官术网_书友最值得收藏!

1.3 公司特征與有財務任職經歷的CEO的任命

1.3.1 實證模型

為了檢驗公司特征對任命有財務任職經歷的CEO的影響——回答誰選擇了有財務任職經歷的CEO的問題,我們建立回歸模型為:

其中,F&Ai, t表示新任CEO是否有財務任職經歷。如果新任CEO有財務任職經歷,則F&Ai, t=1;否則F&Ai, t=0。Xi, t-1表示CEO變更前一年的公司特征向量。首先,我們假定Φ為Logistic分布,運用Logit模型進行回歸分析;然后,在穩健性檢驗部分,我們假設Φ為正態分布,運用Probit模型重新進行回歸分析,以保證研究結論的穩健性。β為公司特征的回歸系數,如果某些公司特征變量的回歸系數在統計上顯著,則說明它們對有財務任職經歷的CEO的任命有影響。在回歸分析過程中,我們首先單獨檢驗財務特征對有財務任職經歷的CEO任命的影響,然后單獨檢驗資本運作和公司治理特征的影響,最后將全部變量代入模型,檢驗這些特征的共同影響。

1.3.2 實證結果

我們利用非ST樣本組對模型(1-1)進行Logit回歸分析,回歸結果如表1-3所示。從表1-3的回歸結果可以看出,無論是一個方面公司特征單獨回歸,還是多個方面公司特征一起回歸,實證結果是基本一致的。我們以第(3)列為例,對回歸結果進行說明:資本結構(Leverage)的回歸系數顯著為負,說明在非ST公司中,負債率越低的公司任命有財務任職經歷的高管為CEO的可能性越大。公司業績(ROA)和成長機會(Tobinq)的回歸系數均顯著為負,說明在非ST公司中,盈利能力越差、成長機會越少的公司任命有財務任職經歷的高管為CEO的可能性越大。并購重組變量(M&A)的回歸系數顯著為正,說明資本運作越頻繁的公司任命有財務任職經歷的CEO的可能性越大。其余財務指標和公司治理指標的回歸系數均不顯著,說明在非ST公司的CEO任命事件中,現金持有、債務期限和盈余管理等財務特征及公司治理特征并不會顯著影響有財務任職經歷的CEO的任命。同時,前任CEO財務任職經歷變量(Pre-F&A)的回歸系數也不顯著,說明前任CEO的財務任職經歷不會影響新任CEO在任職經歷方面的選擇。

表1-3 誰選擇了有財務任職經歷的CEO:非ST公司

注:括號內為P值;*、**、***分別表示在10%、5%、1%水平上顯著;標準誤差經過公司層面聚類調整。

以上實證檢驗結果表明,在非ST公司中,資本結構、盈利能力、成長機會和資本運作頻率等方面的公司特征對有財務任職經歷的CEO的任命具有重要影響。負債水平越低、盈利能力越差、成長機會越少和資本運作越頻繁的公司,越傾向于任命有財務任職經歷的高管為CEO,以期利用CEO的財務任職經歷,提高公司的負債水平以獲得更多的可支配資本,通過資本運作進入更好的業務領域,增大公司的成長機會,提升公司的盈利能力。

我們對ST樣本組進行類似的回歸分析,回歸結果如表1-4所示。從表1-4可以看出,資本結構(Leverage)的回歸系數顯著為正,債務期限結構(Mature)的回歸系數顯著為負,說明在ST公司中,負債率越高、債務期限越短的公司任命有財務任職經歷的高管為CEO的可能性越大。該結果與非ST公司具有顯著的差異性。可能的原因是:對于ST公司來說,負債率越高、長期負債越少意味著公司的資金鏈越緊張、財務風險越大,公司股票被退市甚至陷入財務困境的可能性也越大,此時更需要一位熟悉銀行與證券市場、擁有財務專長的CEO合理地調整和管理公司債務。此外,除成長機會(Tobinq)變量邊際顯著(p值在0.15左右)外,其余財務指標和公司治理指標的回歸系數均不顯著。

表1-4 誰選擇了有財務任職經歷的CEO:ST公司

注:括號內為P值;*、**、***分別表示在10%、5%和1%的統計水平上顯著;標準誤差經過公司層面聚類調整。

以上實證檢驗結果表明,在非ST公司中,資本結構和債務期限結構對有財務任職經歷CEO的任命具有重要影響,負債水平越高、債務期限越短的公司越傾向于選擇有財務任職經歷的高管為CEO,以保證公司不陷入財務困境。

1.3.3 穩健性檢驗

為了驗證研究結果的穩健性,我們進行兩個方面的穩健性檢驗。

1.重新定義有財務任職經歷的CEO

前文將曾擔任財務負責人、財務總監、首席財務官和總會計師職務的CEO界定為有財務任職經歷的CEO,為了不失一般性,我們重新將有財務任職經歷的CEO界定為曾擔任以下職務:財務處處長、財務科長、財務科科長、財務負責人、財務總監、財務部部長、財務部經理、首席財務官、總會計師。在新得到的CEO變更樣本中,有財務任職經歷的CEO的數量略有增加,總體上看,新得到的CEO變更樣本分布與原樣本分布的變化較小。根據重新界定的有財務任職經歷的CEO變量,我們進行上述所有的回歸分析,研究結果保持不變。

2.重新設計實證模型

前文假定Φ為Logistic分布,從而選擇Logit回歸,而實證研究常用的二值響應模型還有Probit模型,因此我們假定Φ為正態分布,利用Probit模型重新進行上述所有回歸分析,研究結果保持不變。

主站蜘蛛池模板: 五峰| 紫云| 沐川县| 区。| 鞍山市| 大新县| 横山县| 抚顺市| 云梦县| 顺平县| 肥西县| 新乡县| 怀宁县| 湘乡市| 凤翔县| 正定县| 嵊泗县| 阳西县| 民和| 布拖县| 万州区| 牙克石市| 桂阳县| 茶陵县| 宣恩县| 尤溪县| 如东县| 固始县| 金阳县| 莒南县| 呼伦贝尔市| 乐都县| 从江县| 攀枝花市| 五莲县| 九江县| 石城县| 大城县| 于田县| 汉寿县| 民和|