屈恩義　朱方明

摘要：關(guān)于股權(quán)激勵(lì)與公司業(yè)績(jī)關(guān)系問(wèn)題，文章從方法論視角進(jìn)行了審視，提出正確認(rèn)識(shí)并使用處理內(nèi)生性問(wèn)題的方法，是精確評(píng)估股權(quán)激勵(lì)效應(yīng)的前提。傳統(tǒng)PSM無(wú)法實(shí)現(xiàn)不可觀測(cè)因素的匹配導(dǎo)致樣本自選擇偏誤仍部分存在，文章采用改進(jìn)的PSM+DID，評(píng)估發(fā)現(xiàn)：股權(quán)激勵(lì)總體上提升了以凈資產(chǎn)收益率和總資產(chǎn)收益率衡量的公司業(yè)績(jī)，提升幅度分別達(dá)到22.22%和19.51%；從動(dòng)態(tài)視角看，隨著年份的推移，公司業(yè)績(jī)提升速度逐漸放緩，股權(quán)激勵(lì)呈現(xiàn)出邊際效應(yīng)遞減規(guī)律。而通過(guò)對(duì)比PSM+DID與傳統(tǒng)PSM評(píng)估的結(jié)果，文章證實(shí)PSM的確高估了股權(quán)激勵(lì)效應(yīng)，PSM+DID的評(píng)估結(jié)果更加精確和穩(wěn)健。此外，文章還證實(shí)，宏觀經(jīng)濟(jì)形勢(shì)并不會(huì)對(duì)股權(quán)激勵(lì)效應(yīng)產(chǎn)生影響，因擔(dān)心宏觀經(jīng)濟(jì)形勢(shì)拖累股權(quán)激勵(lì)效應(yīng)而中斷實(shí)施股權(quán)激勵(lì)的思維存在一定的誤區(qū)。

關(guān)鍵詞：股權(quán)激勵(lì)；公司業(yè)績(jī)；傾向得分匹配法；基于傾向得分匹配的雙重差分法

中圖分類號(hào)：F272.923 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1008-5831（2017）06-0049-11

一、研究背景與問(wèn)題

作為一項(xiàng)協(xié)調(diào)股東與高管間利益沖突，緩解代理問(wèn)題的公司內(nèi)部治理機(jī)制，股權(quán)激勵(lì)最近十年來(lái)廣為中國(guó)上市公司采用，截至2015年，共有18個(gè)行業(yè)共計(jì)715家上市公司公布了股權(quán)激勵(lì)方案。2016年7月13日，證監(jiān)會(huì)正式發(fā)布《上市公司股權(quán)激勵(lì)管理辦法》，對(duì)已有股權(quán)激勵(lì)相關(guān)政策文件進(jìn)行了整合和修正，自此，中國(guó)上市公司實(shí)施股權(quán)激勵(lì)的制度環(huán)境趨于完善。然而，實(shí)踐中，仍然存在著大量上市公司在實(shí)施股權(quán)激勵(lì)后業(yè)績(jī)大幅下滑的案例，激勵(lì)方案中斷實(shí)施的現(xiàn)象也多有出現(xiàn)。股權(quán)激勵(lì)與公司業(yè)績(jī)的真實(shí)關(guān)系成為一個(gè)備受關(guān)注的問(wèn)題。對(duì)此，學(xué)者們展開(kāi)了大量研究，并出現(xiàn)了三種觀點(diǎn)：第一種認(rèn)為股權(quán)激勵(lì)正向促進(jìn)了公司業(yè)績(jī)的增長(zhǎng)，表現(xiàn)為利益趨同效應(yīng)；第二種認(rèn)為股權(quán)激勵(lì)與公司業(yè)績(jī)無(wú)關(guān)或呈負(fù)相關(guān)關(guān)系，表現(xiàn)為壕溝效應(yīng)；第三種觀點(diǎn)認(rèn)為，股權(quán)激勵(lì)與公司業(yè)績(jī)存在區(qū)問(wèn)效應(yīng)，利益趨同效應(yīng)和壕溝效應(yīng)交替出現(xiàn)。對(duì)于實(shí)際評(píng)估結(jié)果存在的分歧，從方法論上看，可能與研究方法的選擇有關(guān)，不同研究方法在解決股權(quán)激勵(lì)內(nèi)生性問(wèn)題方面存在差異。特別地，當(dāng)研究方法存在缺陷或被不當(dāng)使用，股權(quán)激勵(lì)與公司業(yè)績(jī)的關(guān)系可能被高估也可能被低估。因此，正確認(rèn)識(shí)并使用處理內(nèi)生性問(wèn)題的方法，是精確評(píng)估股權(quán)激勵(lì)效應(yīng)的重要前提。

