高级管理人员年龄结构与其工作绩效关系分析

《高级管理人员年龄结构与其工作绩效关系分析》由会员分享，可在线阅读，更多相关《高级管理人员年龄结构与其工作绩效关系分析（7页珍藏版）》请在装配图网上搜索。

1、高级管理人员年龄结构与其工作绩效关系分析安徽工业大学经济学院 李致平 肖转乔 李致平，男，45岁，安徽工业大学经济学院院长、教授。 肖转乔，女，25岁，安徽工业大学经济学院研究生。 本文系国家社科基金项目：“公司治理结构与绩效的实证研究”（项目批准号03BJL023）研究成果的一部分。摘要：年龄是人们最关心的劳动者的特征之一，本文通过对高级管理人员年龄结构比例及其工作绩效的分析，发现年龄结构比例与高级管理人员的工作绩效和薪酬水平显著不相关，而与公司规模显著正相关；另外，不同行业之间高级管理人员年龄结构也有一定的差异，最后本文指出，良好的脑力群体应有合理的年龄结构比例。关键词：年龄结构 脑力劳动

2、 工作绩效 公司规模Abstract: Age is one of the most concerned workers characteristics. In this paper we analyze the relation between the senior executives age structure and their performance. It finds that a senior executives age structure is unconcerned with their performance and their compensation, but it

3、is closely relevant to the firm size. It also studies that a senior executives age structure is different in different professions. At last, we point out that a good brain team should have a rational proportion of the age stucture. Key words：age structure; brain work ; operational performance; the f

4、irm size一、文献综述国内外学术界关于高级管理人员薪酬、持股等因素对公司绩效影响的研究较多，而关于高级管理人员的个性特征年龄结构对公司绩效影响的研究却不多见。年龄是影响高级管理人员工作绩效的重要因素之一，研究我国高级管理人员年龄与公司绩效，或许具有重要意义。本文尝试对中国上市公司高级管理人员年龄结构对其工作绩效的影响进行探索性研究。 国外关于这方面的文献主要有：20世纪50年代，美国学者雷曼用史料说明了一流科学家的业绩在2045岁这一阶段最容易体现出来；美国另一学者柏鲁兹得出博士和候补科学家的业绩分别在40岁和55岁左右各有一次高峰，而两次顶峰之间均大幅度低落而呈现除马鞍型曲线；Salt

5、house等（1994）和Fisk等（1996）得出工作记忆与年龄负相关；Harkey(1996)对普通航空事故进行了因果研究表明3539岁和4044岁两个年龄组飞行员群体间无明显差异；国际科学应用公司的Wochinger等（1997）用56个司机执行一项模拟的航行任务，发现年轻的比年老的在差错率和决策时间方面表现更好；日本学者森田松太郎曾对同一行业中各类公司成员的平均年龄与总资本利润进行了比较，发现由于企业成员年龄平均年龄的不同，同行业公司之间的业绩也有较大的区别。 国内关于这方面的文献主要有：刘新月等（1996）指出对工作行为的研究结论是：对脑功能要求较高的情况下，行为随年龄退化，但在从事

6、需要持续注意力和经验的工作时，老年依然不相上下；梁立明等（1994）、韦钦云（2000）、马科（2000）等对重大科学成果产出时其发现和发明者的年龄作了类似的统计分析，发现他们的年龄一般集中在2545岁；许小年等（1995）、赵庆昆（1997）、尹军等（1999）分别利用我国安徽省优秀教练员、云南省地震科技人才和120位中国优秀企业家个案得出了相似的结论；袁辉（1997）认为良好的应急决策群体应有一个合理的老中青年人员比例；王新等（1997）认为企业领导班子结构优化应形成阶梯式年龄结构；刘树林等（1998）曾开展过成员年龄和工作阅历对群体决策影响模拟研究的初步工作；尹军等（1999）、马科（2

7、000）和韦钦云（2000）等普遍认为人的能力随着年龄的增长而增长，到了一定年龄后，由于生理规律作用，人的能力则转为随着年龄的增长而下降；李琦（2003）实证分析得出年龄对高级经理人的薪酬水平没有什么影响；朱治龙、王丽（2004）实证说明了经营者年龄与公司绩效呈现负相关关系。本文通过运用SAS统计分析软件，并参考宋德舜（2004），以50岁为分界点，来实证检验高级管理人员1在国外此类的研究中，通常只考虑CEO的状况，而在中国特殊的环境，企业中所形成的委托代理关系将更为复杂。因此，在考虑CEO的同时，有必要将年报中公布的现任董事、监事及高管人员考虑在内。即本文所说的高级管理人员具体包括董事、监事

