赵素君(1982-), 女, 云南昭通人, 上海财经大学财经研究所博士研究生, 主要从事企业地理、城市网络研究, Email:
李妍(1988-), 山东济南人, 新西兰梅西大学管理学院博士研究生, 主要从事公司架构与治理、公司战略、股权投资与基金投资分析、行业投资分析研究
当前中国高新企业为了提高竞争力,对企业科技创新的投入逐渐提升。大量的高新企业通过股权激励形式促进企业进行研发投入,提高企业的经济效益。文章以2010-2017年发布股权激励方案的285家高新技术企业作为研究对象,通过对高管持股激励、高管股权配置以及企业研发投入同企业绩效相关性的研究,对股权激励方式、股权激励强度以及股权激励期限与研发投入的关联性进行了分析。在运用相关性以及回归分析得出结果后,可知股权激励可促进研发投入,可强化企业研发投入同企业绩效间的相关性。
At present, in order to improve the competitiveness of China's high and new enterprises, the strength of scientific and technological innovation is gradually improved. A large number of high-tech enterprises promote the investment of R&D through the form of equity incentive, and then enhance the economic efficiency of the enterprises. This paper analyzes the relationship between equity incentive and R&D investment, as well as the relationship between equity incentive, R&D input and enterprise performance by taking the above companies as analysis samples of equity incentive scheme from 2010 to 2017. The relationship among executive stock ownership incentive, executive equity allocation and R&D investment and corporate performance is analyzed. The relationship among equity incentive mode, equity incentive intensity, duration of equity incentive and R&D investment is analyzed. Finally, based on correlation and regression analysis, equity incentive can promote R&D investment, and strengthen the correlation between R&D investment and enterprise performance.
当前科学技术呈现快速发展的态势,不同国家的经济竞争力逐渐提高;提高科技创新力度,成为大多数国家发展经济的重要手段。技术进步是提升中国经济的重要方式,企业研发投入可加快技术进步。中国为了提高科技竞争力,出台了诸多政策鼓励企业进行研发投入[
当前的公司管理策略中存在股东同经理层间信息失衡的现象,当所有权同控制权存在分割状态后形成股东同经理层间的委托代理关系,也就产生了代理成本。管理人员持股是处理公司代理问题的重要措施,成为相关学者研究的热点。通过股权激励能够降低企业代理成本,会对管理人员产生一定的影响作用,同时也会影响企业研发投入。因此,对企业股权激励与研发投入的关联性进行研究具有重要的应用意义。
当前国内外相关学者对股权激励的分析,通常选取股权激励运行效果和干扰因素进行重点分析;在对股权激励水平进行评估时,通常采用管理层持股比例进行分析,该分析过程未对股权激励契约结构因素进行全面分析,获取的分析结果存在一定的偏差。因此,本文面向股权契约结构对股权激励同研发投入间的关联性进行分析。不间断的研发投入能够提高企业科技进步效率,增强企业价值。企业受到委托代理问题的干扰,管理人员会更看重自身利益的最大化,更加不重视研发投入。而企业股东会考虑到企业长远发展利益,督促管理人员通过研发投入提高企业技术能力,实现企业长远发展。因此,本文从股权激励契约结构的角度出发,深入研究研发投入的促进效应,进而确保企业规划出更加合理的股权激励策略,增加企业效益。
