一、 引言

近年来日益增长的高管薪酬成为公司治理领域的焦点。根据《中国企业家价值报告 (2007-2014)》的统计，2013年我国上市公司高管薪酬的平均值为81.81万元，比2007年的54.83万元增长了49.21%，是城镇居民人均可支配收入的30.35倍^①。高管薪酬过高作为贫富差距、收入分配不公平的一个缩影，其合理性备受争议，我国相继出台了一系列高管薪酬管制制度，但效果并不乐观。2014年8月，中央全面深化改革领导小组第四次会议审议通过了《中央管理企业主要负责人薪酬制度改革方案》，提出逐步规范国有企业收入分配秩序，对不合理的偏高、过高收入进行调整。高管薪酬再次引起了全社会的广泛关注和讨论。

①根据2007至2014年的《中国企业家价值报告》中的相关数据进行计算所得。

那么，究竟是什么因素引起高管薪酬的持续增长呢?传统的最优契约理论强调契约的有效性，即薪酬契约的薪酬-业绩敏感性问题，认为高管薪酬与企业的业绩之间存在正相关关系，高管薪酬的增长是高管才能的体现 (Jensen and Murphy, 1990)。然而Bertrand and Mullainathan (2001)的研究证据表明公司业绩当中含有“运气”成分，不完全是高管才能的体现。高管薪酬是受运气和才能两种因素的影响，支付的运气薪酬存在不对称性，业绩好时高管获得收益，但业绩差时并没有受到惩罚 (Garvey and Milbourn, 2006; Gopalan et al., 2010)。这一解释支持管理层权力理论，即管理层有能力影响自己的薪酬并运用权力进行寻租，权力越大操纵自身薪酬的能力越强 (Bebchuk and Fried, 2002,2005)。进一步研究发现，除了“运气”这一隐性的外部冲击因素之外，“同业参照”这一显性的外部冲击因素也是造成高管薪酬持续增长的重要因素之一。该种观点认为公司在制定高管薪酬契约过程中存在同业参照效应，即制定薪酬契约的机构 (董事会或薪酬委员会) 会参照相似公司管理者 (Peer Group) 的薪酬作为比较基准 (Benchmarking) 来设计本公司的高管薪酬契约，其中最常用的是行业薪酬基准或公司规模基准，当市场上的公司普遍采用这一比较基准时，就会形成比较基准与高管薪酬之间的螺旋式上升，进而产生乌比冈湖效应 (Lake Wobegon Effect)(Hayes and Schaefer，2009)。

既然运气、才能和同业参照都是高管薪酬的影响因素，那么哪个因素是最重要的呢?Brookman and Thistle (2013)利用三阶段固定效应模型估计了美国资本市场高管薪酬的影响因素，研究发现在同时控制高管固定效应、公司固定效应和时间效应的条件下，管理者才能是最重要的影响因素，其次是同业参照因素，而运气因素的影响并不显著。针对中国市场高管薪酬持续增长现象，是否有着同样的结论呢?当前，国内学者更多关注于高管薪酬业绩敏感性及薪酬契约设计的内部影响因素 (方军雄，2009；罗宏等，2014)，虽有少数研究涉及了诸如幸运薪酬 (沈艺峰和李培功，2010)、同业参照 (江伟，2010、2011；李维安，2010；徐细雄和谭瑾，2014) 等外部影响因素，但大多是将内部因素和外部因素进行独立研究，少数文献同时考虑运气和同业参照因素 (杨青等，2014)，但尚未有发现专门利用中国资本市场数据将同业参照、才能和运气这三个影响因素结合进行实证研究的文献。对此，本文以我国上市公司2008年至2013年的数据为样本，考察了同业参照、运气、才能这三种因素对高管薪酬的影响，并探究其在产权性质方面是否存在差异。研究目的是找出谁是高管薪酬最重要的影响因素，不同产权性质的企业具有何种表现，为进一步推进我国高管薪酬制度改革提供理论与经验支持。