8、、CEO、总经理、总裁、副总经理、副总裁、总工程师、总会计师、总经济师、财务总监、董事会秘书等。年龄结构比例对公司绩效的影响。二、理论分析和研究假设年龄是影响脑力劳动工作绩效的重要因素之一，良好的脑力群体应有合理的人员年龄比例，但缺乏实验验证，本文参考宋德舜（2004），以50岁为分界点，本文尝试分析高级管理人员年龄结构与公司绩效的关系。关于脑力劳动的绩效与年龄关系，研究结论差异较大，有的认为脑力劳动的绩效是中间高两头低的“n”形曲线，有的认为人的能力是马鞍形曲线。因此，高级管理人员的年龄结构与公司绩效存在显著的关系，但影响方向不确定，这是一个实证问题，故有以下假设：假设1：高级管理人员中大于

9、等于50岁的占全部高级管理人员的比例与公司绩效显著相关。人力资本不仅具有个人私有的特征，而且具有极强的依附性，这种依附性的表现之一就是人力资本依附于人而存在并且以具有劳动能力为条件。随着人的年龄的增长，人力资本逐步入形成期、收益期和消失期。经理人作为企业的管理者，需要大量的企业经营管理才能，其薪酬应该与其累积的知识和技能相联系。高级管理人员人力资本的形成，只能按照人才成长规律实行逐级培养，通常不能跳跃其中的某些必要培养阶段，这是一个缓慢的、循序渐进的过程。因此，从这一方面看，高级管理人员随着年龄的增长，其管理经验会越丰富，管理技巧会越高，薪酬水平也会随之提高。但是高级管理人员的人力资本是容易贬

10、值的，在经历了成长期和收益期以后，其人力资本会随着年龄的增长而消失，其薪酬水平也会随之降低。因此，年龄与高级管理人员薪酬水平是有关系的，但正相关还是负相关是不确定的，于是，有如下假设：假设2：高级管理人员薪酬水平与其年龄结构有关系。从人力资本的角度看，公司规模越大，企业将在高度复杂的信息环境中，需要应对更复杂、更繁多的问题，这将要求高级管理人员具有更多的管理技巧和管理经验，而一般来说，高级管理人员随着年龄的增长，其管理经验会越丰富，管理技巧会越高。也就是说，公司规模越大，有经验的年老的高级管理人员越多，年龄大于等于50岁的年龄结构比例越大。所以，这里做出如下假设：假设3：高级管理人员的年龄结构

11、比例与公司规模显著正相关三、样本选择及变量定义（一）样本选择与数据来源本文以19992003年5个年度为研究区间，所以选取了1998年12月31日1 由于上市公司在1998年才开始普遍披露高级管理人员的报酬情况，但1998年度有些公司只披露了董事和监事的报酬情况，而对其他高级管理人员的报酬情况并未披露，而1999年以后各年份上市公司大都披露了全部高级管理人员的报酬情况，所以本文选取了1998年12月31日以前上市的公司为研究对象；另外，上市公司上市时间的资料来源：2003年上市公司速查手册中国证券报社编北京：新华出版社，20034以前在上海证券交易所上市的公司作为研究对象，研究的是5个年度的公

12、司绩效，另外，考虑到极端值对统计结果的不利影响，首先剔除了被证监会实施ST、PT处理的公司（五年中只要有一年被实施ST、PT处理过都要剔除掉），另外，为了减少统计分析的偏差，我们在进行了以上的剔除后的样本中选取了样本数较多的五个行业（机械设备仪表、金属非金属、批发和零售贸易、石油化学塑胶塑料、综合类）作为最终的样本数据，而其余行业的样本最多的也不超过25家，则本文中实际选取的有效样本为176家。研究所用的数据来源于来源于中国统计年鉴、证券之星网站（）、天同网（）、巨潮互联资讯网（）、各年年报的光盘等。为了使每年的分析结果具有可比性，本文使用截面数据和面板数据相结合（Panel-data）的方法