已有研究表明，股權(quán)激勵(lì)受到來(lái)自公司治理結(jié)構(gòu)、股權(quán)結(jié)構(gòu)、所處行業(yè)特征等因素的影響，同時(shí)公司業(yè)績(jī)會(huì)反向決定股權(quán)激勵(lì)，此外，一些不可觀測(cè)的因素也會(huì)對(duì)股權(quán)激勵(lì)產(chǎn)生影響，股權(quán)激勵(lì)因而呈現(xiàn)內(nèi)生性特點(diǎn)。為解決股權(quán)激勵(lì)效應(yīng)評(píng)估中的內(nèi)生性問(wèn)題，除傳統(tǒng)的面板數(shù)據(jù)方法、兩階段最小二乘法、三階段最小二乘法等方法外，近年來(lái)，有越來(lái)越多的學(xué)者嘗試使用宏觀政策效果評(píng)估領(lǐng)域應(yīng)用廣泛的傾向得分匹配法（PSM）。PSM方法通過(guò)多維匹配，克服了傳統(tǒng)匹配方法的維數(shù)“詛咒”，一定程度上降低了樣本自選擇偏誤（sample-Selection Bias）。

然而，我們認(rèn)為，PSM方法自身的局限以及現(xiàn)有研究在實(shí)際應(yīng)用PSM方法中存在的誤區(qū)，將導(dǎo)致采用PSM評(píng)估的結(jié)果仍然存有部分誤差。從原理看，PSM方法是通過(guò)對(duì)影響股權(quán)激勵(lì)的變量進(jìn)行Logit回歸，計(jì)算每家公司實(shí)施股權(quán)激勵(lì)的概率（PS值），并基于PS值進(jìn)行匹配分析。然而，正是由于Logit回歸中只能納入可觀測(cè)變量，基于PS值配對(duì)的樣本組僅僅實(shí)現(xiàn)了可觀測(cè)變量的無(wú)顯著差異，而在不可觀測(cè)因素上仍然存在差異，因而，樣本自選擇偏誤仍部分存在。當(dāng)前研究大多忽視了這一點(diǎn)。除PSM本身的缺陷外，當(dāng)前研究在對(duì)PSM方法的使用上也值得商榷。在構(gòu)建Logit模型的環(huán)節(jié)，某些研究并未控制年份變量，這就導(dǎo)致PS值中缺少年份信息，并由此造成“跨年匹配”?！翱缒昶ヅ洹钡膯?wèn)題在于，當(dāng)激勵(lì)公司相對(duì)匹配的未激勵(lì)公司處于宏觀經(jīng)濟(jì)形勢(shì)較好的年份，股權(quán)激勵(lì)效應(yīng)可能被高估；而當(dāng)激勵(lì)公司相對(duì)處于宏觀經(jīng)濟(jì)形勢(shì)較差的年份，股權(quán)激勵(lì)效應(yīng)則可能被低估。此外，某些研究在計(jì)算Ps值時(shí)，把激勵(lì)公司實(shí)施激勵(lì)當(dāng)年之后的各年樣本也算作激勵(lì)樣本納入了Logit回歸，但由于多數(shù)激勵(lì)公司在此之后并未再公布新的激勵(lì)計(jì)劃，而PS值定義的是新實(shí)施股權(quán)激勵(lì)計(jì)劃的概率，這就導(dǎo)致計(jì)算的PS值存在誤差。

有鑒于此，本文將在現(xiàn)有研究基礎(chǔ)上作如下改進(jìn)：對(duì)于PSM方法本身的缺陷，在PSM基礎(chǔ)上引入雙重差分法（DID），以消除不可觀測(cè)因素對(duì)公司業(yè)績(jī)的影響，提高股權(quán)激勵(lì)效應(yīng)評(píng)估的精確性。在具體應(yīng)用PSM方法環(huán)節(jié)，以激勵(lì)實(shí)施前一年的樣本作為推斷第二年股權(quán)激勵(lì)實(shí)施概率的樣本，并刪除激勵(lì)實(shí)施后的各年樣本。在進(jìn)行了Logit回歸并計(jì)算得到PS值后，采用“同年匹配+同年檢驗(yàn)”的方式，以消除“跨年匹配”帶來(lái)的樣本自選擇偏誤。

二、研究設(shè)計(jì)

