周磊 李煒煒

【摘 要】目前越來越多的上市公司為了吸引和留住人才實施股權激勵計劃，使得激勵對象的潛力充分發(fā)揮，從而促進公司業(yè)績的增長。本文選取2012年-2015年我國實施股權激勵計劃的上市公司作為研究樣本，采用滯后一年的公司業(yè)績數(shù)據(jù)，利用多元線性回歸等研究方法，通過實證分析我國上市公司股權激勵對公司業(yè)績產(chǎn)生的效益，從而進一步提出促進公司長期發(fā)展的建議。

【關鍵詞】股權激勵；公司業(yè)績；回歸分析

一、樣本選取及數(shù)據(jù)來源

本文認為預案實施股權激勵計劃或者由于某種原因終止實施激勵計劃的上市公司不能作為研究股權激勵效應的數(shù)據(jù)，只有已經(jīng)在實施股權激勵計劃的上市公司才能作為評價股權激勵效果的事實與依據(jù)。因此，本文選取2012年1月至2015年12月滬深兩市已公布實施股權激勵方案且截止2015年底正在實施股權激勵的A股上市公司為研究對象，數(shù)據(jù)來源于銳思數(shù)據(jù)庫，為保證數(shù)據(jù)的有效性，本文剔除了一下幾種樣本：（1）ST類公司，即由于其財務狀況異常，或已連續(xù)兩年以上財務虧損，如若將其納入研究樣本中會影響結(jié)論的一致性與可靠性；（2）數(shù)據(jù)庫中數(shù)據(jù)不全或者數(shù)據(jù)有誤的公司；（3）同時發(fā)行B 股和H 股的上市公司；（4）金融類上市公司，由于金融行業(yè)的上市公司財務數(shù)據(jù)具有特殊性，故應將其排除，最終剩下279家上市公司。同時，本文選取的財務指標是實施股權激勵計劃后一年的數(shù)據(jù)，即選取2012年-2015年實施股權激勵計劃的上市公司在2013年-2016年的財務指標。

二、變量定義

（一）被解釋變量

本文將每股收益期末攤薄作為衡量公司業(yè)績的指標，即被解釋變量。每股收益期末攤薄是指凈利潤扣除了非經(jīng)常性損益后的每股收益。如果公司凈利潤小，但每股收益期末攤薄較大，那么說明公司績效并沒有被過分稀釋，股價高，資本效率也高。

（二）解釋變量

本文將上市公司股權激勵比例，即股權激勵股票數(shù)量占公司總股本比例，作為解釋變量。根據(jù)委托代理理論，股權激勵的主要目標是促使激勵對象和股東利益趨于一致，從而提高公司績效。

（三）控制變量

在研究股權激勵對企業(yè)經(jīng)營績效的影響中，除了股權激勵比例會對公司績效有影響外，其他的一些如公司規(guī)模、資本結(jié)構(gòu)等也會對公司經(jīng)營業(yè)績產(chǎn)生影響。所以本文選取企業(yè)成長能力、資本結(jié)構(gòu)、股權集中度、公司規(guī)模作為控制變量。

三、研究假設與模型建立

從近五年股權激勵計劃實施的數(shù)據(jù)來看，我國越來越多的上市公司開始實施股權激勵計劃，這也說明了我國股權激勵計劃對公司的經(jīng)營績效存在著一定的促進作用。因此本文根據(jù)樣本和變量的設計，提出了相關假設：我國上市公司股權激勵計劃對公司的業(yè)績存在正相關關系。本文采用線性回歸模型對上市公司股權激勵效應進行實證研究。回歸分析法是基于大量數(shù)據(jù)，利用被解釋變量和解釋變量之間的關系，建立回歸關系的函數(shù)表達式。因此本文的線性回歸分析模型為：

四、模型分析與檢驗

（一）描述性統(tǒng)計分析（表1）

從表1中可知，樣本公司股權激勵比例的最小值是0.0002，最大值是0.0892，均值是0.0205，說明我國實施股權激勵計劃各公司股權授予的比例差別較大。樣本公司的每股收益期末攤薄的最小值為-1.41，最大值為1.68，均值為0.4211，說明實施股權激勵的公司業(yè)績表現(xiàn)差別較大。第一大股東持股比例，即股權集中度最小值為0.0438，最大值為0.7973，均值為0.3234，這說明實施股權激勵上市公司的股權集中度比較分散，但是總體股權集中度還是比較高的。總資產(chǎn)自然對數(shù)，即公司規(guī)模的最小值為0.1976，最大值為0.2631，均值為0.2187，可見樣本公司的公司規(guī)模差異并不是很大。

（二）相關性檢驗

表2 各變量間的相關性檢驗

注：*、**、***分別代表在10%、5%、1%的顯著性水平上顯著

從Spearman相關性分析中，我們可以得出以下結(jié)論：因變量每股收益期末攤薄與股權激勵比例和多個變量間有顯著的相關關系，包括與股權激勵比例、凈利潤增長率、總資產(chǎn)自然對數(shù)呈顯著正相關關系，與資產(chǎn)負債率在10%的置信水平上呈顯著負相關關系，基本符合預期判斷。從表中可以看出，本文設計的各個變量之間的相關系數(shù)都小于0.8，絕大多數(shù)在0.5以下，由此可以判斷本研究中存在多重共線性問題的可能性比較低，故可將所選變量同時納入回歸方程。