13、。Panel-data模型的一般形式为：，其中， ，k为解释变量的个数，为误差项。面板数据分析有多种方法，最常见的是所谓的固定影响模型和随机影响模型，但这两种模型都假设只有模型的常数项会随样本或时间发生变化，而自变量的系数则保持不变，而后者恰恰是我们要分析的，因而它们都不适合本文模型的估计。这里采用虚拟变量，来反映模型系数（可同时包括常数项和自变量系数）的变化。采用虚拟变量的好处是不仅可以了解模型系数的年度变化，而且可以通过测试虚拟变量系数的显著性，检验模型是否出现了结构性变化。（二）变量定义年度结构比例AGER=高级管理人员中大于等于50岁的人数/高级管理人员总人数；高级管理人员薪酬水平CO

14、M（单位：万元）=年度高级管理人员报酬总额/高级管理人员中领取薪酬的总人数；公司绩效指标选用了净资产收益率（ROE）、每股收益（EPS）和EVA1 经济增加值及其相关指标， 20002003年的数据是从证券之星网站（与斯腾思特公司联合推出的）收集得到的，但是没有收集到1999年的数据，1999年数据是从www.zhangxin.org网站收集到的，虽然他们在计算方法上有一点差别，但其本质是一样的，都是从经济利润的角度考虑的，并且笔者对两个网站2000年的数据作了相关分析，发现它们在1%的显著性水平下相关，因此，尽管19992002年数据的来源不同，但它们之间还是具有良好的可比性的，本文关于经济

15、指标的分析还是具有一定意义的回报率（SEVA经济增加值/总资本），从财务与经济两个不同的角度来衡量公司绩效2需要指出的是：在完美市场的假设下，两个角度的绩效指标会呈相同方向变动，但在现实的非完美市场与信息不对称的环境下，两类指标也可能会出现相反的变动趋势，此外，中国股市的高投机性与一些庄股的恶意炒作使我们放弃了对市场类绩效指标的选择。另外，SEVA指标只收集到19992002年度的数据。需说明的是，如果本文所采用的变量是用名义变量，为了使前后年度的指标变量具有可比性，我们必须考虑通货膨胀率，把名义值转化为实际值。例如：如果某个年度的公司绩效指标EPS为8.0，下一个年度的EPS值为8.3，从表

16、面上来看该公司绩效有所提高，但是如果第二年的通货膨胀率为5%，则实际公司绩效不但没有提高，反而降低了。因此我们在分析公司绩效时应剔除通货膨胀率的影响。本文的通货膨胀率采用的是居民消费价格指数（RPI，上一年=100），根据通货膨胀率的定义，可知通货膨胀率（或通货紧缩率）为（RPI-100）%的绝对值。本文计算通货膨胀率，是以1999年为基期，把价格指数进行转化得出的。当然，如果变量以比例或比率的形式出现，就没有这种影响了，如：公司绩效的其它两个指标就不需考虑通货膨胀率了。经过调整的高级管理人员薪酬水平和每股收益分别用ACOM、AEPS表示。同时，为了反映公司规模和行业特征的影响，引入控制变量和

17、哑变量。控制变量有公司规模LASIZE（用期末总资产的对数表示）和行业哑变量（如果属于该行业取“1”，否则取“0”）,机械设备仪表行业被用作控制行业（其规模最大），金属非金属、批发零售贸易、石油化学塑胶塑料、综合类四个行业分别用W1、W2、W3、W4表示。另外，面板数据的分析设置了年度虚拟变量作为控制变量，为了避免完全共线性问题的出现，五个年份我们定义四个虚拟变量，以1999年为基年，2000年用Y0表示，若该年度为2000年取“1”，否则取“0”，同理，2001年、2002年、2003年分别用Y1、Y2、Y3表示。四、研究的相关与回归结果（一）样本数据的描述性统计由表1可知从19992003

18、年年龄结构比例虽然差异不是很大，分别为42、40、39.4、38.6、38.1，但总体还是具有逐年减小的趋势，即样本公司高级管理人员小于50岁的占全部高级管理人员的比例逐年增大，说明我国高级管理人员的年龄结构的年轻化趋势；年龄结构行业之间也有一定的差异，机械设备仪表行业年龄结构比例最大为46，批发零售贸易行业年龄结构比例最低为33。从19992003年高级管理人员的人均薪酬水平逐年增大，这可能与理论界和实业界对高级管理人员激励作用的强调以及经验分析的结果说明薪酬水平影响公司绩效有关，公司为了提高公司绩效，加大了对高级管理人员的薪酬激励；行业之间的人均薪酬水平有很大的差异，综合类行业薪酬的均值最