在自然科學(xué)領(lǐng)域，評(píng)估一項(xiàng)技術(shù)的試驗(yàn)效果可以通過(guò)自然實(shí)驗(yàn)（Natural Experiment）的方法，由于處理組和控制組樣本是隨機(jī)選取的，因此該項(xiàng)技術(shù)試驗(yàn)實(shí)施后處理組與控制組的差異即可歸結(jié)為技術(shù)試驗(yàn)的效果。然而在社會(huì)科學(xué)領(lǐng)域，評(píng)估一項(xiàng)政策實(shí)施效果前很難做到處理組與控制組樣本的隨機(jī)分配，為此，實(shí)驗(yàn)者往往需要采用某種規(guī)則（Criterion）對(duì)樣本進(jìn)行處理，為處理組樣本找到一個(gè)“反事實(shí)”的比較組，以消除參與的選擇性偏差（selection Bias）?？紤]到現(xiàn)實(shí)中只能觀察到一個(gè)對(duì)象處于處理組或控制組一種狀態(tài)的結(jié)果，要找到絕對(duì)的“反事實(shí)”樣本沒(méi)有可能，所以往往需要通過(guò)配對(duì)的方法來(lái)控制兩組樣本的差異。但是鑒于同時(shí)影響政策決議和政策效果的變量并非唯一，并且存在配對(duì)維數(shù)“詛咒”：即配對(duì)維數(shù)越多，配對(duì)效果越差，傳統(tǒng)方法匹配的兩組樣本仍然存在較大差異。

不同于傳統(tǒng)方法的逐一匹配，傾向得分匹配法通過(guò)將多元變量濃縮成一個(gè)傾向得分（PS值）來(lái)選擇配對(duì)樣本，實(shí)現(xiàn)了多元匹配。以股權(quán)激勵(lì)為例，PSM方法的匹配步驟如下。

第一步，獲取傾向得分值。endprint

所謂“傾向得分”，就是在給定樣本特征X的情況下，某公司實(shí)施股權(quán)激勵(lì)的概率，即：

其中，D是一個(gè)指標(biāo)函數(shù)，若公司實(shí)施股權(quán)激勵(lì)則D=1，未實(shí)施則D=0。

在實(shí)證分析中，傾向得分通常采用Logit或Probit等概率模型進(jìn)行估計(jì)：

第二步，選擇匹配方法。

上述步驟得到的Ps值是一個(gè)連續(xù)變量，因此我們很難找到兩個(gè)傾向得分完全相同的樣本進(jìn)行匹配。為解決這一問(wèn)題，有多種匹配方法可供選擇：最近鄰匹配法（Nearest Neighbor Matching）通過(guò)尋找與處理組樣本Ps值差值最小的控制組樣本實(shí)現(xiàn)匹配；半徑匹配法（Radius Matching）首先預(yù)設(shè)一個(gè)常數(shù)作為匹配半徑，再尋找與處理組樣本Ps值的差值小于匹配半徑的控制組樣本實(shí)現(xiàn)匹配；核匹配法（Kernel Matching）的基本思想是在控制組樣本中選取與處理組樣本相同或相近的一個(gè)或幾個(gè)特征，生成虛擬樣本，實(shí)現(xiàn)匹配。

第三步，共同支撐假設(shè)檢驗(yàn)和平行假設(shè)檢驗(yàn)。

在完成第2步的初步匹配后，分別計(jì)算兩組樣本的平均Ps值，并檢驗(yàn)有無(wú)顯著差異，即共同支撐假設(shè)檢驗(yàn)（Common Support Assumption Test）。然后檢驗(yàn)兩組樣本各公司特征變量的均值是否存在顯著差異，即平行假設(shè)檢驗(yàn)（Balancing Assumption Test）。兩個(gè)假設(shè)檢驗(yàn)都通過(guò)則說(shuō)明兩組公司除股權(quán)激勵(lì)實(shí)施與否這一差異外，在公司特征層面無(wú)顯著差異。

然而，如前所述，PSM的原理決定了其存在一定的缺陷：通過(guò)概率模型篩選出的只能是公司可觀測(cè)變量，事實(shí)上，股權(quán)激勵(lì)決策還受到兩類公司不可觀測(cè)因素的影響，因而，基于PS值配對(duì)的兩組樣本仍然存在著一定的樣本自選擇。在這種情況下，除實(shí)施股權(quán)激勵(lì)與否會(huì)產(chǎn)生兩類公司的業(yè)績(jī)差異外，不可觀測(cè)因素差異也會(huì)帶來(lái)業(yè)績(jī)差異，因此，通過(guò)比較配對(duì)公司的業(yè)績(jī)差異評(píng)估的股權(quán)激勵(lì)效果并不準(zhǔn)確。為提高評(píng)估結(jié)果的精確性，本文將DID引入PSM，原理如圖1所示。

