薪酬激励对信息披露质量的影响/安玉琢 刘笑一 马立民

　　四、研究设计

　　（一）样本选择与数据来源

　　本研究以我国2011—2016年深市上市公司为样本进行实证检验，通过对样本的选择与处理，最终得到3613个观测值，基本覆盖了各年份主要行业的各类企业。上市公司薪酬激励数据来源于色诺芬数据库，信息披露质量为深交所公布的上市公司信息披露考评结果，其余数据来源于国泰安数据库。数据处理与分析使用EXCEL和SPSS Statistics 17.0完成。

　　（二）变量定义

　　1.被解释变量。这主要指信息披露质量。本文选用深交所信息披露质量考核评级结果，该考评面向深交所上市公司，从其信息披露内容、运行的规范程度和是否受到监管处罚进行综合考量，具有一定的权威性。考评结果从高分至低分为四个等级。本文参考陆正飞等学者的做法，将四个等级分别赋值为4、3、2、1，用虚拟变量DIS表示。

　　2.解释变量。借鉴我国学者王生年的做法，高管薪酬激励程度使用高管团队年度薪酬前三名总额的自然对数进行测度，用虚拟变量PAY表示。

　　3.调节变量。这主要指高管背景特征。本文选取年龄（AGE）、性别（GEN）和学历（EDU）这三类容易测度且较为精确的数据来考察高管背景特征在薪酬激励与信息披露质量之间的调节效应。高管团队的年龄采用平均值，性别采用高管团队中的男性比例进行量化，高管团队学历水平采用平均值，高管学历水平从低到高赋值为1、2、3、4、5，分别代表中专及以下、大专、本科、硕士、博士。

　　4.控制变量。由于影响企业信息披露质量的因素较多，为了更加准确地验证假设1—4，本文加入股权集中度（LS）、盈利能力（ROE）、公司规模（SIZE）、资产负债率（LEV）和公司业绩（PEF）作为控制变量，同时，在模型中还加入了年度虚拟变量（YEAR）。

　　（三）模型设计

　　为研究高管薪酬激励与信息披露质量之间的关系，验证假设1，构建如下模型：

　　DIS=0+1PAY+2LS+3ROE+4SIZE+5LEV+6

　　PEF+7YEAR+　i（1）

　　为验证假设2、3、4，引入高管背景特征变量和高管激励的交互项，分别构建如下模型：

　　DIS=0+1PAY+2AGE+3PAY×AGE+4LS+5

　　ROE+6SIZE+7LEV+8PEF+9YEAR+　i（2）

　　DIS=0+1PAY+2GEN+3PAY×GEN+4LS+5

　　ROE+6SIZE+7LEV+8PEF+9YEAR+　i（3）

　　DIS=0+1PAY+2EDU+3PAY×EDU+4LS+5

　　ROE+6SIZE+7LEV+8PEF+9YEAR+　i（4）

　　五、实证结果及分析

　　（一）描述性统计分析

　　通过对模型中的变量进行描述性统计和相关性分析可以看出，样本公司的信息披露质量（DIS）的均值为3.108，中位数为3，说明近五年上市公司的信息披露质量比较稳定。管理层薪酬为高管成员前三名报酬总额的自然对数，平均值为14.221，最大值与最小值相差3.722，标准差为0.633，这侧面反映出我国上市公司对高管采取的薪酬激励手段存在较大差异。此外，高管背景特征方面，高管团队成员的平均年龄接近48岁，说明就目前而言，我