19、高为10.37万元，石油化学塑胶塑料行业薪酬的均值最低为5.43万元，相差4.86万元。公司绩效从19992002年逐年下降，而到2003年又有所提高（2003年的SEVA指标缺省）；行业之间的公司绩效有一定的差异，绩效指标不同，差异稍微有所不同。从公司规模的对数值可以看出，从19992002年公司规模逐年增大，而到2003年又有所下降；不同行业之间的公司规模有一定的差异。表1：样本数据的均值统计表总体19992000200120022003W0W1W2W3W4AGER0.3980.420.400.3940.3860.3810.460.420.330.390.38ACOM7.964.455.3

20、87.759.5712.587.587.009.265.4310.37ROE6.389.197.395.774.574.955.817.016.145.907.41AEPS0.180.240.220.170.140.150.190.180.190.170.18SEVA2.239.721.31-0.98-1.14/3.511.311.212.712.19LASIZE20.920.821.021.121.220.520.8821.0020.8220.9720.83注：W0、W1、W2、W3、W4分别表示机械设备仪表行业、金属非金属、批发零售贸易、石油化学塑胶塑料、综合类（二）模型的建立及相关性分析

21、根据以上假设我们建立如下模型(其中P表示公司绩效指标)：(1) (2) 由表2相关性分析结果可知：面板数据年龄结构比例只与公司绩效指标SEVA在10的置信水平下显著正相关，而截面数据除了1999年公司绩效指标ROE、SEVA与年龄结构比例在10的置信水平下显著负相关和2003年公司绩效指标AEPS与年龄结构比例在5的置信水平下显著正相关外，基本上都是显著不相关的。人均薪酬水平只在2003年与年龄结构比例在10的置信水平下显著正相关。不管是截面数据还是面板数据，年龄结构比例都与公司规模在5的置信水平下显著正相关。因此，假设3成立，假设1和假设2基本不成立。表2：方程（1）的相关性分析年份ROEA

22、EPSSEVAACOMLASIZE1999-0.1351-0.12760.0439-0.10780.20842000-0.0111-0.04410.0038-0.05990.238620010.04560.00710.06620.02390.168220020.02490.02880.05530.06230.166620030.11320.1503/0.13030.2261总体0.03460.02610.06470.00110.1933 (三)回归结果及分析由表3可知：各年度ROE、ACOM的回归系数都不具有统计上的显著性，这可能是因为我们对年龄的分界点划分的不是很准确，或者是由于公司绩效的影

23、响因素很多，而高级管理人员的工作绩效只是部分的反映公司绩效，对公司绩效有所影响，或者是由于其它更复杂的因素造成的。我国的而公司规模的对数LASIZE的回归系数在各年度都具有统计上的显著性，这与假设3是一致的。控制变量行业虚拟变量的回归系数表明，高级管理人员中大于等于50岁的占全部高级管理人员的年龄结构比例还是有一定的差异的。另外，由表4和表5可知，以AEPS、SEVA为公司绩效指标其回归结果与表3类似，本文不再说明。表3、表4和表5是方程（1）的回归结果，即截面数据的回归结果，而表6是方程（2）的回归结果，即面板数据的回归结果。由表6可知：年龄结构比例与公司绩效显著不相关，与公司规模在1的置信

24、水平下显著正相关，由行业虚拟变量的回归系数可知不同行业年龄结构比例有显著性差别，由年度虚拟变量可知，2000年和2003年与1999年的年龄结构比例没有什么显著性差别，而2001和2002年与1999年的年龄结构比例有显著性差别。表3：方程（1）的回归结果的回归结果（以ROE为绩效指标）年份INTROEACOMLASIZEW1W2W3E41999-0.276-0.0030.00090.0402-0.0769-0.2204-0.1206-0.15892000-0.6090.0002-0.00350.0528-0.0208-0.1608-0.0882-0.08742001-0.3680.00170