本文的边际贡献在于：(1) 首次利用中国资本市场的数据，实证检验了同业参照、高管才能、运气因素对高管薪酬的影响，回答了不同产权性质下这些影响因素对高管薪酬影响的强弱程度，进一步丰富了对高管薪酬影响因素的认识；(2) 拓展了Gabiax and Landier (2008)的模型，在假定内外部影响因素同时存在的条件下，证明了我国上市公司的同业参照对高管薪酬的影响远高于运气和才能因素，验证了同业参照因素是高管薪酬最重要的影响因素；(3) 考察了不同产权性质下同业参照、运气和才能这三种因素对高管薪酬的影响，发现在国有企业中，同业参照因素对高管薪酬的影响最大，其次是运气因素，最后是高管才能因素；在非国有企业中，高管才能因素对高管薪酬的影响最大，其次是同业参照因素，最后是运气因素。这一研究结论与Brookman and Thistle (2013)的研究结论存在差异，更多地体现了中国市场自身的国情特征，研究结论具有较强的理论意义和现实意义。

本文余下内容安排如下：第二部分在理论分析的基础上提出研究假设；第三部分为研究设计；第四部分报告了本文的实证结果和稳健性检验；最后是本文的研究结论与建议。

二、 理论分析与研究假设

根据Gabiax and Landier (2008)的市场均衡模型，本文尝试建立理论基础如下：

假设市场中存在n家公司和m个高管人员，有n_*家参照公司。其中公司规模S是公司排名n的函数，记为S (n)，排名n越小代表公司规模S越大；高管才能T是高管排名m的函数，记做T (m)，排名m越小代表才能T越强；S (n_*) 代表参照公司n_*的规模函数；T (n_*) 参照公司n_*的高管才能函数；W (n) 代表n家公司支付给高管的薪酬。

公司选择高管的最优一阶条件为：CS(n)γT′(m)=W′(m)

Gabiax and Landier (2008)的研究发现，高管薪酬的增加具有同业参照效应，即因当有f%的公司高管薪酬水平为原来的λ倍，相似公司高管薪酬水平会增加按照Λ倍进行增加，其中：

Λ={f[(1-f)λ/(1-λf)]^1/(αγ-β)+1-f}^αγ

Bertrand and Mullainathan (2001)的研究证据表明，基于最优契约理论的高管薪酬中含有“运气”成分，随后Garvey and Milbourn (2006)、Gopalan et al.(2010)从高管薪酬与运气的对称性角度进一步验证了该结论。因此，我们将同业参照、运气因素引入Gabiax and Landier (2008)的市场均衡模型，对其做进一步修正。假设“运气因子”为δ，则最优高管薪酬可表示为：

$ W'\left(m \right)=CS\left(n \right)\gamma T'\left(m \right)\left(1+\delta \right){{\left\{ f{{\left[ \left(1-f \right)\lambda /\left(1-\lambda f \right) \right]}^{1/\left(\alpha \gamma -\beta \right)}}+1-f \right\}}^{\alpha \gamma }} $

(1)

在 (1) 式中同时包含了高管薪酬的才能、同业参照、运气三个影响因素，但究竟是哪一个因素对高管薪酬增长的影响最大，这取决于三种因素放在一起谁更占优于其他两方，也有待于研究者们在后期采取实证数据做进一步验证。

Yang and Yang (2009)利用中国资本市场的数据研究表明，我国上市公司高管薪酬存在同业参照效应。除此之外，Faulkender and Yang (2010, 2013)、江伟 (2010)、徐细雄 (2014)等也从同业参照角度对高管薪酬进行了研究，均发现如果上一年度公司高管薪酬低于同行业高管薪酬中值 (或均值) 时，本年度高管薪酬水平会显著增加。Terviö(2008)通过模拟才能分布的变动讨论了才能对高管薪酬的影响，研究发现高管才能越高，高管薪酬水平越高。沈艺峰和李培功 (2010)和杨青 (2014)的研究证据表明，我国上市企业中存在显著的高管运气薪酬现象，高管薪酬与运气之间呈现显著正相关关系。