以往国内外相关学者通过研究发现,利用股权激励策略可确保企业管理人员采用高风险的研发投入策略。Knopf等研究企业业绩敏感性同风险偏好间的关联性指出,在其他条件稳定的状态下,企业管理人员对股票报酬率的感兴趣度能够提升其对高风险投资的兴趣度[
当前企业高管属性和企业属性是干扰企业研发投入的重要因素。学界对企业高管的经历、教育情况等属性进行研究,进而分析企业高管属性、经理自主权同企业研发投入间的关联性。同时也有诸多学者从企业管理治理方面分析公司治理因素同研发投入间的关联性。然而,已有研究尚未从股权激励契约角度分析股权激励契约结构要素同企业研发投入间的关联性[
本文基于股权激励契约结构对股权激励策略同高新企业研发投入间的关系进行分析。通常,公司股权激励策略涵盖的因素包括激励对象、手段、条件、周期、股权数据和价格等。本文为了提高不同确定元素对股权激励策略的价值度,将股权激励手段、数量、周期以及对象作为重点分析对象。当前中国公司股权激励契约结构用
股权激励契约结构模型
文章将2010—2017年发布股权激励方案的285家高新技术行业公司作为分析样本。首先对样本实施过滤处理,获取有价值样本。详细的处理过程如下:(1)过滤ST类和PT类上市公司以及终止上市公司;(2)过滤发行B股以及G股的公司;(3)过滤数据不足的样本和没有实施股权激励策略的公司;(4)过滤未采用股权期权以及限制性股票的股权激励策略的公司。
企业提高创新能力的关键措施是通过增加研发投入增强企业竞争力[
本文使用的股权相关数据均来自WIND数据库,例如股权增加的方式、数量、期限、研发投入数量,以及其他的公司基本数据,如公司规模、成长过程、股权集中度、董事会独立性、资本结构等。同时,通过巨潮资讯网查看上市公司宣布的股权激励方案,对给予高管的股权激励股份占全部激励股权总数的比例进行手动采集,比例结果就是股权激励对象分布。
假设1:股票期权和限制性股票是现在中国上市公司的两大股权激励方式,在检验股权激励方式和高新企业研发投入的相关性时,把股权期权设为1,限制性股票设为0。股权激励方式用虚拟变量来描述的多元线性回归方程为:
假设2:股权配置比例有达到极值的可能性。当未达到极值时,变动方向与高科技企业研发投入的方向相同。超过极值时,股权配置和比例与高科技企业研发投入的变动方向相反。由此可见股权配置比例和研发投入关系间呈倒U型关系。
假设3:企业的研发投入随着激励期限的增加而增多。
假设4:当股权激励数量一定时,高新技术企业股权激励给予对象越多,企业研发的投入度越大。
上述公式中:R&DInput
(1) 将研发投入、股权激励方式IM分别当成因变量和被解释变量。本文通过虚拟变量描述IM,分别用1和0描述采用股票期权取值和限制性股票取值。设置MS、TH分别描述股权配置比例和股权激励周期,通过公司股权激励总数在整体股份中所占的比例以及股权激励策略内有效的激励时间这2个值来表示。股权激励对象集中度用IO表示,主要用于计算股权激励策略内,高管层的激励股权数在整体激励股份数中所占的比例。
(2) 文章设置的控制变量主要包括公司成长性GR,公司规模SIZE,盈利能力ROE,股权集中度CR,董事长、总经理两职合一PLU,资本结构LEV(
控制变量描述
控制变量 | 符号 | 定义 |
公司成长性 | GR | 第t年及其前两年的全部资产平均增长率 |
公司规模 | SIZE | 第t年年初和年末全部资产的自然对数均值 |
盈利能力 | ROE | 第t年及其前两年不考虑特殊损益情况下的净资产收益率均值 |
股权集中度 | CR | 第t年前3大股东持股比例平方和均值 |
两职合一 | PLU | 用1和0分别描述第t年董事长兼任及不兼任总经理职务 |
董事会独立性 | IB | 第t年独立董事在董事会中所占比例 |
资本结构 | LEV | 第t年资产负债表内总负债同总资产的比例 |
研究变量定位Pearson相关系数检验
RDINPUT | IM | MS | TH | IO | GR | SIZE | ROE | CR | IB | PLU | LEV | |
注:*表示 |
||||||||||||
RDINPUT | 1 | |||||||||||
IM | 0.038 7 | 1 | ||||||||||
MS | -0.095 3 | 0.269 4*** | 1 | |||||||||
TH | 0.057 4 | 0.375 5*** | 0.087 4*** | 1 | ||||||||
IO | -0.006 9 | 0.008 9 | -0.095 7*** | -0.003 7 | 1 | |||||||
GR | 0.063 1*** | 0.046 7 | -0.064 2 | -0.008 9 | -0.086 5*** | 1 | ||||||
