计量经济学--CEO薪酬影响因素分析(共4页).docx

精选优质文档-倾情为你奉上商学院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=0+1sales+2profits+u参数1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2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1、2 >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（Business Week，5/6/91）中获得的 数据是教材计量经济学导论（Jeffrey M. 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，1、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)=0+1log(sales)+2profits+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，1、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 经过模型分析，profits 因素已经不能够再被视作主要因素，系数参数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)=0+1log(sales)+2profits+3ceoten+u回归结果如下：logsalary=5.04+0.195logsales+0.0002profits+0.011ceoten （3）n=173，R2=0.3080log(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，0、 1、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，3=0.011，是一个不能忽略的影响因素。专心-专注-专业