计量经济学--CEO薪酬影响因素分析.docx

计量经济学--CEO薪酬影响因素分析.docx

《计量经济学--CEO薪酬影响因素分析.docx》由会员分享，可在线阅读，更多相关《计量经济学--CEO薪酬影响因素分析.docx（4页珍藏版）》请在冰点文库上搜索。

计量经济学样本经验项目（26）

商学院

CEO薪酬影响因素分析

计量经济学样本经验项目（26）

西方经济学王海利

2014/5/9

本项目主要使用多元回归分析方法，考察的主要内容是：

在控制了CEO薪酬主要影响因素之后，通过修正回归模型并对比结果，分析‘在位年份’对的影响程度；数据分析来源是CEOSAL2.DTA；

1.一个简单的回归模型

对于由首席执行官（CEO）构成的总体，令y代表年薪（salary），以千美元为单位。

如：

y=1120表示年薪是1120，000美元；y=853.6表示年薪为853，000美元。

令xi分别表示自变量公司销售额（sales）、利润额（profits）。

如：

x1=5320表示公司营业额为5320，000美元；x2=329表示利润额为329，000美元。

为研究CEO薪酬的影响因素，首先确定CEO薪酬与销售额、利润额的一个二元模型：

salary=β0+β1sales+β2profits+u

参数β1度量的是当销售额变化一个百分点，以千美元计年薪的变化量；同理，参数β2衡量的时利润额变化一个百分点，以千美元计年薪的变化量。

由于销售额和利润额都表示公司业绩，皆与首席执行官的年薪呈正比例关系，所以我们认为β1、β2>0；u为误差项。

数据集CEOSAL2.DTA包含了1990年177位CEO的信息；这些数据是从《商业周刊》（BusinessWeek，5/6/91）中获得的数据是教材《计量经济学导论》（JeffreyM.Wooldridge）中作者所引用的数据。

。

处理数据和分析过程中所使用的软件是Stata12.

利用CEOSAL2.DTA中的数据，联系salary、sales和profits的关系，对模型进行OLS回归处理。

结果如下：

salary=728.87+0.017sales+0.362profits……………

（1）

n=174，R2=0.1671

从回归结果中可以看出，β（⌃）1、β（⌃）2>0，而且都不算小，表示profits和sales对salary有明显的影响；显著性方面，sales的显著性要差一些（P=0.116），但是从模型上看，其系数β（⌃）1=0.017，sales对salary的影响，不容忽略，所以需要对模型进行修正。

2.对模型的修正

对上面简单二元回归模型进行指数化修正，令y=log（salary），x1=log（sales），x2=profits，于是模型变为：

log⁡（salary）=β0+β1log⁡（sales）+β2profits+u

对数据再次做回归处理，得回归结果：

log⁡（salary）=5.15+0.194log⁡（sales）+0.0002profits……

（2）

n=174，R2=0.2898

与模型修改前相比，β（⌃）1、β（⌃）2>0，大小有所变化，log（sales）的显著性非常好；对于profits而言，虽然显著性不是很好，但是其系数参数β（⌃）2=0.0002，非常之小，profits对log（salary）的影响可以忽略。

而且，拟合优度方面，R2=0.2898，比式

（1）R2=0.1671提升许多，式

（2）中的log（sales）和profits比式

（1）中的sales和profits要统计显著得多，而且式

（2）中的系数可能更有意义。

所以本次模型修正非常有必要。

3.CEO薪酬和‘在位年份（ceoten）’的回归分析

在分析sales和profits两个主要因素后经过模型①分析，profits因素已经不能够再被视作主要因素，系数参数β（⌃）2=0.0002，非常之小。

，我们将新的解释变量‘在位年份（ceoten）’加入回归模型之中，也就是在控制sales和profits因素之后，对比分析‘在位年份（ceoten）’对salary的影响情况或者解释程度。

加入变量ceoten之后，新的模型为：

log⁡（salary）=β0+β1log⁡（sales）+β2profits+β3ceoten+u

回归结果如下：

logsalary=5.04+0.195logsales+0.0002profits+0.011ceoten…（3）

n=173，R2=0.3080

log⁡（salary）=5.15+0.194log⁡（sales）+0.0002profits…………………

（2）

n=174，R2=0.2898

对比式

（2）与新的回归结果式（3），可以发现加入ceoten变量后，β（⌃）0、β（⌃）1、β（⌃）2以及相应的显著性没有太多变化，；R2却有明显提高，这说明新的解释变量ceoten对CEO薪水做出了独立的解释，‘在位年份’确实对CEO薪酬有影响，而且程度还不低，β（⌃）3=0.011，是一个不能忽略的影响因素。

3