SIZE | 0.008 6 | 0.029 9 | 0.057 1 | 0.018 2 | -0.039 2 | 0.179 3*** | 1 | |||||
ROE | 0.072 6* | -0.058 4 | 0.028 8 | -0.009 5 | 0.074 3** | 0.028 8 | 0.297 5*** | 1 | ||||
CR | 0.093 5*** | 0.097 3* | -0.097 2*** | -0.006 7 | -0.095 5** | 0.265 1*** | 0.048 3 | 0.1764*** | 1 | |||
IB | -0.037 7 | 0.086 9* | 0.074 8* | -0.029 5 | -0.058 7 | 0.094 6* | -0.009 6 | -0.009 3 | 0.098 5** | 1 | ||
PLU | 0.064 8* | 0.001 7 | -0.098 6*** | -0.067 6 | -0.176 3*** | 0.082 8 | 0.076 8** | -0.052 8* | 0.084 2*** | 0.069 8 | 1 | |
LEV | -0.289 3*** | 0.076 7 | 0.178 3*** | 0.178 3*** | -0.186 1*** | -0.079 7** | 0.074 9 | -0.188 4*** | -0.277 2*** | -0.084 7 | 0.085 2 | 1 |
文章通过spass19.0统计软件实施皮尔逊(Pearson)相关性研究,结果如下。
由
模型1不同变量间皮尔逊相关系数情况
IO | MS | IM | ROE | LEV | SIZE | ||
注:**在0.01的水平(双侧)上显著相关。 | |||||||
IO | Pearson相关性 | 1 | 0.164** | 0.156** | 0.123** | -0.485** | 0.009 |
显著性(双侧) | 0 | 0 | 0 | 0 | 0.784 | ||
285 | 285 | 285 | 285 | 285 | 285 | ||
MS | Pearson相关性 | 0.164** | 1 | 0.216** | -0.096** | -0.272** | -0.205** |
显著性(双侧) | 0 | 0 | 0.007 | 0 | 0 | ||
285 | 285 | 285 | 285 | 285 | 285 | ||
IM | Pearson相关性 | 0.156** | 0.228** | 1 | 0.019 | -0.198** | -0.048 |
显著性(双侧) | 0 | 0 | 0.547 | 0 | 0.136 | ||
285 | 285 | 285 | 285 | 285 | 285 | ||
ROE | Pearson相关性 | 0.128** | -0.096** | -0.019 | 1 | 0.059 | 0.508** |
显著性(双侧) | 0.001 | 0.007 | 0.547 | 0.074 | 0 | ||
285 | 285 | 285 | 285 | 285 | 285 | ||
LEV | Pearson相关性 | -0.485** | -0.272** | -0.198** | 0.057 | 1 | 0.455** |
显著性(双侧) | 0 | 0 | 0 | 0.074 | 0 | ||
285 | 285 | 285 | 285 | 285 | 285 | ||
SIZE | Pearson相关性 | 0.009 | -0.215** | -0.046 | 0.502** | 0.455** | 1 |
显著性(双侧) | 0.784 | 0 | 0.136 | 0 | 0 | ||
285 | 285 | 285 | 285 | 285 | 285 |
由
模型2不同变量间的皮尔逊相关系数
ROE | MS | IO×MS | GR | LEV | SIZE | ||
注:**在0.01的水平(双侧)上显著相关;*在0.05水平(双侧)上显著相关。 | |||||||
ROE | Pearson相关性 | 1 | 0.116** | -0.055 | 0.274** | -0.298** | -0.218** |
显著性(双侧) | 0.001 | 0.086 | 0 | 0 | 0 | ||
285 | 285 | 285 | 285 | 285 | 285 | ||
MS | Pearson相关性 | 0.116** | 1 | 0.225** | 0.118** | -0.272** | -0.198** |
显著性(双侧) | 0.001 | 0 | 0.001 | 0 | 0 | ||
