公司技术效率影响原因思考范文

本站小编为你精心准备了公司技术效率影响原因思考参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

1引言

自世界信息化革命以来，信息产业迅速发展，极大地推动了世界经济的发展。中国的信息技术行业经过20多年的高速发展，产业规模已居全球第二位，成为信息产业大国，信息企业已成为我国经济发展的先锋，其产值增长速度远大于整体工业的增长速度。2006年的美国国际数据公司(IDC)《软件及IT服务业对中国经济的贡献》的研究报告指出，信息技术行业在中国经济发展中正发挥着越来越重要的作用。但前期文献对信息技术产业技术效率的研究多集中在行业和地区层面上，，而较少从微观主体的角度来研究技术效率的高低及其影响因素。吴顺祥和张长海(2010)采用Malmquist生产率指数法计算了我国上市公司的2002－2009年间的技术效率及其不同构成的变动，结果发现，尽管多数公司的全要素生产率有所提高，但整体水平仍不高;需要从重视技术和提高管理水平两个方面提升企业的技术效率［1］。Hambrick和Mason(1984)认为高管团队成员不同的认知基础、价值观、洞察力以及这些特质的作用过程会影响到组织的决策与绩效［2］。因此，本文拟在吴顺祥、张长海(2010)的基础上，依据高阶理论研究高管特质对企业技术效率的影响。

2文献回顾与研究假设

2.1高管界定

鉴于高管是一个比较宽泛的概念，有必要先对高管的范围进行界定。国内外不同的学者曾对高管进行了不同的界定，其中:Wiersema和Bantel(1992)将高层管理团队成员确定为董事长、首席执行官、总裁、执行副总裁、副总裁等公司的高层管理者［3］;Suteliffe(1994)和Boeker(1997)直接向CEO进行问卷调查，由其确定参与公司战略决策或是直接向他汇报的高级经理这两类人员作为高管团队的成员;Eisenhart(1990)和Knight(1999)通过与CEO的深度访谈来确认参与公司具体战略决策的高级经理，并最终确定高管的成员;魏立群、王智慧(2002)等将高层管理团队的成员界定为具有总经理、首席执行官或者总裁头衔的高级管理人员以及那些具有副总经理、副总裁、总会计师或者首席财务总监等头衔的高级管理人员［4］;黄昕等(2010)将高管团队成员界定为:具有董事长、董事、独立董事、经理、副经理、财务负责人、技术负责人、董事会秘书等头衔的高级管理人员［5］。考虑到我国公司治理中对监事会的重视，以及高管特质数据的易得性，本文的高管包括董事、经理以及监事等。

2.2高管教育水平与公司技术效率的关系

尽管存在个体差异性，正规的教育仍是提高管理人员的认知和思维水平以及工作能力的主流方法。创造性、逻辑思考的严密性、信息处理能力、团队协作能力等都可以通过正规的教育得到提高。此外，高学历的高管可能拥有较宽阔的眼界、更丰富的信息、较高层次的社会关系网络，从而能更好地把握公司的发展，更有效率地领导整个公司，提高公司的技术效率。Wally＆Baum(1994)认为教育水平越高，其信息处理能力、接受新事物的能力会更强;他们发现获得大学学位的CEO比受过较低水平教育的CEO在信息处理能力和勇于接受改变方面表现更佳［6］。Bantel和Jackson(1989)对银行业高管与企业创新关系的研究中发现，高管团队平均受教育水平与企业创新显著正相关［7］。Wiersema和Bantel(1992)对随机抽取1980年美国《财富》杂志上100家制造业大型公司进行的研究表明，高管团队的平均受教育水平与公司战略的改变呈现显著正线性相关关系［3］。此外，Shipilov和Danis(2006)从社会资本视角进行的研究发现:教育水平较高的高管团队将会比教育水平较低的高管团队拥有更多的社会资本，而高管团队所拥有的社会资本是取得最优公司绩效的关键因素。国内学者孙海法等(2006)对中国纺织业和信息技术业上市公司进行的研究也证实，高管团队平均教育水平与公司绩效和企业成长能力显著正相关［8］。李凯等(2007)研究发现董事长和总经理的学历水平与托宾Q值显著正相关［9］。文芳等(2009)发现高管所受教育水平和其技术职业经验都对公司R＆D投资强度具有显著的正向作用力［10］。黄昕等(2010)的研究发现高管团队教育水平对企业成长性有积极的显著影响［5］。康艳玲等(2011)也发现高管的教育水平与R＆D投资正相关［11］。王颖(2003)等实证分析结果表明:不同学历背景的高层管理者会通过不同的经营策略显著影响企业的绩效，但影响程度不大［12］。但张慧、安同良(2006)实证结果表明，中国上市公司董事会成员的学历分布与公司经营业绩的关系，除金融行业两者之间呈现低度正相关关系外，其余行业均不存在相关关系［13］。因此，公司董事长和CEO受教育水平越高，将可能从能力和资源两个方面提高企业的技术效率。由此，本文提出如下研究假设:假设1:董事长受教育水平与公司效率呈正相关关系。假设2:CEO受教育水平与公司效率呈正相关关系。