由圖1可知，激勵(lì)公司（D=1）在激勵(lì)前后的業(yè)績(jī)變化包含三部分：（1）激勵(lì)效果；（2）宏觀環(huán)境作用公司可觀測(cè)變量帶來(lái)的業(yè)績(jī)變化；（3）宏觀環(huán)境作用公司不可觀測(cè)因素帶來(lái)的業(yè)績(jī)變化。對(duì)于未激勵(lì)公司（D=0），業(yè)績(jī)變化包含兩部分：（1）宏觀環(huán)境作用公司可觀測(cè)變量帶來(lái)的業(yè)績(jī)變化；（2）宏觀環(huán)境作用公司不可觀測(cè)因素帶來(lái)的業(yè)績(jī)變化。由于在基期（T=0）進(jìn)行了PSM同年匹配，且配對(duì)樣本的時(shí)間跨度相同，因此宏觀環(huán)境作用可觀測(cè)變量帶來(lái)的業(yè)績(jī)變化在兩類公司間無(wú)顯著差異。又因?yàn)椴豢捎^測(cè)因素在短期內(nèi)不變②，且其對(duì)公司業(yè)績(jī)的影響程度短期內(nèi)不變，因此，對(duì)兩類公司而言，宏觀環(huán)境作用不可觀測(cè)因素帶來(lái)的業(yè)績(jī)變化均為零。最終，二次差分的結(jié)果即為股權(quán)激勵(lì)效果。

考慮到本文的數(shù)據(jù)結(jié)構(gòu)中激勵(lì)公司樣本數(shù)較少，在對(duì)兩類公司進(jìn)行匹配時(shí)，如果采用半徑匹配會(huì)進(jìn)一步犧牲激勵(lì)公司樣本，進(jìn)而出現(xiàn)小樣本偏誤；而核匹配由于要將所有的控制組樣本都賦予權(quán)重納入匹配，其原理決定了核匹配更適用于控制組樣本數(shù)遠(yuǎn)小于處理組樣本數(shù)的數(shù)據(jù)結(jié)構(gòu)以充分利用控制組信息，而本文激勵(lì)公司數(shù)遠(yuǎn)小于未激勵(lì)公司數(shù)，如果采用核匹配會(huì)因?yàn)槲醇?lì)公司的很多無(wú)用信息導(dǎo)致匹配誤差較大。因此，本文的匹配方法選用最近鄰匹配法。

另外，由圖1可知，對(duì)配對(duì)公司二次差分的前提是兩類公司所處年份一致、時(shí)間跨度一致，因此配對(duì)時(shí)需采用“同年匹配+同年檢驗(yàn)”的方式，即不能出現(xiàn)類似“2012年的激勵(lì)公司匹配2014年的未激勵(lì)公司”的情形。

基于上述分析，PSM+DID的具體操作步驟如下。

第一步，先保留每家激勵(lì)公司實(shí)施股權(quán)激勵(lì)上一年度（基期）的樣本（比如2007年實(shí)施激勵(lì)的公司就保留其2006年的數(shù)據(jù)，2008年實(shí)施激勵(lì)的公司就保留其2007年的數(shù)據(jù)，以此類推）和所有未激勵(lì)公司。

第二步，進(jìn)行逐步Logit回歸，選出顯著影響股權(quán)激勵(lì)決策的變量，并計(jì)算PS值。

第三步，為每一個(gè)激勵(lì)公司樣本匹配一個(gè)同年的未激勵(lì)公司樣本，保留配對(duì)成功的樣本。匹配完成后，對(duì)每年的配對(duì)樣本進(jìn)行共同支撐假設(shè)檢驗(yàn)和平行假設(shè)檢驗(yàn)，保留通過(guò)檢驗(yàn)的配對(duì)樣本。

第四步，DID分析。用于DID分析的模型如式（3）（4）（5）所示，各式中，△Performancei_it代表配對(duì)公司的業(yè)績(jī)相對(duì)基期的增量，為研究股權(quán)激勵(lì)效果的時(shí)間趨勢(shì)，本文的業(yè)績(jī)觀察時(shí)點(diǎn)從激勵(lì)當(dāng)年一直延伸到激勵(lì)第三年，Incentive_it為是否實(shí)施股權(quán)激勵(lì)的虛擬變量，ControlVariable為一系列控制變量，系數(shù)A₁是本文關(guān)注的焦點(diǎn)：如果A₁顯著大于0，表明股權(quán)激勵(lì)有效地提高了公司業(yè)績(jī)，如果A₁不顯著或顯著小于0，則表明股權(quán)激勵(lì)失效。