285 | 285 | 285 | 285 | 285 | 285 | ||
IO×MS | Pearson相关性 | -0.065 | 0.228** | 1 | 0.188** | -0.198** | -0.054 |
显著性(双侧) | 0.091 | 0 | 0 | 0 | 0.136 | ||
285 | 285 | 285 | 285 | 285 | 285 | ||
GR | Pearson相关性 | 0.274** | 0.118** | 0.188** | 1 | -0.537** | -0.227** |
显著性(双侧) | 0 | 0.001 | 0 | 0 | 0 | ||
285 | 285 | 285 | 285 | 285 | 285 | ||
LEV | Pearson相关性 | -0.298** | -0.275** | -0.196** | -0.537** | 1 | 0.455** |
显著性(双侧) | 0 | 0 | 0 | 0 | 0 | ||
285 | 285 | 285 | 285 | 285 | 285 | ||
SIZE | Pearson相关性 | -0.216** | -0.207** | -0.046 | -0.228** | 0.455** | 1 |
显著性(双侧) | 0 | 0 | 0.135 | 0 | 0 | ||
285 | 285 | 285 | 285 | 285 | 285 |
由
模型4中不同变量间的皮尔逊相关系数
IO | ROE | LEV | SIZE | ||
注:**在0.01的水平(双侧)上显著相关;*在0.05水平(双侧)上显著相关。 | |||||
IO | Pearson相关性 | 1 | 0.205** | -0.485** | |
显著性(双侧) | 0.000 | 0.000 | 0.785 | ||
285 | 285 | 285 | 285 | ||
ROE | Pearson相关性 | 0.205** | 1 | -0.298** | -0.218** |
显著性(双侧) | 0 | 0 | 0 | ||
285 | 285 | 285 | 285 | ||
LEV | Pearson相关性 | -0.485** | -0.296** | 1 | 0.458** |
显著性(双侧) | 0 | 0 | 0 | ||
285 | 285 | 285 | 285 | ||
SIZE | Pearson相关性 | 0.01 | -0.215** | 0.455** | 1 |
显著性(双侧) | 0.784 | 0 | 0 | ||
285 | 285 | 285 | 285 |
假设1的回归检验结果用
模型1回归结果
变量 | 变量名称 | 回归系数 |
注:*表示 |
||
IM | 股权激励方法 | 0.009 8** |
GR | 公司成长性 | 0.000 1** |
SIZE | 公司规模 | -0.000 1 |
ROE | 盈利能力 | -0.000 1 |
CR | 股权集中度 | -0.0000 1 |
PLU | 两职合一 | -0.009 9 |
IB | 董事会独立性 | 0.098 7** |
LEV | 资本结构 | -0.000 8*** |
常数项 | -0.004 9* |
|
YEAR | 控制 | |
调整 |
0.226 | |
9.86 |
假设2的回归检验结果用
模型2回归数据统计
变量 | 变量名称 | 回归系数 |
注:*表示 |
||
MS | 股权分配比例 | 0.006 8** |
MS2 | 股权分配比例平方项 | -0.000 6*** |
GR | 公司成长性 | 0.000 1** |
SIZE | 公司规模 | -0.000 1 |
ROE | 盈利能力 | -0.000 1 |
CR | 股权集中度 | -0.000 1 |
PLU | 两职合一 | -0.000 6 |
IB | 董事会独立性 | 0.098 8** |
LEV | 资本结构 | -0.000 9*** |
常数项 | -0.008 6* |
|
YEAR | 控制 | |
调整 |
0.219 8 | |
9.8 |
假设3模型过滤掉异方差后的回归结果用
模型3回归结果
变量 | 变量名称 | 回归系数 |
注:*表示p < 0.1;**表示p < 0.05;***表示 |
||
TH | 股权激励期限 | 0.007 8*** |
GR | 公司成长性 | 0.000 1** |
SIZE | 公司规模 | -7.93e-05 |
ROE | 盈利能力 | -0.000 1 |
CR | 股权集中度 | -0.000 1 |
PLU | 两职合一 | 0.000 8 |
IB | 董事会独立性 | 0.088 5** |