2.3高管年龄对公司技术效率的影响

高管的年龄对于其决策具有重要影响。首先，心理学研究发现经理人的体力和精力都随着年龄的增大而逐渐减弱，年轻的董事长和经理人往往精力充沛而敢于承担风险，敢于够承担技术发展失败的风险;而当董事长、经理人以及高管团队年龄较大时，思维越来陈旧。其次，年龄大的人更看重自身的先前经验和在企业里的已有地位，这往往导致高管人员在决策过程中产生路径依赖，过于看重公司的原有技术，可能对已经出现的先进技术威胁也视为不见;第三，年龄大的人更看重财产安全和职业生涯安全，不愿冒险。因此，高管越年轻越容易接受新事物，思维也更加活跃，因此更具有创造性，更容易在技术变革过程中进行战略转变，采取新想法、新思路。反之，则更不愿意承担技术变革失败的风险，在决策时更加关注稳妥的陈旧的技术方案。但高管年龄越大，则可能拥有的社会关系就越多，从而能够给企业带来更多的资源。魏立群、王智慧(2002)发现高层管理团队的平均年龄与公司绩效之间存在正向联系［4］。而朱治龙，王丽(2004)的研究显示上市公司经营者年龄与公司经营业绩呈现负相关关系［14］。文芳等(2009)的研究发现:公司高管的年龄对公司R＆D投资影响的显著性不高［10］。徐经长和王胜海(2010)发现高管年龄越大，公司成长性越差［15］。因此，综合上述分析，提出假设3、假设4和假设5:假设3:董事长年龄对公司技术效率呈负相关关系。假设4:CEO年龄对公司技术效率呈负相关关系。假设5:董事、监事和高管平均年龄对公司技术效率呈负相关关系。

2.4高管总人数对公司技术效率的影响

高管总人数也可能对公司的技术效率造成影响。一方面，高管总人数越多，则在决策过程协调越困难，从而降低企业的决策效率;但另一方面，从资源观的视角来看，高管团队越大则拥有的相应社会资源就越多，并且可能具备更多的专业知识，从而具备更强的信息处理和解决问题的能力，从而有助于提高企业技术效率。Yermack(1996)发现TobinQ值与董事会规模负相关。由此提出如下竞争性假设:假设6a:高管总人数与公司技术效率呈正相关关系;假设6b:高管总人数与公司技术效率呈负不相关关系。2.5高管团队中性别比例对公司技术效率的影响20世纪管理大师斯蒂芬•P•罗宾斯认为，与男性管理者相比，女性管理者更倾向于采用民主型和参与型的领导风格，更更乐于鼓励、参与、共享权利与信息，并努力提高下属的自我价值，更擅长沟通并能够通过包容进行领导，并以自己的领袖魅力、专业知识和人际交往能力来影响他人。但近期的实证研究则发现并非如此。Robinsonetal对美国4139名(2371个男性，1768名女性)中高层管理者进行研究发现，女性管理者并不比男性管理者更具有合作精神，她们更注重输赢，更经常地运用目标管理法。中国女性管理者现状调查报告(2006)发现，由于国内的女性管理者得到社会认知和支持不够，她们会更多的关注企业中员工个体的需求，更偏向于单打独斗，从而具有比男性管理者更低的集体主义;并且女性管理者比男性管理者更倾向于企业的短期收益，有子女的女性管理者尤其如此。此外，女性管理者具有更高的风险规避指数，更容易安于现状，谋求安稳;最后，女性管理者常常需要在家庭事务中付出更多的时间和精力，从而影响其对企业的关注［16］。因此，在中国目前的现实环境下，男性比例越高，越有利于企业技术效率的提升，故提出假设7:假设7:高管团队中男性占总人数的比例与公司技术效率呈正相关关系。

3研究方法

3.1样本选取与数据来源

根据吴顺祥与张长海(2010)，本文选择了中国信息技术产业上市公司的2002年到2009年100家公司的数据进行研究。剔除了其中不合要求的45家公司数据外，最后利用剩余的55家公司，共440组数据进行处理和分析。所有数据均来自于各家上市公司公布的年报。大部分由CCER数据公司提供，少数手工查询而得。

3.2变量设计与衡量方法

(1)被解释变量本文采用吴顺祥、张长海(2010)按照DEAMalmquist生产率指数法计算出来的技术效率。(2)解释变量根据前文对高管的界定，本文的解释变量包括:(1)高管教育背景方面变量:董事长学位、CEO学位;(2)高管年龄方面变量:董事长年龄、CEO年龄和高管团队平均年龄;(3)高管团队中男性占总人数的比例(性别比);(4)高管团队的总人数。(3)控制变量除了高管的特征因素以外，本文还控制了影响技术效率的其他因素:(1)两职合一，董事长、董事是否兼任CEO;(2)公司规模，样本各年总资产的自然对数;(3)财务杠杆，采用样本公司各年的资产负债率所表示。变量定义及其符号见表1所示。

