计量经济学--CEO薪酬影响因素分析Word格式文档下载.docx
《计量经济学--CEO薪酬影响因素分析Word格式文档下载.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Word格式文档下载.docx(4页珍藏版)》请在冰点文库上搜索。
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)。
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)
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