LEV | 资本结构 | -0.000 6*** |
常数项 | -0.017 3* |
|
YEAR | 控制 | |
调整 |
0.231 7 | |
12.26 |
模型4进行异方差调整后的回归结果用
模型4回归结果
变量 | 变量名称 | 回归系数 |
注:*表示p < 0.1;**表示 |
||
IO | 股权激励对象分布 | -0.084 7*** |
MS | 股权分配比例 | -0.004 6*** |
IO×MS | 交互项 | 0.019 6*** |
GR | 公司成长性 | 0.000 1 |
SIZE | 公司规模 | -0.000 1 |
ROE | 盈利能力 | 0.000 4 |
CR | 股权集中度 | 0.000 3 |
PLU | 两职合一 | -0.009 5* |
IB | 董事会独立性 | 0.087 6* |
LEV | 资本结构 | -0.000 6*** |
常数项 | -0.028 5 |
|
YEAR | 控制 | |
调整 |
0.175 3 | |
5.65 |
上述章节对研究模型实施了多重共线性和异方差检验,同时对模型实施了多元线性回归,分析结果表明文章设置的4个假设都成立。股权期权能够使高新企业研发投入比例增加,限制性股票同高新企业研发投入间具有负相关性。股权配置比例同高新企业研发投入间呈现倒U型关系,股权激励期限同高新企业研发投入间具有正相关性[
中国当前执行股权激励制度的公司数量还处于逐步提升过程,存在数据的失衡问题。为了提高分析精度,对全部样本公司的数据融合起来实施混合回归研究,结果用
股权激励对研发投入的干扰
变量 | 回归系数 | 变量 | 回归系数 | ||
注:***、**、*分别表示显著性水平为1%、5%、10%(2-tailed)。 | |||||
IO | 0.089 7*** | 10.68 | PLU | 0.008 6*** | 1.96 |
Incen | 0.291 5*** | 1.95 | CR | 0.001 7 | -0.74 |
Incen2 | -4.751 7*** | -1.62 | IB | 0.009 2 | 0.08 |
SIZE | -0.006 8*** | -11.13 | OMS | 0.000 6* | 0.91 |
LEV | -0.008 7** | -1.38 | TH | 0.007 3*** | 5.27 |
MS | 0.007 2 | 0.92 | Area | 0.000 9*** | 3.65 |
GR | -0.000 9*** | -1.75 | IM | -0.000 1 | -0.10 |
ROE | 0.007 5*** | 9.94 | |||
样本数 | 1 548 | ||||
Adj. |
0.25% | ||||
39.28 |
分析
股权激励同研发投资间的“倒U型”关系图
企业规模同研发投入间呈现负相关性,能够看出大企业对于创新投入的灵敏度较差,而小企业对于研发投入的灵敏度较高。公司规模对于资产总额波动性具有较高的干扰性,导致回归结果是负。负债比率(LEV)同研发投入间呈现负关联性,说明负债会约束企业的研发投入,负债越高,研发投入力度越低。只有企业财务状态良好,才能确保企业有能力进行研发投入以期增加企业效益。企业成长性(GR)同研发投入间具有负相关性,能够看出当企业的投资机会较少时,企业会考虑增加研发投入。研发投入同企业业绩(ROE)间具有正相关性,当企业业绩增加时,股票等企业激励产物的价值也会提升,此时企业高管对研发投入的兴趣度较高。公司董事长与总经理二职合一(PLU)对研发投入形成正向干扰效应,该种形式能够提高总经理的创新自主权,进而提高研发投入方案的制定和执行效率。独立董事比例(IB)值大的企业,对研发投入的兴趣度也越高。受到样本量等因素的干扰,本文IB变量未通过显著性检验。
根据样本公司的注册地区,研究经济发展水平不同地区公司股权激励对研发投入的干扰情况,其结果同全样本回归结果相同,发达地区和欠发达地区的公司股权激励对研发投入干扰情况相同,差别主要是在拐点位置,发达地区和欠发达地区的回归结果分别是3.45%和2.03%(
差异地区股权激励对研发投入的干扰
变量 | 发达地区 | 欠发达地区 | ||
回归系数 | 回归系数 | |||
注:***、**、*分别表示显著性水平为1%、5%、10%(2-tailed)。 | ||||
IO | 0.089 4*** | 10.11 | 0.097 5*** | 5.35 |
Incen | 0.284 6** | 1.25 | 0.852 7** | 1.82 |
Incen2 | -4.254 8** | -1.86 | -19.257 6*** | -1.57 |
SIZE | -0.007 6*** | -9.76 | -0.004 8*** | -4.66 |
