基于机构暴露度看外部监管对企业激励机制的影响

基于机构暴露度看外部监管对企业激励机制的影响 刘琦 任再萍 作者简介：刘琦（2005—），女，汉族，安徽安庆人，本科在读，上海对外经贸大学金融管理学院，研究方向：公司金融 通讯作者：任再萍（1972—），女，陕西西安人，经济学博士，上海对外经贸大学金融管理学院教授、硕士生导师，上海对外经贸大学绿色转型与高质量发展研究中心主任、首席研究员。研究方向：绿色转型金融、可持续金融、创新与监管     【摘要】在转型经济制度背景下，机构监管暴露对高管薪酬具有重要作用。本文基于2009—2024 年我国A 股上市企业的实证研究发现，机构暴露度与高管薪酬呈显著正向关系，经过一系列稳健性检验后依然成立。本文厘清了机构暴露度影响高管薪酬的内在机制，弥补了现有研究缺乏正式制度对高管薪酬影响的不足，为理解制度复杂性背景下的薪酬激励提供了新的理论证据。     【关键词】高管薪酬 机构暴露度 制度暴露     引言     Armstrong 等（2025）提出的机构暴露度（Agency Exposure）为刻画企业与国家机构正式制度关系提供了新的量化视角。不同于政治关联、行政职务任命等反映非正式人脉关系的指标，机构暴露度是一个基于企业年报文本构建的具有可量化性和随时间变化特征的指标，用于衡量企业受特定机构监管影响的程度。它不仅是一个监管强度的代理变量，还能捕捉到未公开的监管行为，并在研究监管对企业行为与绩效的影响中具有较高的解释力和预测力（Armstrong 等，2025）。那么，作为衡量企业制度暴露程度的关键指标，机构暴露度是否会对高管薪酬产生影响？其作用机制又是什么？本文针对这一问题，利用上市公司年报及国泰安数据库数据，考察机构暴露度对高管薪酬的影响及其作用机制。     现有研究对高管薪酬影响因素的探讨，多聚焦于企业内部治理，如股权结构、董事会特征，或市场绩效。外部制度环境层面则主要围绕政治关联等非正式制度展开，鲜少从国家机构监管暴露这一正式制度视角切入。如朱可欣（2019）、陈银博和宋清华（2012）等都从政治关联角度讨论对高管薪酬的影响，这些研究共同证实了非正式制度对高管薪酬的影响，但正式制度关系作为制度环境的核心组成部分，其对高管薪酬的作用尚未得到充分关注。本文将以监管视角为切入点。探究机构暴露度与高管薪酬之间的关系。本文选取2009—2024 年A 股上市公司作为研究样本，深入研究机构暴露度对高管薪酬的影响及其作用机制。     一、理论分析与研究假设     基于管理者权力论，本研究提出如下假设：H1：机构暴露度与高管薪酬水平呈显著正相关关系。     据均来自国泰安数据库，机构暴露度数据来自上市公司年报。     基于机构暴露度会影响高管薪酬水平分析，本研究提出如下假设：H2：机构暴露度通过对CEO 权力的约束影响高管薪酬水平。     第三大假设是企业产权性质的调节效应，因此提出：H3：机构暴露度对高管薪酬的正向影响在非国有企业中更显著。     二、研究设计     （一）变量选取     1. 被解释变量：高管薪酬（Managesumsalary）本文以上市公司高管薪酬总额的自然对数为被解释变量，高管薪酬总额为本年度所有人员（包含离职、在职、退休等人员）的薪酬。     2. 解释变量：机构暴露度（Exposure）本文采用Armstrong 等（2025）提出的文本指标“公司对机构的总暴露度（Exposure）”作为高管薪酬激励的度量指标。     3. 控制变量     本文选取公司规模（Size），资产负债率（Lev），总资产净利润率（ROA），现金流比率（Cashflow），营业收入增长（Growth），托宾挂Q 值（Tobinq），上市年龄（Age），第一大股东持股比例（Top1），股权制衡度（Balance），机构投资者持股比例（Investor），两职合一（Dual），董事会规模（ln_board），独立董事占比（Indirect），是否四大（Big4），分析师关注度（ln_analyse），研报关注度（ln_report），ESG 综合得分，E得分，S 得分，G 得分作为控制变量。     （二）模型构建     本文采用双固定效应模型分析高管薪酬与机构暴露度两者之间的关系，具体计量模型如下：     （三）数据来源     本文使用2009—2024 年我国A 股上市企业作为研究样本，并对以上初始样本做以下处理：（1）剔除ST、PT 上市企业；（2）剔除关键数据缺失或错误的上市企业。通过以上筛选步骤，本文最终获取32820 个观测样本。此外，本文对所有连续变量在1%、99% 水平上进行缩尾处理。企业层面的财务数据和行业特征数据均来自国泰安数据库，机构暴露度数据来自上市公司年报。       