三、數(shù)據(jù)描述及統(tǒng)計(jì)分析

（一）變量的定義與設(shè)計(jì)

按PSM+DID原理，首先需要確定可能影響股權(quán)激勵(lì)決策的變量?？紤]到股權(quán)激勵(lì)作為一項(xiàng)公司內(nèi)部治理機(jī)制，與其他治理機(jī)制可能相互影響，而公司財(cái)務(wù)狀況、現(xiàn)金流等也可能是其實(shí)施的客觀條件，同時(shí)高管個(gè)人特征也可能會(huì)影響激勵(lì)決策，本文將公司上期業(yè)績(jī)、股權(quán)結(jié)構(gòu)、治理狀況、現(xiàn)金流、成長(zhǎng)性、高管年齡、所處行業(yè)等因素納入Logit回歸模型。考慮到不同年份的宏觀環(huán)境可能會(huì)對(duì)股權(quán)激勵(lì)決策產(chǎn)生影響，回歸還加入了年份虛擬變量。待回歸變量的含義及統(tǒng)計(jì)結(jié)果如表1所示。而對(duì)于公司業(yè)績(jī)的衡量，本文選用扣除非經(jīng)常性損益后的加權(quán)平均凈資產(chǎn)收益率（ROE）和總資產(chǎn)收益率（ROA）。與已有研究不同，本文并沒(méi)有選用托賓Q值衡量公司業(yè)績(jī)，主要原因在于托賓Q值的構(gòu)造以公司股票價(jià)格為基礎(chǔ)，主要反映遠(yuǎn)期投資機(jī)會(huì)，而本文的研究區(qū)間相對(duì)較短，更適宜選用反映短期業(yè)績(jī)的指標(biāo)。本文也沒(méi)有使用一些文獻(xiàn)采用的每股凈收益來(lái)衡量公司業(yè)績(jī)，因?yàn)槊抗蓛羰找媸墙^對(duì)指標(biāo)，不能反映投資回報(bào)和資產(chǎn)營(yíng)運(yùn)效率高低。endprint

（二）數(shù)據(jù)來(lái)源及處理

本文機(jī)構(gòu)投資者持股數(shù)據(jù)來(lái)自銳思數(shù)據(jù)庫(kù)，公司所在地區(qū)信息來(lái)自Wind數(shù)據(jù)庫(kù)，市場(chǎng)指數(shù)由《中國(guó)市場(chǎng)化指數(shù)2011》及互聯(lián)網(wǎng)資訊副匯總而成，其他數(shù)據(jù)均來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)（CSMAR）。本文以2007年到2015年公布了股權(quán)激勵(lì)方案的上市公司作為處理組樣本，并剔除中途取消方案的公司。對(duì)于首次公布激勵(lì)方案后若干年又再次實(shí)施新的激勵(lì)方案的公司，僅保留首次激勵(lì)的樣本。對(duì)同一年采用不同激勵(lì)方式的公司，僅保留其中一種激勵(lì)方式的樣本。與此相對(duì)，以2007年至2015年從未實(shí)施股權(quán)激勵(lì)的公司作為控制組樣本。

對(duì)于原始樣本，（1）剔除金融類公司和ST、S類公司；（2）剔除B股、H股；（3）刪除數(shù)值缺漏的樣本；（4）對(duì)全體變量進(jìn)行Winsorized縮尾處理以降低離群值的影響。

四、模型估計(jì)與實(shí)證分析

（一）匹配結(jié)果

通過(guò)Logit回歸從表l篩選出顯著影響股權(quán)激勵(lì)決策的變量，限于篇幅，Logit回歸結(jié)果未在文中展示。根據(jù)回歸結(jié)果計(jì)算每個(gè)樣本的Ps值，并為每一家激勵(lì)公司匹配一家同一年的未激勵(lì)公司，保留配對(duì)成功的樣本，并分年進(jìn)行共同支撐假設(shè)檢驗(yàn)和平行假設(shè)檢驗(yàn)。最終2014年、2012年、2011年、2010年的配對(duì)樣本通過(guò)檢驗(yàn)，檢驗(yàn)結(jié)果以2014年為例說(shuō)明。由圖2可知，經(jīng)配對(duì)后的樣本問(wèn)的Ps值分布情況基本無(wú)差別，通過(guò)共同支撐假設(shè)檢驗(yàn)；而由表2可知，配對(duì)樣本問(wèn)股權(quán)激勵(lì)影響變量無(wú)顯著差別，通過(guò)平行假設(shè)檢驗(yàn)。由此可進(jìn)行下一步DID分析。