Albuquerque et al.(2013)对显性外部冲击 (同业参照和运气) 的动机进行了修正，认为同业参照因素更占上风。Brookman and Thistle (2013)的研究发现，与运气和同业参照因素相比，管理者才能对高管薪酬的影响是最重要的，在控制其他条件不变的情形下，同行业公司CEO平均薪酬每增长10%，本公司CEO薪酬会随之增长1%。杨青等 (2014)研究发现，我国上市公司中，造成CEO薪酬持续增长的主要外部因素是集体辩护行为导致的“同业参照效应”，而不是运气因素。杨继东 (2013)利用中国资本市场2001-2007年的数据进行实证研究发现，经济变量与高管薪酬契约同业参照效应呈显著正相关关系，而与公司治理结构变量并不存在显著性关系，认为我国上市公司高管薪酬契约同业参照效应的使用是有效率的，符合人力资本理论。

Murphy and Zabojnik (2004、2007) 将高管薪酬的增长归因为高管在经理人市场上流动能力的增强。但是我国经理人市场还不够健全，经理人的流动还不像美国市场那样发达，尚存在影响经理人自由流动的制度障碍，主要体现在我国国有企业经理人市场在某种程度上受到管制，国有企业高管的任免权力主要掌握在相应级别的政府组织部门手中，而非股东根据自身利益从经理人市场选聘；高管的薪酬由政府部门制定，薪酬的业绩弹性不强。此外，我国的公司治理机制尚不够完善，经理人的才能与业绩、公司规模等的匹配度还不够高，影响了高管才能的充分发挥。因此，在经理人市场和公司治理机制不够健全与完善的情况下，各公司更倾向于参照同行业的薪酬标准来制定本公司的薪酬水平，其目的是为高管提供富有竞争力的薪酬水平，但容易造成行业薪酬标准的螺旋式上升，进而产生“乌比冈湖效应”。基于以上分析，本文提出以下假设：

假设1a：同业参照、高管才能、运气因素均与高管薪酬之间存在正相关关系

假设1b：同业参照对高管薪酬的正向影响高于高管才能和运气因素

长期以来，由于国有企业“内部控制人问题”的存在，其治理结构相对于民营企业而言比较弱化，国有企业管理者对薪酬契约的影响更大，容易发生自定薪酬行为 (杨蓉，2015)。而非国有企业的高管更多为外部职业经理人，公司治理结构相对也更为完善，大股东对高管的监督更为紧密与严格，非国有企业高管难以左右高管薪酬契约的制定。江伟 (2011)的研究发现，与民营上市公司相比，由于国有上市公司的治理结构更为弱化，由此导致国有企业更可能通过利用同业参照因素来提升高管薪酬水平。

尽管当前我国经理人市场不是十分完善，但非国有企业高管自由流动不存在障碍，经理人市场中的声誉机制相对有效，高管的选聘和薪酬制定也更多地受到市场的影响；而国有企业经理人市场是受管制的，使得国企高管无法通过市场自由流动机制获得更好的职位 (黎文靖等，2014)。李维安等 (2010)发现非国有企业高管薪酬水平与企业对经理人才能需求正相关，规模庞大、运营复杂或富于增长潜力的企业更愿意支付较高的薪酬以吸引高素质的管理者，而国有企业高管薪酬更多受经理人权力的影响。沈艺峰和李培功 (2010)利用中国上市公司的数据进行实证检验发现，较非国有企业而言，国有企业高管运气薪酬的现象更为严重；杨青 (2014)从实际控制人出发，发现相对非国有企业而言，国有企业CEO薪酬存在更为严重的“幸运支付”现象。

可见，在不同产权性质下，同业参照、才能、运气因素分别都会对高管薪酬产生影响，但是三因素共同对高管薪酬产生影响的情况下，谁是最重要的影响因素并没有直接的证据支持，有待于实证的检验与分析。因此，本文提出以下假设：