三、实证结果与分析     （一）基准回归分析     本文采用三种回归分析，展示了机构暴露度加入控制变量后对高管薪酬的回归结果，控制行业以及各项控制变量后的回归结果，以及同时控制年份、行业以及各项控制变量后的回归结果。数据显示机构暴露度的回归系数在各类模型设定下均为正，且在双重固定效应模型中仍在1% 水平上显著，表明机构暴露度对高管薪酬具有稳健的正向影响，假设H1 得证。     （二）稳健性检验     本文通过替换被解释变量、滞后一期解释变量、改变变量范围的方法，对基准模型进行稳健性检验。结果如下表三所示：     1. 替换被解释变量     本文采用替换被解释变量的度量方式，采用企业当年董监高年薪总额重新进行回归。由表三列（1）可知，机构暴露度的系数为6.661，且在1%水平显著，与主效应回归结果一致，说明高管薪酬的不同测量指标并不会影响本研究假设。     2. 滞后一期解释变量     考虑到机构暴露度对高管薪酬的影响存在一定的滞后性以及可能存在反向因果问题，本文将解释变量机构暴露度滞后一期（Exposure_L1）与高管薪酬进行回归检验。回归结果显示滞后项系数依然显著且方向与主回归方向一致，进一步支持了主回归结论的稳健性。     3. 改变样本范围     考虑到宏观经济环境重大冲击对研究结果的影响，本文在基准回归的基础上分别剔除了2009 年国际金融危机冲击后阶段以及2020 年新冠疫情初期的观测值以降低极端宏观事件对估计结果的影响。回归结果如列（3）所示，机构暴露度的系数为8.370，在1% 水平显著，与主效应回归结果一致，说明在排除金融危机与公共卫生事件等极端外生冲击的干扰后，机构暴露度对高管薪酬的经济效应依然显著存在，进一步支持了主回归结论的稳健性。     （三）中介效应     为了检验CEO 权力（Power_pc）在机构暴露度与高管薪酬间的中介作用，本文构建了中介效应模型。CEO权力采用Adams 等（2025）提出的CEO 权力综合测度方法，将CEO 权力视为潜在的多维度变量。通过主成分分析，对上述指标进行降维处理，并提取第一主成分作为CEO权力强度综合指数（Power_pc）。     表三列（5）显示机构暴露度对CEO 权力的系数为-15.140，具有明显的负向影响且在1% 水平显著，与先前提出的假设2 相吻合，满足了中介效应检验的前置条件。列（6）则同时引入机构暴露度与CEO 权力作为解释变量，回归结果显示CEO 权力对高管薪酬仍具有显著影响，其系数为-0.023，并在1% 水平上显著。虽然机构暴露度的系数仍然显著，但从8.408 降至8.061，表明CEO权力在二者之间确实发挥了部分中介作用。假设H2 得证。     为进一步增强中介效应检验结果的稳健性，本研究采用Bootstrap 方法对中介效应进行检验，在保持模型设定与控制变量不变的前提下，进行1,000 次非参数重复抽样，并使用百分位法构建95% 置信区间。结果表明，其95% 置信区间为[0.168,0.544]，并未包含0，说明CEO 权力在机构暴露度与高管薪酬之间发挥了显著的中介作用，假设H2 再次得证。     （四）异质性分析     1. 产权性质     本文将总样本按照产权性质分为国有企业和非国有企业进行分组回归，异质性检验结果显示在国有企业中机构暴露度与高管薪酬不存在显著相关性，而在非国有企业中机构暴露度的回归系数为7.577，在1% 水平上显著，且Chow 检验得到F 统计量为37.396，p-value=0.000。假设H3 得证。     2. 产权性质的调节效应：交互项回归检验     为进一步检验该结论的稳健性，本文在基准回归模型中引入产权性质虚拟变量（SOE）与机构暴露度的交乘项。结果显示机构暴露度的系数在1% 显著性水平下显著为正，说明在非国有企业中，机构暴露度的提高显著推高高管薪酬水平。更重要的是，机构暴露度与产权性质交互项的系数在1% 水平下显著为负，表明相较于非国有企业，机构暴露度对国有企业高管薪酬的正向影响显著减弱。结合主效应项的估计结果可以发现，机构暴露度对高管薪酬的边际影响在非国有企业中最为显著，而在国有企业中则明显受限。     四、结语     在受机构影响程度较高时，企业应当优化薪酬契约与权力配置的协同设计，避免仅依靠上调薪酬作为激励手段，而要加强投资者、董事会及其他监督主体对企业真实的合规风险、政策适配程度及管理决策质量的掌握，使薪酬激励与高管实际承担的制度协调和合规管理责任相匹配，从而实现激励与约束的有效平衡。 参考文献 [1] 朱可欣. 政治关联与高管薪酬及公司绩效相关性研究[D]. 首都经济贸易大学, 2019. DOI:10.27338/d.cnki.gsjmu.2019.000619. [2] 陈银博, 宋清华. 政治关联对银行高管薪酬抑制作用的实证分析——来自我国上市银行的经验证据 [J]. 广西社会科学, 2012,(01): 77-80.