【作 者】
穆庆榜（副教授）
【作者单位】
（河南工业大学管理学院，郑州 450001）
【摘 要】
【摘要】 本文首先揭示了高管特征构成及其影响投资决策的路径，并通过主成分分析、因子分析和多元线性回归分析得出：高管特征主要通过决策能力、决策意愿和决策环境来影响投资决策，其中高管年龄、连任届数对关联交易、委托理财等影响较为显著。因此，基于年龄和理性改善决策环境能达到上市公司高管投资决策的管理创新。
【关键词】 企业管理；投资决策；因子分析；多元回归；管理创新
一、引言
众所周知，高管决策对企业效益的改善及公司的长远发展具有不容忽视的影响。在给定决策环境和决策时机的情况下，高管特征无疑已经成为投资决策正确与否、可靠与否、灵活与否的关键因素。因此，研究公司高管的哪些特征在起作用、作用强度有多大、如何作用的问题，对于提高我国公司高管决策的可靠性与灵活性，改善企业绩效，提高投资收益，具有重要的理论价值和现实意义。
针对该问题，国内外学者进行了大量的相关研究。其中，对于投资过程中人的因素，以Baum（1994），Sherman HD.和Kashlak RJ.（1998），Barker & Mueller（2002），Leonard（2002），Daniel（2005），Casson（2006）等为代表的国外学者研究发现，决策者自身特征差异会对决策结果产生不同影响，学历较高的高管在处理信息方面表现更佳；投资效率与高管年龄负相关，与高管任期正相关；高管年龄越大，投资行为的短视现象就越显著，效率就越低。而以龚光明和曾照存（2013）、花贵如和刘志远等（2005）、孙海法和姚振华等（2006）、刘运国等（2007）、毕新华和张鹤达（2007）等为代表的国内学者。研究发现，高管任期与公司投资存在一定的相关关系，并确定了影响企业投资决策诸多因素中最主要的因素。
随着研究的不断深入和研究范围的逐步扩大，以何威风和刘启亮（2010）、徐经长和王胜海（2010）、康艳玲和黄国良等（2011）、吴斌和刘灿辉等（2011）、吴德军和黄丹丹（2013）、黄新建和黄能丽等（2014）为代表的国内学者，开始关注并深入研究高管特征对企业绩效、公司财务重述行为、公司成长性、研发投入、环境绩效、研发投资效率等方面的影响。石晨曦（2014）等则对高管的风险偏好、过度自信对其投资决策的影响进行了理论分析和实证检验。Qin和Bo（2012）发现高管的级别越高，掌握的公司股票规模越大，对其实施的股票期权激励额度越小。此外，Kim H-S（2013）研究了高管特征和宏观经济形势对高管的盈余管理、薪酬激励的影响。
由此可知，国内外现有文献对于高管特征与投资决策的相关研究，已经取得了大量成果。然而到目前为止，这些仍未揭示高管特征的内涵，尤其是对于高管的哪些特征影响其投资决策、影响有多大、如何影响等问题研究不足。基于此，本文以我国上市公司为例，采用各种研究方法，对其进行调查、分析和检验，为我国上市公司高管改善投资决策和提高公司绩效提供参考。
二、研究方案设计
1. 概念模型构建。基于已有研究成果，在本文所建高管特征影响投资决策的概念模型中，高管特征被界定为高级管理人员的年龄、性别、教育背景等；投资决策被界定为高级管理人员对投资时机、投资对象、投资金额的选择等，能够与高管特征及其投资决策互动的是投资的内外环境。其中，投资的内外部环境既能影响到高管特征的形成与变化，也能受到来自高管特征变化的影响；投资决策既能影响投资的内外部环境，也受到投资内外部环境的影响。因此，在给定高管特征和投资决策的内外部影响环境的情况下，可以清晰地揭示高管特征对其投资决策的影响方式。具体如下图所示：