假设2a：与非国有企业相比，国有企业同业参照、运气因素对高管薪酬的正向影响较强，而高管才能因素对高管薪酬的正向影响较弱

假设2b：不同产权性质下，同业参照、高管才能、运气因素对高管薪酬影响的重要程度有待验证

三、 研究设计 (一) 样本与数据来源

本文的研究样本为2008年至2013年A股上市公司，因指标计算采取差分方式，实际上使用了2007至2013年的样本数据。在样本选取过程中，本文按照以下程序筛选：(1) 剔除金融类上市公司；(2) 剔除*ST、ST、PT公司；(3) 剔除财务数据及公司治理数据缺失的样本。为消除极端值的影响，对所有连续变量的上下1%分位采取了Winsorize处理，最终得到6122个样本观测值。本文所使用的研发费用数据来自于万德 (Wind) 数据库，其他数据均来自国泰安 (CSMAR) 数据库，最终控制人性质、高管特征变量来自年报手工查询与整理。本文选用MYDEA1.0软件处理高管能力测算过程中的数据包络分析 (DEA) 步骤，其余均用STATA12.0软件完成。

(二) 变量说明 1. 运气 (Perf)。

本文借鉴Bertrand and Mullainathan (2001)、Garvey and Milbourn (2006)、Gopalan et al.(2010)的方法，用行业的加权平均资产收益率作为工具变量的拟合值来衡量高管的运气变量。具体测算方法如下：

首先选取行业平均资产收益率 (剔除被计算企业自身资产收益率) 作为工具变量。行业平均资产收益率的计算公式如下：

ROA _ave=∑[(TA_{j, t}/∑TA_{j, t})*ROA_{j, t}] i, j∈M, j≠i

其中，ROA _ave为t年度里第i家公司所对应行业的加权平均资产收益率 (剔除被计算企业自身的资产收益率), i, j∈M表示i公司和j公司同属行业M; TA_{j, t j, t}为t年度第j家公司的资产收益率; j≠i保证了将i公司剔除在计算行业加权资产收益率之外。

然后，用行业平均资产收益率 (ROA _ave) 这一工具变量拟合公司的高管的运气 (Perf):

ROA_it=β₀+β₁ROA_ave+β_xX_it+β_y∑Year+ε_it

其中，ROA_it代表公司的业绩，X_it为控制变量，Year为年份固定效应，β₀、β₁、β_x、β_y的估计系数作为下一步模型中β₀^、β₁^、β_x^、β_y^的估计值。

Perf=β₀^+β₁^ROA_ave+β_x^X_it+β_y^∑Year，其中Perf为运气变量。

2. 高管才能 (Skill)

借鉴Demerjian et al.(2012)的做法，采用DEA-TOBIT两阶段模型来估算高管才能变量。第一阶段，运用数据包络分析 (DEA) 测算估算公司的效率 (θ)：

max_vθ=Sales/(v₁CoGS+v₂SG&A+v₃Fixed+v₄Intangible+v₅Goodwill+v₆R&D)

其中营业成本 (COGS)、销售及管理费用 (SG&A)、固定资产 (Fixed)、无形资产 (Intangible) 和商誉 (Goodwill) 作为投入变量 (Inputs)，营业收入 (Sales) 作为唯一的产出变量 (Outputs)。公司效率取值在0和1之间。

第二阶段，在测算公司效率 (θ) 的基础上，运用tobit模型测算高管的才能：

θ＝α₀+α₁Size_{i, t}+α₂MS_{i, t}+α₃FCF_{i, t}+α4Age_{i, t}+α₅Div_{i, t}+α₆ΣYear+ε_{i, t}

由DEA测算的公司效率可以用来近似地度量高管才能，但它同时包含了公司层面因素和高管层面因素，有可能会高估或低估高管才能。若要衡量高管才能，需要剔除公司层面因素的影响。本文选取5个指标来反映公司层面因素：公司规模 (Size)、市场份额 (MS)、自由现金流 (FCF)、上市年限 (Age)、多元化经营 (Div)；同时控制了年份 (Year) 固定效应。最后运用tobit模型进行回归得到的残差ε就是剔除了公司层面影响因素后的高管才能 (Skill)。

3. 同业参照 (PPE)