（二）股權(quán)激勵(lì)效應(yīng)評(píng)估

DID回歸前首先需要通過(guò)F檢驗(yàn)、LM檢驗(yàn)、Hausman檢驗(yàn)，從式（3）（4）（5）中選擇合適的回歸模型，限于篇幅，檢驗(yàn)過(guò)程省略?；貧w結(jié)果如表3所示。當(dāng)以凈資產(chǎn)收益率衡量公司業(yè)績(jī)，表3中第（1）列INCENTTVE系數(shù)為0.016，在1%水平顯著為正，表明股權(quán)激勵(lì)顯著提高了激勵(lì)當(dāng)年的凈資產(chǎn)收益率。第（2）列INCENTIVE系數(shù)為0.021，在1%水平顯著為正，表明股權(quán)激勵(lì)顯著提高了激勵(lì)第二年的凈資產(chǎn)收益率，公司業(yè)績(jī)?cè)谇耙荒昊A(chǔ)上有了進(jìn)一步提升。而到了激勵(lì)第三年，股權(quán)激勵(lì)效果有所減弱，表現(xiàn)在第（3）列INCENTIVE系數(shù)為0.020，只在10%水平顯著，無(wú)論是系數(shù)大小還是顯著性都不及激勵(lì)第二年。從這一回歸結(jié)果我們收獲了兩點(diǎn)認(rèn)識(shí)：（1）股權(quán)激勵(lì)的實(shí)施總體上有助于公司業(yè)績(jī)的提升；（2）從動(dòng)態(tài)視角看，在實(shí)施股權(quán)激勵(lì)后，公司業(yè)績(jī)的增長(zhǎng)隨著年份的推移，速度逐漸放緩，股權(quán)激勵(lì)呈現(xiàn)邊際效應(yīng)遞減特點(diǎn)。

改用總資產(chǎn)收益率衡量公司業(yè)績(jī)。由表3第（4）列可知，INCENTIVE系數(shù)為0.009，在l%水平顯著，表明股權(quán)激勵(lì)的實(shí)施顯著提高了激勵(lì)當(dāng)年的總資產(chǎn)收益率。第（5）列INCENTIVE系數(shù)為0.011，在1%水平顯著，相較前一年，激勵(lì)效果進(jìn)一步增強(qiáng)。第（6）列INCENTIVE系數(shù)為正，但不顯著，說(shuō)明股權(quán)激勵(lì)效果已經(jīng)衰減。由此可知，同凈資產(chǎn)收益率一樣，以總資產(chǎn)收益率衡量的公司業(yè)績(jī)?cè)诠蓹?quán)激勵(lì)實(shí)施后總體上有所提升，并且隨著年份的推移，公司業(yè)績(jī)的提升速度逐漸放緩，這一現(xiàn)象依舊反映了股權(quán)激勵(lì)的邊際效應(yīng)遞減規(guī)律。

五、進(jìn)一步分析

（一）PSM+DID是否降低了不可觀測(cè)因素帶來(lái)的樣本自選擇偏誤

從原理上看，傳統(tǒng)PSM因?yàn)橹荒軐?shí)現(xiàn)可觀測(cè)變量的匹配，故而仍存有部分樣本自選擇偏誤，而PSM+DID通過(guò)二次差分，剔除了不可觀測(cè)因素對(duì)公司業(yè)績(jī)的影響，將進(jìn)一步降低樣本自選擇偏誤。那么，是否同原理預(yù)期的一樣，PSM+DID有效降低了傳統(tǒng)PSM存在的樣本自選擇偏誤？本部分將對(duì)二者的評(píng)估結(jié)果進(jìn)行對(duì)比。為使結(jié)果具有可比性，兩種方法所選用的原始數(shù)據(jù)與樣本預(yù)處理過(guò)程均一致。不同之處在于，PSM+DID在采用Logit模型篩選出變量并計(jì)算得到PS值后，進(jìn)行了分年匹配與檢驗(yàn)，并進(jìn)一步采用DID方法進(jìn)行了回歸分析；而PSM在利用Logit模型篩選出變量并計(jì)算得到PS值后，直接進(jìn)行了匹配與檢驗(yàn)，緊接著計(jì)算出ATT（平均處理效應(yīng)）。

