初权益乘数,g=本年销售收入增加额/本年期初销售收入,DGR=SGR-g。本文各变量定义见表1。 3.模型设计 SGR=α+a1LNage+a2LNage_sq+a3Year+a4Year_sq+a5EDU+a6ECO+a7SOC+a8SIZE+a9ROE+ε1 g=β+b1LNage+b2LNage_sq+b3Year+b4Year_sq+b5EDU+b6ECO+ b7SOC+b8SIZE+b9ROE+ε2 DGR=γ+c1LNage+c2LNage_sq+c3Year+c4Year_sq+c5EDU+c6 ECO+c7SOC+c8SIZE+c9ROE+ε3 四、实证结果 (一)描述性统计分析 由表2可以看出,SGR的均值为0.3006,标准差为0.1755;g的均值为0.2126,标准差为0.4362,说明实际增长率较可持续增长率波动幅度大;由于实际增长率g的波动较大,所以差异增长率呈现出较大的波动范围,均值为-0.0880,标准差为0.4430。 从表3可以看出,管理者平均年龄的自然对数均值为3.8467,标准差为0.0693,分布差异较小;管理者的平均学历值为3.4326,根据变量的设置可以看出,学历值为3的是本科,说明我国新能源上市公司的高层管理者教育水平较高;这些管理者特征数据跟何威风等(2010)统计结果相似。高管的专业背景均值为0.6930,说明样本公司的高层管理者从事金融、经济、管理、财会类学习比较多,社会背景的均值为0.2233,处于较低的水平,说明样本公司拥有社会资本的人数较少。控制变量中的企业规模波动较大,净资产收益率波动较小。 (二)变量的相关性分析 由表4可以看出,相关分析的结果与假设出现了差异,高层管理者的年龄与SGR、g、DGR在置信度为0.1的水平上显著相关,管理者的任期与SGR和DGR在0.01的水平上显著相关,与g在0.1的水平上相关。相关系数分别为0.235,-0.206,-0.115,管理者的平均教育水平、资产规模和净资产收益率与SGR、g、DGR在不同水平上显著相关,说明这些自变量对因变量的影响较大,而管理者的专业背景和社会背景与因变量之间不存在显著相关,说明这两个因素对因变量的影响较小,为了检验本文自变量的相关程度,采取Spearman相关性检验,自变量相关系数的绝对值都小于0.33,说明自变量之间基本上不存在多重共线问题,由此也表明该模型可以作回归分析。 (三)多元线性回归分析 |