LEV | -0.001 7 | -0.35 | -0.018 7*** | -3.83 |
MS | 0.018 4*** | 2.38 | -0.008 8* | 0.94 |
GR | -0.000 1 | -0.17 | -0.000 9* | -0.79 |
ROE | 0.009 6*** | 9.55 | 0.004 5*** | 2.65 |
PLU | 0.008 2** | 0.73 | 0.009 2*** | 1.82 |
CR | 0.000 4 | 0.08 | -0.004 6*** | -1.67 |
IB | 0.003 5 | 0.14 | 0.008 7 | 0.74 |
MS | 0.000 2 | 0.42 | 0.000 9** | 1.29 |
TH | 0.010 7*** | 5.36 | 0.002 8* | 0.75 |
IM | -0.001 0 | -0.99 | 0.000 7 | 0.81 |
样本数 | 152 | 58 | ||
Adj.R2 | 3.45% | 2.03% | ||
29.81 | 10.13 |
差异地区公司拐点的不同是因样本数量不同产生的。统计结果显示,在经济发达地区进行股权激励的公司为152个,在经济欠发达地区进行股权激励的公司有58个。经济发达区域的公司进行股权激励的数量较多。中国落后地区的企业应大胆尝试股权激励,增强企业的经济效益。基于上述回归结果能够得出,经济发展程度较低地区的企业对股权激励的反应较高,这些企业对于企业研发投入较为敏感,仅在期望的个人收益目标实现的情况下,才进行研发投入。
国有企业高管更加重视企业短期绩效和自由现金流,对收益时间长、风险高的研发投入兴趣较低,导致企业股权激励对研发投入的影响存在较高的波动性。同时国有企业股权激励运行过程中受到公司内部和国家监管,某些条件使得股权激励同研发投入间的曲线关系存在较高的波动。
基于公司的控股股东属性实施分组得到的股权激励对研发投入的回归结果用
差异控股下股权激励与研发投入的关系
变量 | 国有企业 | 非国有企业 | ||
回归系数 | 回归系数 | |||
注:***、**、*分别表示显著性水平为1%、5%、10%(2-tailed)。 | ||||
IO | 0.992 5*** | 6.61 | 0.174 8*** | 8.68 |
Incen | 0.486 1*** | 2.74 | 0.198 2* | 0.97 |
Incen2 | -3.167 2** | -1.90 | ||
SIZE | -0.004 7*** | -5.82 | -0.009 5*** | -9.82 |
LEV | -0.009 8** | -1.75 | -0.003 6 | -0.74 |
MS | -0.007 3 | -0.83 | 0.008 7* | 0.85 |
GR | -0.000 9** | -1.67 | -0.000 6 | -0.76 |
ROE | 0.005 0*** | 3.91 | 0.016 9*** | 9.60 |
PLU | 0.006 9*** | 3.25 | 0.004 5 | 0.83 |
CR | -0.003 7** | -1.56 | 0.000 5 | 0.10 |
IB | -0.003 5 | -0.18 | 0.004 8 | 0.29 |
MS | 0.000 3 | 0.62 | 0.000 7 | 0.75 |
TH | 0.002 6** | 1.49 | 0.009 1*** | 4.58 |
Area | 0.000 6* | 0.72 | 0.000 8*** | 3.27 |
样本数 | 579 | 862 | ||
Adj. |
0.091 | 0.187 | ||
11.14 | 29.63 |
综合分析上述研究的国有企业股权激励同研发投入间的线性关系可得,提高企业管理人员的股权含量,能够促使其增加研发投入力度。合理设置企业创新资源支配权和创新收益权,对企业产权激励以及产权进行优化,能够提高国有企业技术创新水平。
文章采用理论分析和实证检验,分析高新企业股权激励同研发投入间的关联性,获取的结论如下。
第一,面向企业高管实施股权激励,能够增强企业业绩。高管持股激励同企业绩效间存在正相关性,对企业高管实施股权激励可增强研发投入强度,而研发投入和企业绩效具有正相关性[
第二,高管股权激励方式在企业研发投入对企业绩效的影响上,并未显示出正相关性,股权期权能够使高新企业研发投入比例增加,而限制性股票同高新企业研发投入间具有负相关性。
第三,总体分析得出,企业研发投入同股权激励间呈现“倒U型”关系,运算获取3.38%是转折点。如果高管拥有股票数量占比低于公司股份的3.3%,股权激励对研发投入有积极的影响;反之股权激励对研发投入的积极效应较弱。因此,只有当股权激励处于最佳范围内,才能对研发投入形成促进效应。