借鉴Brookman and Thistle (2013)的做法，选择同行业同年份内营业总收入为本公司0.5-2倍的公司作为可比公司群，并采用连续变量指标和虚拟变量指标两种方法来衡量参照点效应，其中用上一年可比公司群高管薪酬的中值与公司高管薪酬的差额作为同业参照的连续变量指标 (PPE1)，如果上一年公司高管薪酬低于可比公司群高管薪酬的中值，那么这个值为正，否则为负值；若上一年高管薪酬低于上一年可比公司群高管薪酬的中值则取值为1，否则为0作为同业参照的虚拟变量指标 (PPE2)。

解释变量：高管薪酬变化 (Dcomp)。参照学者江伟 (2010)、杨青 (2014)、黎文靖等 (2014)的做法，选取本年高管薪酬减去上一年高管薪酬，其中高管薪酬取前三名高管薪酬总额均值的自然对数。

控制变量：根据以往的研究 (江伟，2011；Brookman and Thistle, 2013；黄再胜，2015)，除了同业参照、高管才能、运气这些因素会影响高管薪酬外，公司规模、公司业绩、成长性、财务杠杆、股权集中度、管理层持股、两职合一、年份、行业等都会对高管薪酬产生影响。因此，在本文中，将其作为控制变量进行控制。具体变量定义见表 1所示。

(三) 模型设计

在研究中，为检验假设1a和1b，我们构建了回归分析模型 (1)，以检验运气、高管才能、行业参照对高管薪酬的影响，具体如下：

$ \begin{align} &\text{Dcom}{{\text{p}}_{\text{i, t}}}={{\text{ }\!\!\alpha\!\!\text{ }}_{\text{0}}}+{{\text{ }\!\!\alpha\!\!\text{ }}_{1}}\text{Per}{{\text{f}}_{\text{i, t}}}+{{\text{ }\!\!\alpha\!\!\text{ }}_{\text{2}}}\ \text{Skil}{{\text{l}}_{\text{i, t}}}+{{\text{ }\!\!\alpha\!\!\text{ }}_{\text{3}}}\text{PP}{{\text{E}}_{\text{i, t}}} \\ &+{{\text{ }\!\!\alpha\!\!\text{ }}_{\text{4}}}\ \text{Dro}{{\text{a}}_{\text{i, t}}}+{{\text{ }\!\!\alpha\!\!\text{ }}_{\text{5}}}\text{Dsiz}{{\text{e}}_{\text{i, t}}}+{{\text{ }\!\!\alpha\!\!\text{ }}_{\text{6}}}\text{Dgro}{{\text{w}}_{\text{i, t}}}+{{\text{ }\!\!\alpha\!\!\text{ }}_{\text{7}}}\text{Dle}{{\text{v}}_{\text{i, t}}} \\ &+{{\text{ }\!\!\alpha\!\!\text{ }}_{\text{8}}}\text{Dhh}{{\text{i}}_{\text{i, t}}}+{{\text{ }\!\!\alpha\!\!\text{ }}_{\text{9}}}\ \text{Dmshar}{{\text{e}}_{\text{i, t}}}+{{\text{ }\!\!\alpha\!\!\text{ }}_{\text{10}}}\ \text{Dua}{{\text{l}}_{\text{i, t}}} \\ &+{{\text{ }\!\!\alpha\!\!\text{ }}_{\text{11}}}\sum{\text{Year}}+{{\text{ }\!\!\alpha\!\!\text{ }}_{\text{12}}}\sum{\text{Industry}}\ +{{\text{ }\!\!\varepsilon\!\!\text{ }}_{\text{i, t}}} \\ \end{align} $

(1)