25、.00040.0381-0.0167-0.1146-0.0599-0.07372002-0.3260.00030.00150.0363-0.0794-0.1257-0.0722-0.09842003-0.5470.00100.00100.0455-0.0481-0.0307-0.0212-0.0027注：*表示回归系数在10%的水平下是显著的，*表示在5%的水平下是显著的，*表示在1%的水平下是显著的，其中INT表示截距项的系数。本文其它部分同理，不再一一说明。表4：方程（1）的回归结果（以AEPS为绩效指标）年份INTROEACOMLASIZEW1W2W3E41999-0.285-0.095

26、70.00090.0405-0.0814-0.2206-0.1208-0.16472000-0.6310.0440-0.00280.0541-0.0191-0.1598-0.0846-0.08502001-0.2960.00140.00110.0347-0.0122-0.1134-0.0540-0.06922002-0.333-0.01190.00170.0368-0.0797-0.1253-0.0721-0.10012003-0.5020.05710.00080.0431-0.0476-0.0311-0.0192-0.0008表5：方程（1）的回归结果（以SEVA为绩效指标）年份INTROE

27、ACOMLASIZEW1W2W3E41999-0.331-0.00030.000070.0419-0.0748-0.2214-0.1210-0.16372000-0.5880.0007-0.00300.0518-0.0151-0.1624-0.0863-0.08172001-0.3000.00100.00070.0351-0.0100-0.1106-0.0543-0.06932002-0.333-0.00110.00140.0368-0.0785-0.1247-0.0714-0.0972表6：方程（2）的回归结果PintpacomlasizeW1W2W3W4Y0Y1Y2Y3roe-0.380.

28、00030.0010.04-0.05-0.13-0.07-0.09-0.02-0.04-0.05-0.03aeps-0.380.020.0010.04-0.05-0.13-0.07-0.09-0.02-0.04-0.06-0.04seva -0.360.00020.0010.04-0.04-0.15-0.08-0.10-0.02-0.04-0.05/注：第一列表示当方程（2）中公司绩效指标P分别为ROE、AEPS、SEVA时的回归结果五、结论及建议从文献资料来看，以年龄与业绩之间关系为课题的研究还不多见（邱明星，2000）。国外关于年龄对脑力劳动工作绩效影响的研究文献相对也不是很多，且一般年龄

29、跨度有限，没有确切的最佳年龄和变化曲线，结论笼统而不一致。我国这方面的研究起步更晚，研究个体的多，研究群体的少。通过本文的实证分析，尽管高级管理人员的年龄结构对其工作绩效没有什么显著的影响，但是关于年龄与高级管理人员工作绩效关系的研究，不仅具有现实的理论意义，而且具有深远的实践意义，从理论上说，年龄是脑力劳动工作绩效的重要影响因素之一，不同行业，不同的任务和场合，影响差异很大。因此，良好的脑力劳动群体应有合理的年龄比例，我们应提倡建立老中青相结合的年轻化年龄结构。参考文献：1朱治龙、王丽上市公司经营者个性特征与公司绩效的相关性实证研究J财经理论与实践，2004，3：46502 宋德舜国有控股、

30、最高决策者激励与公司绩效J中国工业经济2004，3：91983李琦上市公司高级经理人薪酬影响因素分析J经济科学2003，6：1131274 岳洪江、张琳、梁立明基金项目负责人与科技人才年龄结构比较研究J科研管理2002，11：1001065邱明星试析人的年龄与企业业绩之间的关系及规律J开封大学学报2000，3：41446尹军、过家兴对安徽省优秀教练员年龄结构的研究J安徽体育科技1999，4：15197刘树林、席酉民成员年龄和工作阅历对群体决策影响的模拟研究J西北大学学报（自然科学版）1998，28：4694728赵庆昆地震科技人才发挥创造力的最佳年龄段J中国科技奖励1997，2：18199袁辉

31、应急决策群体的组织J安全1997，1：111410许小东、黄擎明中国优秀企业家特征综合研究J浙江大学学报（人文社会科学版）1995，2：728311 Irene Rose PragerAge difference and conformity in juror decision-making ,199512 Harkey, Julie Anne YatesAge-related changes in pilot human performance variables contributing to general aviation accidents, 199613 Rudolf WHMPonds; MPJVan Boxtel; Jellemer Joller. Age-related Changes in Subjective Cognitive Functioning,2000本文属于微观经济学通讯地址：安徽省马鞍山市 安徽工业大学经济学院（243002）联系电话：0555-2400653E-mail： agdlzp