第四,市场经济发达地区采用股权激励治理方案的程度明显高于欠发达地区。主要是市场经济发达地区的企业受到的竞争压力更大,使得企业对于研发投入的热情提升,但是欠发达地区的企业对于高风险的研发投入兴趣度较低,其股权激励对研发投入的促进效应较差。
文章通过相关性研究以及回归分析对高新企业股权激励同研发投入间的关联性进行了分析,得出股权激励可增强研发投入,促进企业绩效的优化[
第一,从国家角度分析可得,中国总体研发投入经费不足,政府应不断提高研发投入,鼓励企业实施自主创新和实施研发活动,降低企业研发投入压力。政府监管部门在对高新企业股权激励数量的合理性进行监督时,应给上市公司实施股权激励策略更大的自由度。政府应加强知识产权保护力度,确保企业处于增加研发投入和取得高绩效的良性运行环境。
第二,高新企业基于股权激励架构规划出合理的激励策略,提高企业研发投入力度。高新企业通过股票期权能够大大提高研发投入,将股权激励配置比例约束到合理区间,提高研发投入力度。企业同时延长股权激励周期和行权限制期,提高企业高管对研发的投资。高新企业股权激励的授予对象应包括企业高管、技术研发人员,能够增强企业高管对研发投入的促进效应。
第三,高新企业应塑造公司治理权力制衡体系,在公司中组建审计委员会等机构,对高管权力进行合理制约,解决高管基于自身利益降低研发投入的问题。塑造企业内外治理方案融合的治理权力制衡体系,增强高管股权激励对研发投入的促进效应。
第四,在企业制定和实施股权激励方案过程中,为了确保股权激励方案对研发投入激励效应的最大化,需要基于企业短期和长期业绩设置有效行权价格,确保企业高管通过长期业绩考核,提高对企业长远利益关注度,进而制定出促进企业可持续发展的方案。
第五,采取有效的股权激励模式,设置有效的股权激励股份比例。在进行股权激励方案设置时,应根据企业的实际情况采用有效的股权激励模式和股权激励强度,充分发挥企业股权激励的正向作用,提升企业效益最大化的空间,避免产生研发投入不足或过度投资等损害企业效益的现象。
夏芸.管理者权力、股权激励与研发投资:基于中国上市公司的实证分析[J].研究与发展管理, 2014, 26(4):12-22.
KNOPF J D, NAM J, THORNTON J H Jr. The volatility and price sensitivities of managerial stock option portfolios and corporate hedging[J].The Journal of Finance, 2002, 57(2):801-813.
CHAVA S, ROBERTS M R.How does financing impact investment? Rhe role of debt covenants[J].The Journal of Finance, 2008, 63(5):2085-2121.
吕长江, 张海平.股权激励计划对公司投资行为的影响[J].管理世界, 2011(11):118-126.
RICHARDSON S.Over-investment of free cash flow[J].Review of Accounting Studies, 2006, 11(2/3):159-189.
徐宁.高科技公司高管股权激励对R&D投入的促进效应:一个非线性视角的实证研究[J].科学学与科学技术管理, 2013, 34(2):12-19.
资星星.股权激励契约结构对高科技企业R&D投入的影响研究[D].哈尔滨: 哈尔滨工业大学, 2015.
巩娜.民营企业股权激励计划与研发投入关系分析[J].财经理论与实践, 2014, 35(1):96-102.
杨梅英, 熊飞, 管弦悦, 等.R&D投入对北京市中小型高新技术企业竞争力的影响[J].科学学研究, 2007, 25(S2):254-260.
晋盛武, 何珊珊.企业金融化、高管股权激励与研发投资[J].科技进步与对策, 2017, 34(22):78-84.
赵息, 林德林, 郝婷.财务资源冗余对研发投入的影响研究:股权激励的调节效应[J].预测, 2017, 36(3):36-41.
孙菁, 周红根, 李启佳.股权激励与企业研发投入:基于PSM的实证分析[J].南方经济, 2016(4):63-79.
杨春丽, 王西.高新技术企业股权激励绩效评价研究[J].河南社会科学, 2016, 24(8):42-50.
孙爱丽, 顾晓敏, 吴慧.研发投入对高新区集群企业创新绩效的影响[J].经济地理, 2017, 37(7):99-104, 145.
任海云.公司治理对R&D投入与企业绩效关系调节效应研究[J].管理科学, 2011, 24(5):37-47.