采用傳統(tǒng)PSM評(píng)估得到的結(jié)果如表4所示。表4中，ROE在匹配前的ATF為0.053，而匹配后的ATT為0.023，說(shuō)明未經(jīng)PSM處理前，處理組和控制組的業(yè)績(jī)差異包含了股權(quán)激勵(lì)效應(yīng)和樣本自選擇偏誤兩部分；而經(jīng)PSM處理后，樣本自選擇偏誤一定程度上得到了削減，兩類樣本的業(yè)績(jī)差異已經(jīng)接近真實(shí)的股權(quán)激勵(lì)效應(yīng)。此外，經(jīng)PSM處理后，股權(quán)激勵(lì)效應(yīng)的t值也明顯降低，評(píng)估結(jié)果更加穩(wěn)健。對(duì)ROA的解釋與ROE類似。

然而，與PSM+DID的評(píng)估結(jié)果對(duì)比，可以發(fā)現(xiàn)，PSM評(píng)估的結(jié)果中仍然含有部分的樣本自選擇偏誤。如表3所示，當(dāng)用ROE衡量公司業(yè)績(jī)，PSM+DID評(píng)估的股權(quán)激勵(lì)當(dāng)年的效應(yīng)為0.016，無(wú)論系數(shù)大小還是顯著性，均小于采用PSM評(píng)估的結(jié)果（表4中ROE系數(shù)為0.023，t值為4.26）；當(dāng)改用ROA衡量公司業(yè)績(jī)，表3中第（4）列的股權(quán)激勵(lì)效應(yīng)系數(shù)為0.009，t值為2.90，表4中ROA的ATT系數(shù)為0.010，t值為3.28，PSM+DID評(píng)估結(jié)果的系數(shù)和t值仍然較小。PSM+DID相對(duì)PSM評(píng)估系數(shù)及t值的降低正是樣本自選擇偏誤被進(jìn)一步剔除的結(jié)果。

因而從兩種方法評(píng)估結(jié)果的對(duì)比中，我們看到，正如方法原理所預(yù)期的，傳統(tǒng)PSM由于無(wú)法實(shí)現(xiàn)不可觀測(cè)因素的匹配，將導(dǎo)致評(píng)估的結(jié)果存在一定的樣本自選擇偏誤，股權(quán)激勵(lì)效應(yīng)被高估⑧。而PSM+DID通過(guò)剔除不可觀測(cè)因素對(duì)業(yè)績(jī)的影響，降低了樣本自選擇偏誤，提高了評(píng)估結(jié)果的精確性和穩(wěn)健性。

（二）宏觀經(jīng)濟(jì)形勢(shì)是否會(huì)影響股權(quán)激勵(lì)效應(yīng)

如本文開(kāi)篇所述，中國(guó)上市公司股權(quán)激勵(lì)實(shí)踐中出現(xiàn)了不少激勵(lì)方案中斷實(shí)施的情形，而公布的理由多是對(duì)宏觀經(jīng)濟(jì)形勢(shì)不樂(lè)觀，進(jìn)而對(duì)股權(quán)激勵(lì)能否達(dá)到預(yù)期效果缺乏信心。因而，在潛意識(shí)里，這些上市公司將宏觀經(jīng)濟(jì)形勢(shì)與股權(quán)激勵(lì)效應(yīng)聯(lián)系在一起，認(rèn)為宏觀經(jīng)濟(jì)形勢(shì)不好將對(duì)股權(quán)激勵(lì)效應(yīng)產(chǎn)生負(fù)面影響。那么，這樣的判斷是否正確？宏觀經(jīng)濟(jì)形勢(shì)是否對(duì)股權(quán)激勵(lì)效應(yīng)產(chǎn)生了影響？本部分將對(duì)此進(jìn)行檢驗(yàn)。endprint

對(duì)于本文回歸所用的2014年、2012年、2011年、2010年配對(duì)樣本，考慮到2010年配對(duì)樣本所在年份GDP增長(zhǎng)率相對(duì)較高，如果宏觀經(jīng)濟(jì)形勢(shì)對(duì)股權(quán)激勵(lì)效果產(chǎn)生了明顯的影響，那么剔除2010年配對(duì)樣本后回歸得到的股權(quán)激勵(lì)效應(yīng)將明顯下降?；诖?，本文以2011、2012、2014年配對(duì)樣本組成的混合樣本再次評(píng)估股權(quán)激勵(lì)效應(yīng)，并與前文的評(píng)估結(jié)果進(jìn)行對(duì)比。表5展示了剔除2010年配對(duì)樣本后的回歸結(jié)果?？梢园l(fā)現(xiàn)，表5中各列INCENTIVE的系數(shù)相比表3中各列INCENTIVE的系數(shù)并沒(méi)有明顯的改變，說(shuō)明，剔除掉宏觀經(jīng)濟(jì)形勢(shì)較好年份的配對(duì)樣本，股權(quán)激勵(lì)效應(yīng)并沒(méi)有明顯降低，宏觀經(jīng)濟(jì)形勢(shì)未對(duì)股權(quán)激勵(lì)效應(yīng)產(chǎn)生顯著影響。這提示，不樂(lè)觀的宏觀經(jīng)濟(jì)形勢(shì)不應(yīng)成為上市公司實(shí)施股權(quán)激勵(lì)的阻礙，相反，上市公司還應(yīng)積極利用股權(quán)激勵(lì)對(duì)公司業(yè)績(jī)的提升作用走出業(yè)績(jī)泥潭。