2. 传导路径分析。本研究中，高管特征是从职位代码、职称代码、连任届数、性别、年龄、学历、任期长短、平均年薪、独立董事比重和兼职情况十个方面来间接衡量的；投资决策是用资产出售金额、资产交易价格、托管理财金额、首次借贷金额、关联交易金额、决策通过率六个变量来衡量的。
由此可知，投资机会的发现有赖于高管人员对前期信息的处理情况，需要决策者具有相关的机会识别能力和认知能力，而这与高管人员所接受教育的程度及其学习能力密切相关。高管的年龄和任期对公司长期投资决策有何影响？学者们的研究结论较为一致。他们一般认为，年长的高管更加保守，喜欢实行低增长战略，且倾向于对风险的回避；年轻的高管则更加喜欢冒险，他们倾向于增加投资，因为他们对其职业前景有更长远的预期。
3. 研究假设。根据前面的文献综述和机理分析可知，在我国现行绩效考核体制下，高管职位越高，职称越高，高管越有权力也更愿意做出扩大或减少投资规模、改变风险承受能力的决策。高管连任届数越多，任期越长，其积累的经营与管理经验越多，做出正确决策的概率越高，越容易被股东大会接受。高管的学历越高，其管理能力提升的速度可能越快。同时，高管年薪越高，其越有可能在管理实践中激发自己的潜力，对投资规模和投资质量的把握越趋于准确。高管中男性比例的高低、高管年龄的高低与其投资决策也有相当密切的关系。在公司治理结构尚需完善的公司中，高管兼职的现象尚有一定的普遍性，高管兼职越多，兼职职位越高，公司中独立董事的比重越低，高管群体做出的决策通常缺乏充分论证，其投资决策的质量和规模也越容易出现这样或那样的问题。
基于此，可以提出如下研究假设：
H1：高管职位或职称与其投资决策显著正相关。
H2：高管连任届数或高管任期与其投资决策显著正相关。
H3：高管的平均年薪或平均学历与其投资决策显著正相关。
H4：高管层中男性比例、高管年龄与其投资决策显著正相关。
H5：高管兼职职位、公司独立董事的比重与其投资决策高度相关。
4. 样本选择。本文以我国上市公司为样本来源，以我国上市公司高管为问卷发放对象，依据证监会最新制定的《上市公司行业分类指引》中对我国上市公司行业的划分，使样本在采矿业、电力、热力、燃气及水生产和供应业等13大行业之间合理分布，共获得320个样本公司。以此作为问卷发放的对象，调查对象是所挑选的企业中的公司董事长、总经理等企业高管。
5. 数据来源与说明。本研究中所用数据主要来自问卷调查，部分缺失数据来自国泰安金融数据库中上市公司研究系列中的公司研究数据。除此之外，还对我国部分上市公司进行了走访，与这些公司的高管进行了充分的交流，主要探讨了高管年龄、职业经验等与其投资决策之间的关系，获得了一些定性分析时需要的资料。
设计调查问卷时，针对问题的提法、问卷回收后量化指标分析等方面，对整个调研报告的大纲进行了认真梳理，进一步明确了研究思路。在问卷的发放和回收上，根据样本总数，从每个公司中选择5位高管作为调研对象，并根据实际情况进行了灵活调整，实际发放问卷1 600份，实际收回问卷1 003份，其中有效问卷214份。
6. 变量设置。根据上文高管特征影响其投资决策的传导机理，对于高管特征所用的测量变量设置，以及对于投资决策所用的测量变量设置，如下表所示：
其中，职位代码越大，职位越高；职称代码越大，职称越高；兼职职位代码越大，兼职职位越高；平均任期越长，取值越大；平均学历越高，取值越大；独立董事比重越高，其取值越大。根据调查问卷直接转化而来的职位代码、职称代码、兼职职位代码归入定距数据，对于经过简单平均计算的、由问卷数据录入直接转化而来的数据，归入定距数据；对于根据问卷录入数据的比值转换而来的数据，归入定比数据行列。平均年薪（X8）的单位为万元。所列变量将由问卷调查直接得来的数据与之对应，如资产销售额、资产交易额、委托理财额、关联交易额、首次借贷等，归入定距数据行列，将根据调查所得数据所整理出来的比值归入定比数据行列。Y1 ~ Y5中单位为百万元。