3.3模型构建与检验方法

由于因变量技术效率的取值范围在0－1之间，因此，我们采用建立如下tobit回归模型来检验前述研究假设:TECH=a1dirage+a2dirdegree+a3ceoage+a4ceodegree+a5sumofmteam+a6average+a7xinbiebi+a8lzhy+a9size+a10lev+ε(1)其中，a1、a2、a3、a4、a5、a6、a7、a8、a9、a10是回归参数，ε是残差项。技术效率的计算采用Deap2.1和EXCEL，描述性统计和回归分析利用stata11.0软件进行。4实证研究与分析4.1描述性统计分析表2为样本的描述性统计结果。表2显示:(1)在年龄特征方面，董事长的年龄由31岁到67岁不等，平均为49.04岁;而CEO的年龄跨度为29到61岁不等，平均年龄为43.97岁。高管团队平均年龄在36到59岁之间，均值为46.27岁，略高于CEO的平均年龄，而略低于董事长的平均年。或许因为董事长负责公司的重大经营决策，需要更多的经验和阅历，相对而言，总经理要负责更多的日常经营活动，需要更充沛的精力，所以总经理年龄比董事长的年龄平均要年轻5岁左右。(2)从高管教育水平来看，中国上市公司董事长和CEO的平均教育水平一般可以达到本科学历以上;并且总经理的教育水平要高于董事长的教育水平。(3)在高管的总人数方面，最小值为9人，最大值为39人，均值为18.37人。(4)在性别特征方面，高管团队中男性占总人数比最小值为0.54，最大值为1，均值为0.87，方差为0.090599。因此，男性在高管团队中占绝对优势且在各种中的波动性较小。(5)在控制变量方面，财务杠杆的最小值为0.0627，最大值是6.548，极极值现象比较严重，为了消除极值的影响，在后续的回归中我们按照5%分数进行缩尾处理。从表3，我们可以看出样本公司的董事长和总经理分离程度比较高，有85%的样本公司是完全分离;有12.5的公司是董事长和总经理由一人兼任的;只有2.5%的公司是由副董事长和董事兼任CEO的。

4.2回归分析

表4是模型(1)的tobit回归结果。从中我们可以看出:(1)董事长、CEO学历的系数都显著为正，从而支持了假设1和假设2。说明董事长和CEO的学历越高，所掌握的技术和对能源的运用效率越大，故越有利于公司技术效率的提高。(2)董事长、CEO的年龄的系数都为正，但不显著;而高管团队平均年龄则显著为负，从而支持了假设5而拒绝了假设3和假设4。我们猜测董事长、总经理个人年龄与高管团队平均年龄对技术效率的不同影响是因为董事长、总经理对企业资源的获取能力具有极其重要的影响，从而其随着年龄增长而拓展的社会关系对企业技术效率的正向影响占主导地位;而对高管团队来说，更主要的是体现为公司的整体管理氛围，因此，团队整体平均年龄过高，将造成公司的整体老龄化，思想陈旧，不易接受新鲜事物，不利于公司技术效率的进步，相反，年轻的团队更易接受新思想，更具有创新精神和更具有承担风险的能力，也更能促进公司技术效率进步。(3)高管总人数的系数为负，但不显著，说明董事、监事及高管的人数与公司技术效率呈不显著的负相关关系，与假设6b一致，但未通过显著性检验。因此，我们可以初步认为高管总人数在协调上带来的不利影响要大于高管总人数在拥有的资源和专业知识的好处。另外一种可能的解释是企业真正需要的资源或者专业知识并不要太多的人数，而太多的高管总人数可能是管理层冗余造成的。(4)性别比系数为正，在10%显著水平上通过检验，从支持了假设7。说明较高的男性比例确实有助于提高企业的管理水平，从而提高企业的技术效率;也支持了近期关于女性管理者和男性管理者差异的研究。企业规模极显著，这可能是由于企业的资源较多，更容易协调配合从而最大限度地发挥资源的效用;而财务杠杆也极显著，说明负债治理机制发挥了一定的作用。

5结论与建议

针对前期主要从行业和地区层面研究技术效率，以及多从股权激励的角度来研究技术效率影响因素的缺陷，本文依据高阶理论，选取董事长和CEO的学历与年龄、高管团队的总人数、平均年龄和性别比来作为高管特质的指标，研究了其对公司技术效率的影响。鉴于信息技术公司在社会经济发展中的重要性以及DEA技术效率计算的数据要求，我们将研究样本限定为信息技术类上市公司。研究发现:董事长和CEO的学历、高管团队的男性性别比与企业技术效率显著正相关;而高管团队的年龄与企业技术效率显著负相关。董事长和CEO的年龄等指标，虽然对公司技术效率具有正向影响关系，但不显著;而高管团队总人数对公司技术效率具有负向影响关系，但也不显著。鉴于此，提出以下建议:(1)努力提高董事长和CEO的教育水平，从而提高其对公司资源的利用效率和管理水平，进而公司技术效率。(2)在年龄方面，应该选择具有较多社会关系和丰富职业经验的人员来担任董事长和总经理，而不必过于看重其年龄的大小。但必须注意高管团队整体的年轻化，从而营造用于探索创新的管理氛围，提高企业的及时效率，加快企业发展。