六、結(jié)論

本文從方法論視角探究了中國(guó)上市公司股權(quán)激勵(lì)與公司業(yè)績(jī)關(guān)系問(wèn)題，提出，正確選擇和使用處理內(nèi)生性問(wèn)題的方法是精確評(píng)估股權(quán)激勵(lì)與公司業(yè)績(jī)關(guān)系的前提。針對(duì)傳統(tǒng)PSM在評(píng)估股權(quán)激勵(lì)效應(yīng)中存在的無(wú)法實(shí)現(xiàn)不可觀測(cè)因素匹配，導(dǎo)致評(píng)估結(jié)果仍然存在一定的樣本自選擇偏誤，本文進(jìn)行了研究方法的改進(jìn)，采用PSM+DID重新審視了股權(quán)激勵(lì)與公司業(yè)績(jī)的關(guān)系。

研究發(fā)現(xiàn)，股權(quán)激勵(lì)的實(shí)施總體上有助于公司業(yè)績(jī)的提升，表現(xiàn)為公司凈資產(chǎn)收益率（ROE）和總資產(chǎn)收益率（ROA）在股權(quán)激勵(lì)實(shí)施后均有不同程度的增長(zhǎng)。以ROE為例，激勵(lì)實(shí)施當(dāng)年，ROE增長(zhǎng)了0.016個(gè)單位，如果以全行業(yè)平均ROE作為基期數(shù)據(jù)，則ROE的增幅達(dá)到了22.22%。另一業(yè)績(jī)指標(biāo)ROA在激勵(lì)實(shí)施當(dāng)年的增幅也達(dá)到了19.51%。而且由于剔除了樣本自選擇偏誤，這樣的業(yè)績(jī)?cè)鲩L(zhǎng)均是由股權(quán)激勵(lì)帶來(lái)的。除此之外，本文還發(fā)現(xiàn)，隨著年份的推移，股權(quán)激勵(lì)對(duì)公司業(yè)績(jī)的邊際提升效應(yīng)遞減。這說(shuō)明，與生產(chǎn)要素的投入具有邊際產(chǎn)出遞減規(guī)律類似，制度創(chuàng)新同樣也具有邊際效應(yīng)遞減規(guī)律。這就要求我們?cè)趯?shí)施相關(guān)制度的時(shí)候，一方面考慮制度的時(shí)效性，另一方面動(dòng)態(tài)優(yōu)化制度設(shè)計(jì)，以提高制度的長(zhǎng)效性。

為了證明PsM+DID相對(duì)于傳統(tǒng)PsM的先進(jìn)性，本文還對(duì)PsM+DID和PsM評(píng)估的股權(quán)激勵(lì)效應(yīng)進(jìn)行了比較。結(jié)果發(fā)現(xiàn)，傳統(tǒng)PsM高估了股權(quán)激勵(lì)效應(yīng)，根源在于PsM無(wú)法實(shí)現(xiàn)不可觀測(cè)因素的匹配，導(dǎo)致評(píng)估結(jié)果仍然存有部分樣本自選擇偏誤。相比之下，PsM+DID評(píng)估的結(jié)果更精確也更穩(wěn)健。

此外，針對(duì)當(dāng)前中國(guó)上市公司股權(quán)激勵(lì)方案中斷實(shí)施的現(xiàn)象，本文認(rèn)為，因擔(dān)心未來(lái)宏觀經(jīng)濟(jì)形勢(shì)拖累股權(quán)激勵(lì)效果而停止實(shí)施股權(quán)激勵(lì)的思維，存在一定的誤區(qū)。檢驗(yàn)證實(shí)，宏觀經(jīng)濟(jì)形勢(shì)并不會(huì)對(duì)股權(quán)激勵(lì)效果產(chǎn)生明顯的影響。因而，宏觀經(jīng)濟(jì)形勢(shì)不佳不應(yīng)成為上市公司實(shí)施股權(quán)激勵(lì)的障礙，相反，上市公司還應(yīng)積極利用股權(quán)激勵(lì)，助力公司業(yè)績(jī)走出泥潭。

（責(zé)任編輯 傅旭東）endprint