三、计量统计与分析
本节统计计量分析包括三个部分：一是对样本数据进行相关性分析；二是对样本数据进行KMO检验和球度检验，并进行因子分析；三是对样本数据进行回归分析。
1. 描述性统计。为了从总体上对高管特征及其投资决策进行描述，现在运用统计软件SPSS18.0对我国上市公司的高管特征及其投资决策进行描述性统计。结果显示，绝大部分变量取值的标准误差都在0.5以下，表明数据无异常，变量设置可行。
2. 相关性分析。本节主要是进行数据处理，在进行回归分析之前，首先运用EXCEL2010对用于衡量高管特征的自变量之间的相关性进行分析，以剔除其交互影响对最终计量结果的影响。其次，对用来衡量高管投资决策的变量之间的相关性进行分析，结果显示，自变量之间的相关系数90%以上都低于经验值0.3，由此认为其交互影响对最终计量结果的影响非常有限，可以用于后续的计量分析。用于衡量高管投资决策的因变量之间的相关系数多数超过了0.3这个经验水平，故可采用因子分析降低这种相关性，以降低其对最终计量结果的影响。
3. 因子分析。基于以上分析，笔者运用SPSS18.0对因变量进行因子分析。结果表明，在KMO检验和球度检验（KMO and Bartlett"s Test）中，KMO值达到0.6，超过了0.5的经验水平，说明各因变量之间的相关性较高，球度检验中Chi-square值也远大于1，这说明因子分析可行。在总方差解释度（Total Variance Explained）中，前三个因子的累积贡献率已超过经验水平70%，前四个因子的累积贡献率超过了统计上默认的水平85%，但由于第四个因子对应的特征根取值较小，故不予考虑，只提取前三个公因子：
Fac1=0.947Y5+0.929Y3+0.731Y4-0.055Y2+0.08Y1+0.036Y6 （1）
Fac2=0.025Y5+0.031Y3-0.140Y4+0.766Y2+0.698Y1-0.005Y6 （2）
Fac3=-0.082Y5-0.048Y3+0.238Y4+0.077Y2 -0.086Y1+0.978Y6 （3）
其中，Fac1主要衡量了关联交易额、委托理财额和首次借贷额，Fac2主要衡量资产交易额和资产销售额，Fac3主要衡量了高管决策被股东大会通过的概率。旋转后的三个因子之间的协方差均为零，这说明公因子提取成功，可用于后续的回归分析。
4. 回归分析。数据处理的回归分析主要包括三个部分：一是分析高管特征对其在关联交易额、首次借贷额和委托理财方面投资决策的影响；二是揭示高管特征对其在资产交易额及资产出售额等方面投资决策的影响；三是探讨高管特征与其决策被股东大会上批准通过概率的相关性。
（1）对高管特征与关联交易额、首次借贷额及委托代理额之间的关系进行回归分析，结果显示，未调整可决系数为0.514，调整后为0.347，用于衡量高管特征的10个变量对其关于关联交易、首次借贷和委托代理的投资决策具有较强的解释能力。F值为3.070，sig（F）为0.009，用于衡量高管特征的自变量与其关于关联交易、首次借贷和委托理财的投资决策之间存在显著的线性关系。变量X1、X5、X8对关于关联交易、首次借贷和委托理财的投资决策影响系数均通过了显著性水平为10%的t检验。此时，该回归方程可以整理如下：
Fac1=-8.332+0.286X1+0.055X2-0.192X3-2.129X4+0.102X5-0.403X6+0.119X7+7.216×10-6X8-0.048X9+0.006X10 （4）