为了检验假设2a和2b，探讨运气、才能与同业参照因素对高管薪酬的影响是否存在产权性质方面的差异，在模型 (1) 的基础上进一步分产权性质进行分别检验。

四、 实证结果与分析 (一) 描述性统计

表 2列出了2008至2013年我国上市公司排名前三名高管薪酬均值的统计情况。从表中可以看出，我国上市公司高管薪酬的平均值从2008年的32.19万元增长到2013年的56.07万元，总计增长了74.18%，高管薪酬的中位值从2008年的24.62万元增长到2013年的44.23万元，总计增长了79.65%。说明2008至2013年我国高管薪酬呈现日益增长现象。从产权性质来看，国有上市公司高管薪酬的平均值从2008年的34.56万元增长到2013年的62.92万元，总计增长了82.06%，其中位值从2008年的27.37万元增长到2013年的51.89万元，总计增长了89.59%；非国有上市公司高管薪酬的平均值从2008年的28.74万元增长到2013年的52.12万元，总计增长了81.35%，其中位值从2008年的21万元增长到2013年的41.09万元，总计增长了95.67%。国有上市公司各年度的平均值、中位值均高于非国有上市公司，国有上市公司平均值的增长率也高于非国有上市公司，说明国有上市公司的高管薪酬在2008-2013年得到了显著的增长，增长的水平整体上高于非国有上市公司。

表 3列出了样本观测值的描述性统计。从表中可以看出，我国上市公司高管薪酬变化的平均值为0.104，说明上市公司高管薪酬整体上处于增长状态。运气变量的均值为0.042，说明上市公司高管薪酬存在运气成分。高管才能的均值和中位值都接近于0，这是因为高管才能是采用DEA-TOBIT两阶段模型估计的残值。同业参照 (PPE1) 的均值和中位值都接近于0，说明高管薪酬接近行业薪酬的中值水平。同业参照 (PPE2) 的均值为0.489，说明平均有48.9%的公司高管去年的薪酬是低于同行业的中值水平。其他变量的描述性统计情况具体见表 3所示。

表 4报告了相关系数分析结果。从表 4中我们可以发现高管才能、同业参照与高管薪酬均在1%的统计水平上显著正相关，运气变量与高管薪酬在5%的统计水平上显著正相关，这与假设1a和假设1b的预期一致，最终结果有待于进一步的实证检验。此外，表 4还显示除了PPE1和PPE2相关系数为0.770外 (同为同业参照指标，不同的衡量办法)，其余各研究变量之间的相关系数均未超过0.5，这表明本文的研究不存在严重的多重共线性问题。

(二) 实证分析

表 5报告了运气、高管才能、行业参照对高管薪酬影响的实证检验结果。我们分别检验了这三个因素各自对高管薪酬的影响，以及三个因素共同对高管薪酬的影响。由模型 (1) 可知，运气因素与高管薪酬之间存在正相关关系，但并没有发现统计水平上的显著性；由模型 (2) 至模型 (4) 可以看出，高管才能、同业参照因素均与高管薪酬存在正相关关系，并在1%的统计水平上显著，假设1a部分得以验证。由模型 (5) 和模型 (6) 可以看出，不论是采取连续变量还是采取虚拟变量衡量的同业参照因素，其对高管薪酬的影响都显著高于高管才能和运气因素，在这三个因素对高管薪酬的影响当中，同业参照因素对高管薪酬的影响最大，其次是高管才能因素，最后是运气因素，检验结果支持了假设1b。

这一研究结果与Brookman and Thistle (2013)的研究结论存在差异，最大的区别之处在于：本文研究发现同业参照因素是造成我国高管薪酬持续增长最重要的因素，而不是Brookman and Thistle (2013)研究发现的高管才能因素。研究结论的差异可能是基于以下几个方面原因：一是我国经理人市场还不够健全，经理人的流动还不像美国市场那样发达，尚存在影响经理人自由流动的制度障碍；二是我国公司治理机制不够完善，经理人的才能与业绩、公司规模的匹配度还不够高，影响了高管才能的充分发挥；三是我国在高管才能制度与治理机制不够健全与完善的情况下，更多地采取了同业参照因素提升高管薪酬水平，其目的是提供给高管富有竞争力的薪酬水平，一方面可以传递公司实力雄厚、业绩优良的信号，另一方面可以通过高额的薪酬吸引更多有才能的高管加入本公司。可见，不同的国情特征使得同业参照因素成为我国上市公司高管薪酬最重要的影响因素。