（三）回歸分析

通過SPSS21.0統(tǒng)計分析軟件對我國上市公司相關樣本數(shù)據(jù)進行回歸分析，結(jié)果如下表3所示：

由表3可知，在進行單變量分析時，股權激勵比例系數(shù)為2.750，p值為0.096，說明在10%的置信水平上，股權激勵比例與滯后一期的每股收益期末攤薄存在著顯著的正相關關系；判定系數(shù)R方為0.165，表明該模型的解釋變量可以解釋企業(yè)績效16.5%的變異程度。在給定的10%的置信水平下，P值為0.096，意味著每股收益期末攤薄與股權激勵比例的線性關系是顯著的。

在加入控制變量后，股權激勵比例系數(shù)為2.576，P值為0.070，說明公司經(jīng)營績效與股權激勵比例在10%的水平上呈顯著的正相關關系，驗證了前文的假設。在給定的10%的置信水平下，凈利潤增長率的回歸系數(shù)為0.090，P值為0.000，說明每股收益期末攤薄與凈利潤增長率存在著顯著的正相關關系；資產(chǎn)負債率的回歸系數(shù)為-0.308，P值為0.014，說明每股收益期末攤薄與資產(chǎn)負債率存在著顯著的負相關關系；第一大股東持股比例的回歸系數(shù)為0.211，P值為0.16，說明每股收益期末攤薄與第一大股東持股比例的相關性不顯著；總資產(chǎn)自然對數(shù)的回歸系數(shù)為7.139，P值為0.001，說明每股收益期末攤薄與總資產(chǎn)自然對數(shù)呈顯著正相關關系。

判斷系數(shù)R方為0.317，調(diào)整后的R方為0.304，模型擬合程度較好，表明該模型的解釋變量可以解釋企業(yè)績效30.4%的變異程度。雖然這里的判定系數(shù)和調(diào)整后的判定系數(shù)不是特別高，但是還是在可接受的范圍內(nèi)的。

殘差獨立性檢驗DW值為1.922，可認為殘差序列無自相關性，回歸方程可以說明被解釋變量的變化規(guī)律。一般來說，解釋變量之間的相關系數(shù)大于0.8時，可能會出現(xiàn)多重共線性的問題，因此本文存在的共線性問題的可能性比較小。多重共線性檢驗只要是通過對容差和VIF（方差膨脹因子）的值進行檢驗。若容差的值小于0.1或者VIF的值大于10就說明存在多重共線性。由上表可知，本文的容差都大于0.1且VIF小于10，因此本文中的解釋變量不存在多重共線性的問題。

在10%的置信水平下，模型的F值為25.327，P值為0.000，意味著加入控制變量后，該模型通過了顯著性水平檢驗，具有較好的解釋能力。

五、小結(jié)

本文以2012年-2015年我國成功實施股權激勵計劃的279家上市公司為樣本，以其2013年-2016年財務數(shù)據(jù)進行實證檢驗。實證結(jié)果表明：

（1）在未加入控制變量前，股權激勵計劃與公司經(jīng)營業(yè)績有著正相關關系，說明了對于我國上市公司來說，實施股權激勵計劃可以促進激勵對象工作效率，提高公司的績效，從而驗證了本文假設。

（2）加入控制變量后，凈利潤增長率即企業(yè)成長能力，對實施股權激勵的上市公司經(jīng)營業(yè)績表現(xiàn)為顯著正相關關系。凈利潤增長率反映企業(yè)規(guī)模擴張速度，公司的業(yè)績隨著凈利潤增長率的增加而增加。

總資產(chǎn)自然對數(shù)即公司規(guī)模，對實施股權激勵的上市公司經(jīng)營業(yè)績表現(xiàn)為顯著正相關關系，公司規(guī)模越大，治理結(jié)構(gòu)越完善，管理水平越高，經(jīng)營業(yè)績也就越高。資產(chǎn)負債率即資本結(jié)構(gòu)對實施股權激勵上市公司經(jīng)營業(yè)績表現(xiàn)為顯著負相關關系，資產(chǎn)負債率越低，公司業(yè)績也就越好。第一大股東持股比例即股權集中度對實施股權激勵上市公司的經(jīng)營業(yè)績具有不顯著的影響。

【參考文獻】

[1] 盧闖，孫健，張修平，向晶薪.股權激勵與上市公司投資行為——基于傾向得分配對方法的分析[J].中國軟科學，2015（05）：110-118.

[2] 陳艷艷.股權激勵能夠增加股東財富嗎？[J].暨南學報（哲學社會科學版），2016，38（03）：105-116.

[3] 朱培臻.股權激勵對我國上市公司績效及股價的影響[D].華東政法大學，2016.