由式（4）可知，高管的平均年龄越高，高管的平均年薪越高，其关于委托理财、首次借贷和关联交易的投资规模可能越大；连任届数越多、高管中的男性比例越高、高管平均年龄越高、兼职职位越高，高管对于委托理财、关联交易和首次借贷的投资强度越大、投资愿望越弱。
（2）对高管特征与高管在资产销售和资产交易方面的投资决策之间的线性关系进行回归分析，结果显示，虽然自变量对因变量的解释能力达到了53.1%，但F值较小，sig（F）也较小，这说明高管特征与高管关于资产交易价格的确定和资产交易规模的确定方面的决策之间不存在显著的线性关系。与此同时，在用于衡量高管特征的十个自变量中，其对资产交易额决策和资产交易价格决策的影响均未通过t检验，这说明高管特征与高管基于资产交易额决策和资产交易价格决策的投资决策之间也不存在显著的线性关系。
根据该回归分析可知，高管特征与其投资决策之间不存在显著的线性关系，但变量X2、X3、X4、X5、X9、X10均与高管基于这两方面的决策正相关。变量X1、X6、X7、X8与高管基于这两方面的决策负相关。
（3）对高管特征与其决策在股东大会上的通过率进行回归分析，结果显示，自变量对解释变量的解释力度达到了38.9%，但F值仅达到0.574。这说明用于衡量高管特征的自变量与其投资决策通过率之间不存在显著的线性关系，与F对应的统计量sig（F）高达0.800。部分t值异常，且所有的sig（t）均较大，说明这些回归系数均未通过显著性检验，即使是在默认的5%的显著性水平下也未通过t检验。
由这组回归分析结果可知，高管特征与其投资决策之间的线性关系不被数据支持。但该计量结果表明，高管的职位越高，职称越高，平均学历越高，平均任期越长，平均年薪越高，公司中独立董事的比重越高，其投资决策被股东大会认可并通过的概率越大，也说明减少高管连任的届数、提高公司高管中女性的比重，有利于改善公司治理结构。
四、计量结果与解释
1. 计量结果。由计量分析可知，关于委托理财、关联交易和首次借贷的投资决策，高管的职位、职称、年龄、年薪和公司独立董事比重等高管群体的特征与之正相关，高管的连任届数、男性比重、平均学历及兼职职位与之负相关。但其中只有高管的职位、平均年龄、平均年薪三方面的高管群体的特征对高管的投资决策的影响是显著的。关于资产交易额确定和资产交易价格确定的高管投资决策，高管的职称、连任届数、男性比重、平均年龄及兼职职位与之正相关，高管的职位、平均学历、平均任期、平均年薪及独立董事的比重与之负相关，但这些相关关系均不显著。关于高管投资决策被股东大会通过的可能，高管的职位、职称、平均学历、平均任期、平均年薪及高管群体中独立董事的比重与之正相关，连任届数、男性比重、兼职职位与之负相关，但这些相关关系均不显著。因此，H1、H2、H3、H5得到验证，拒绝了H4。
2. 计量结果解释。本研究对结果的解释主要从统计学视角和经济学视角两方面开展，且二者对于计量结果的解释相互补充。
从统计学视角来看，之所以出现如上的统计分析结果，主要原因在于：①调研范围限制。本文调查问卷的范围主要是我国上市公司高管群体，未对非上市公司开展调研，使样本的调研范围受到了一定限制，这对计量结果产生了一定影响。②数据完整性的影响。本文所用数据大部分来自调查问卷，部分数据来自公司年报材料，但仍有一部分数据存在缺失现象。在统计计量分析中，对于缺失数据采用的是以同列内其余数据的平均值替代的，这可能对计量结果产生了一定影响。③考虑到上述两个因素的有限影响，用于衡量高管特征的一些变量与用于衡量高管的投资决策的变量在实际上可能也不存在研究假设里所提出的相关关系或因果关系。