表 6报告了不同产权性质下同业参照、高管才能、运气因素各自对高管薪酬影响的实证检验结果。由模型 (7) 和模型 (8) 可以看出，国有企业运气因素与高管薪酬之间呈正相关关系，但并未发现统计水平上的显著性。由模型 (9) 和模型 (10) 的对比来看，非国有企业高管才能对高管薪酬的正向影响显著高于国有企业，非国有企业的高管才能每提高1%，高管薪酬将增长0.171%；国有企业高管才能对高管薪酬的影响较弱，仅在10%的统计水平上呈显著正相关关系。由模型 (11) 至模型 (14) 可知，无论是国有企业还是非国有企业，同业参照因素对高管薪酬的影响均在1%的统计水平上呈显著正相关关系；与非国有企业相比，国有企业更可能利用同业参照因素提升高管薪酬水平。假设2a得到部分验证。

表 7报告了不同产权性质下同业参照、高管才能、运气因素共同对高管薪酬影响的实证检验结果。由模型 (15) 的检验结果可知，在国有企业中，同业参照因素对高管薪酬的正向影响最大，其次是运气因素，最后是高管才能因素，模型 (17) 进一步验证了这一研究结论。由模型 (16) 的检验结果可知，在非国有企业中，高管才能对高管薪酬的正向影响最大，其次是同业参照因素，最后是运气因素，需要强调的是在非国有企业中并没有发现运气因素对高管薪酬的影响具有显著性关系，模型 (18) 进一步验证了这一结论。假设2b得以实证检验。

(三) 稳健性检验

为了提高研究结论和结果的可靠性，本文做了如下几个方面的稳健性检验，具体检验结果见表 8和表 9所示。

第一，借鉴Kato等 (2006)、黎文靖 (2010)的研究，高管薪酬变化指标按照 (企业当期高管薪酬-企业上期高管薪酬)/企业上期高管薪酬的公式重新计算，其中高管薪酬取前三位高管薪酬均值的自然对数，以作为被解释变量的替代变量，回归结果未发现显著差异。

第二，本文在选取公司业绩指标时采用了ROA，用股票收益率 (RET) 对其替换，然后重新计算高管的运气变量，再次对本文的结论进行检验，研究结果一致，增强了本文结论的稳健性。

第三，增加高管特征固定效应。Demerjian et al.(2012)认识到其所采用的DEA-TOBIT模型测算的高管才能存在着一定的问题：第一阶段的DEA估计的公司产出效率中的输入与输出变量存在一定的噪音，比如用账面价值衡量营业收入和营业成本，不同的公司可能衡量的标准并不一致，DEA背后的生产函数估计可能是不完整或不准确的；第二阶段在用TOBIT模型剔除公司层面因素时，如果公司层面因素设置的不完整则会夸大高管的才能。借鉴Demerjian et al.(2013)、Brookman and Thistle (2013)的做法，控制高管特征 (Manager) 变量，具体包括高管的年龄、性别、教育背景。然后带入原模型中重新进行回归。实证检验结果并未发生实质性变化，与上述研究结果一致，说明研究结论较为稳健。

第四，参照江伟 (2010、2011) 的做法，行业参照变量选取同行业同年份规模相近高管薪酬的均值进行重新计算，即用PPE3替换PPE1，回归的结果依然支持本文的研究结论。

第五，为了进一步考察公司固定效应带来的影响，我们将公司固定效应替换行业控制变量，并重新对模型进行了回归分析，实证结果依然未发生实质性变化，进一步支持了研究结论。

五、 研究结论与建议

本文基于我国上市公司2008年至2013年的数据，考察了运气、才能、同业参照因素对高管薪酬的影响。总体研究结果表明，同业参照和高管才能因素对高管薪酬均具有正向的影响，同业参照效应对高管薪酬的影响远高于运气和才能因素，“同业参照”因素是造成高管薪酬持续增长的最重要因素。进一步研究结果还发现，在国有企业中，同业参照因素对高管薪酬的正向影响程度最强，其次是运气因素，最后是高管才能因素；在非国有企业中，高管才能对高管薪酬的正向影响程度最强，其次是同业参照因素，最后是运气因素。以上研究结论与Brookman and Thistle (2013)认为才能因素是最重要因素的结论不同，更多地反映和体现了我国的自身的国情特征。