之所以获得了以上计量结果，也可以从经济学、管理学方面来理解：①决策能力、决策意愿和决策环境的作用。高管的决策能力越强，越可能做出正确的投资决策。高管的职位越高，职称越高，高管群体中男性的比例越高，平均年薪越高，在公司内外激励的影响下，高管做出决策的意愿可能越强烈，使得这几个方面的高管特征对其投资决策的影响越突出。我国上市公司的公司治理结构大部分都需要进一步完善，上市公司高管兼职现象越是严重，或者高管群体中独立董事的比重越低，公司治理的完善程度越低，使得高管在这种环境下做出的决策往往受到股东大会的质疑，高管的投资决策被股东大会通过的概率可能越低。②投资决策影响因素复杂性的作用。在影响投资决策的诸多因素中，本文提取的十个高管特征可能只是影响投资决策众多因素中的一部分，同时也可能不是影响投资决策的最重要的因素，使得部分高管特征与其投资决策之间的关系不是那么显著。
五、结论
通过上述研究笔者发现，影响高管投资决策的高管特征主要是高管职位、高管职称、高管连任的届数、高管群体中男性的比重、高管群体的平均年龄、高管群体的平均学历、高管群体的平均任期、高管群体的平均年薪、高管兼职职位的高低和公司中独立董事的比重十个方面。高管特征通过影响高管的投资决策能力、决策意愿和决策环境来间接影响高管的投资决策。高管群体的平均年龄与高管在关联交易、委托理财和首次借贷方面的投资决策之间的相关系数均高于经验水平，高管连任届数与高管在资产交易规模、资产交易价格方面的投资决策之间的相关系数也都超过了经验水平。在其他方面，高管特征与高管的投资决策之间的相关系数均比较小，即表明其对高管投资决策的影响有限。
因此，可以从高管的职称、职位、学历、年龄，尤其是投资决策的理性等方面着手，通过改善高管的决策能力、决策意愿和决策环境，来改善我国上市公司高管投资决策的管理创新能力。
主要参考文献
龚光明，曾照存.公司特有风险、管理者风险特质与企业投资效率——来自中国上市公司的经验数据［J］.经济与管理研究，2013（11）.
花贵如，刘志远, 郑凯.机构投资者是股票市场影响实体经济的助推器吗——基于投资者情绪对公司资本投资的视角［J］.经济与管理研究，2015（2）.
孙海法，姚振华，严茂胜.高管团队人口统计特征对纺织和信息技术公司经营绩效的影响［J］.南开管理评论，2006（6）.
刘运国，刘雯.我国上市公司的高管任期与R&D支出［J］.管理世界，2007（1）.
康艳玲，黄国良，陈克兢.高管特征对研发投入的影响——基于高技术产业的实证分析［J］.科技进步与对策，2011（8）.
吴斌，刘灿辉，史建梁.政府背景、高管人力资本特征与风险投资企业成长能力：基于典型相关方法的中小板市场经验证据［J］.会计研究，2011（7）.
吴德军，黄丹丹.高管特征与公司环境绩效［J］.中南财经政法大学学报，2013（5）.
黄新建，黄能丽，李晓辉.高管特征对提升企业R&D投资效率的影响［J］.重庆大学学报（社会科学版），2014（3）.
石晨曦.有关投资者风险偏好对风险投资决策的影响［J］.合作经济与科技，2014（13）.
【基金项目】 国家自然科学基金青年项目“基于动态合作博弈的多主并方并购策略研究”（项目编号：71403081）；河南工业大学高层次人才基金“不完全信息下双主并方合作善意的并购策略实验研究”（项目编号：2013BS014）；河南省教育厅人文社会科学研究项目“河南省科技投入绩效评价指标体系研究”（项目编号：2014-qn-035）；河南工业大学人文社会科学创新人才培育项目“河南省粮油企业兼并重组策略研究：基于产业融合与动态合作博弈的视角”（项目编号：2014SKCX02）