在新一轮国有企业高管薪酬规制改革的背景下，本研究对于高管薪酬制度改革的理论与实践操作均具有一定的启示。

第一，进一步健全职业经理人市场。在经理人市场上，经理人信息完备是必不可少的要件。在经理人信息中，不仅有潜在能力的信息，如教育水平、工作年限和经历等，更有实际能力的信息，如关系网络、社会责任、对企业的实际贡献；不仅有成功的信息，如被聘为独立董事、担任人大代表等，也有不成功的信息，如贷款诉讼、投资者低回报或无回报、被监管机构谴责等。如果经理人提供了不真实信息 (比如隐瞒自己的社会关系和失败经历)，将自动启动经理人市场中的“声誉机制”，为高管的甄别与筛选提供有力的支持与帮助。然而，当前国有企业职业经理人市场仍处于管制状态，高管的选聘以上级政府部门的任命为主，缺乏市场化的流动机制，较少从外部的职业经理人市场进行选聘，高管才能尚没有得以充分发挥。因此，需要政府积极推动与完善职业经理人市场，建立完备的职业经理人市场信息，充分利用经理人市场的声誉机制为公司选拔高素质的高管。

第二，重视同业参照因素带来的影响。本研究发现高管薪酬契约的制定会受同业参照因素的影响，尤其表现在当上一年度高管薪酬低于同行业的高管薪酬中位值时，国有企业薪酬制定者 (董事会或薪酬委员会) 更倾向于借助同业参照因素来拉动高管薪酬的增长，政策规制方和上市公司应重视同业参照因素对高管薪酬契约决策带来的影响。一是要进一步完善公司治理机制，在对管理者进行薪酬激励的同时，谨防对同业参照因素的过度使用，以免产生“乌比冈湖效应”；二是要进一步完善上市公司的信息披露制度，强化对薪酬契约制定中有关同业参照因素使用情况的信息披露，以降低信息不对称所带来的负面效应；三是加强对同业参照因素的理解与认识，合理使用同业参照因素，改变当前国有企业高管薪酬契约制定过多使用同业参照因素影响的局面，强化高管能力因素在高管薪酬契约中的的地位与作用。

第三，重视对国有企业高管运气薪酬问题的解决。当前国有企业高管薪酬存在着运气成分，如何对其解决具有十分重要的现实意义。一是采取市场调节和政府监管相结合。引入市场竞争机制，强化对高管才能的重视，高管薪酬契约制定中要更多体现高管才能因素，降低国有企业高管运气薪酬的地位，同时政府要进一步加强对垄断型国有企业高管薪酬的监管与改革，减少垄断型国有企业高管运气薪酬的份额与比例；二是激励机制与约束机制相结合。在运用薪酬激励手段对高管进行激励时，要将相应的约束机制结合起来，重考核、监督，薪酬能上也要能下，不能只增不减，将其薪酬与公司业绩变动情况紧密结合起来；三是公司内部治理与外部治理相结合。健全公司内部治理结构，完善公司内部治理机制，强化对高管运气薪酬的认识与管理，并将其与外部治理有机结合起来，特别是外部治理环境对高管运气薪酬的治理作用。

鉴于本文的局限性，本研究尚存在以下改进的空间：首先，本文实证研究中的高管薪酬变量仅包括工资、奖金等货币性薪酬，缺少对非货币性薪酬的考虑，特别是在职消费，如果将在职消费补充进本文的分析将提高研究结论的适用性。其次，由于缺乏高管薪酬契约决策过程和内容的信息披露，尚不能采取更为准确的匹配方法 (比如PSM和DID)，本文后期将收集高管薪酬契约的同业参照信息，用更为准确的匹配方法计算出同业参照变量。最后，在衡量高管才能变量上采用了间接衡量与部分直接衡量相结合的办法，衡量的指标尚有待进一步改进与完善，以提高研究结论的可靠性。