论文部分内容阅读
摘 要：利用2011—2016年我国高技术上市企业数据，基于损失规避理论视角，探讨核心高管权力对研发投资的影响。结果发现：核心高管权力对研发投资存在负向影响，且影响强度呈动态变化。非沉淀冗余对核心高管权力与研发投资的关系具有显著的弱化调节效应。企业性质、非沉淀冗余与核心高管权力对研发投资具有三项交互作用：与国有企业相比，非国有企业的非沉淀冗余对核心高管权力与研发投资之间关系的调节效应更强。
关键词：核心高管；权力；研发投资；损失规避
中图分类号：F272.91 文献标识码：A 文章编号：1003-3890（2019）01-0069-06
一、引言
基于传统经济学委托-代理理论，以往研究一般认为高管权力会减少其风险承担，因为人力资本难以分散化的特征导致高管表现出比股东期望程度更高的风险规避水平。而高管权力越大，就越有能力限制决策信息流向和削弱董事会监督能力，更容易实现风险规避动机，从而减少风险承担[1]。但是另一种对立观点基于神经心理学强化敏感性理论认为，个体行为受行为趋近系统和行为抑制系统这两种神经生物系统控制，前者产生积极情绪和激发行为，后者产生消极情绪和抑制行为。而权力高的个体更容易被行为趋近系统所触发，并产生积极情绪，导致更看重风险收益，却忽视风险损失，从而增加风险承担行为[2]。持后一观点的学者认为，次贷危机发生的微观原因正是由于高管权力膨胀导致业务开拓过于冒险所致。但是在中国本土经济与文化情境下，高管权力与风险承担行为究竟存在怎样的关系？委托-代理理论与强化敏感性理论对二者关系是否具有现实解释力？
实际上，以上两种理论解释均存在缺憾：传统委托-代理理论简单假定高管具有稳定的风险规避倾向，然而现实中不少高管是风险喜好者，或在不同情境下表现出不同的风险偏好[3]；而基于强化敏感性理论的解释局限于高管动机系统的神经生理基础及生物行为模式，忽视了社会认知因素。在结合认知心理学和传统经济学理论基础上形成的行为经济学大量研究表明，个体在风险决策中的损失规避心理极为常见。管理者的风险决策往往是基于损失规避，而不是风险规避[4]。鉴于研发创新是典型的风险承担行为，而核心高管是企业研发投资的关键决策者，因此本研究基于损失规避理论视角，探讨核心高管权力对企业研发投资的影响，并以高技术企业数据进行实证检验。研究结论可在一定程度上丰富管理者权力理论和企业投资理论，并为促进企业研发创新投入提供实践启示。
二、理论探讨与假设提出
行为经济学前景理论表明，损失已得收益给个体带来的负效用比获得等量收益带来的正效用更大，导致个体对损失比收益更加敏感，称为损失规避[5]。个体无论对物质财富，还是无法以金钱衡量价值的非物質财富都会产生损失规避[6]，尤其对于重要和不可替代的东西会表现出更为强烈的损失规避[7]。神经经济学新近研究表明，损失规避的脑机制可分为两个系统，其中，主观价值评价系统与主观价值的评估有关，情绪唤醒系统与厌恶等消极情绪有关[8]。高管权力越大，越可能在激励薪酬设计中进行薪酬操纵，以谋取权力薪酬[9]。而且权力为管理者带来的收益十分可观，既包括在职消费、内部交易获利等可以用货币计量的权力收益，也包括凭借权力所获得的人脉关系、社会声誉及地位等难以用货币计量的权力收益；既包括正当的阳光收益，又包括不正当的灰色或黑色收益[10]。在组织中拥有重要权力的核心高管，其所得的权力收益更为可观，因此相比于一般金钱财物来说，权力收益往往具有难以替代性，导致核心高管对其产生很高的主观价值评价，容易产生损失规避动机。由于研发创新蕴藏着巨大风险，一旦失败可能使企业陷入困境，并影响权力收益的持续获取。根据损失规避理论，保住当前的权力收益比获取未来不确定的研发收益对高管而言显得更为重要。对研发失败和损失的心理预期会通过情绪唤醒系统对研发投入产生厌恶性消极情绪，加重核心高管的损失规避动机。因此核心高管在组织中拥有的权力越大，其损失规避动机就越强，风险承担意愿就越弱，从而不愿加大研发投资。由此得到：
H1：核心高管权力越大，企业研发投资就越少。
冗余资源的数量是制约企业研发创新的重要因素[11]。国内学者通常参照Sharfman等学者的做法，根据流动性高低，将组织的冗余资源分为沉淀冗余和非沉淀冗余[12]。其中，沉淀冗余已经内嵌于组织的具体流程，在研发投资中难以应用。非沉淀冗余是指企业内部的现金及等价物等可以快速变现的资产以及通过资金借贷等渠道从企业外部获得的资源，是研发投资的关键资金来源。由于研发创新会消耗大量现金流，研发失败或研发资金的后续追加均可能导致财务流动性危机。而非沉淀冗余使用灵活，便于弥补资金缺口。充足的非沉淀冗余会降低核心高管对研发投资导致的财务风险感知，从而减轻损失规避动机。相反，非沉淀冗余的匮乏会加剧核心高管对财务流动性风险感知，从而加剧权力收益导致的损失规避动机，进一步降低风险承担意愿及缩减研发投资。由此得到：
H2：非沉淀冗余对核心高管权力与研发投资之间的关系存在弱化调节效应：在非沉淀冗余资源少的情况下，核心高管权力对研发投资的影响更大。
政府干预会影响企业投资配置结构[13]。政府的补贴性管制是企业收入的重要来源，且较多集中于国有企业[14]。银行信贷对国有企业研发的支持作用也大大超过非国有企业[15]。因此国有企业更容易获得政府的金融支持，在陷入资金困境时常常得到地方政府的保护，因此非沉淀冗余充沛与否对核心高管在研发投资中的财务风险感知影响较小。同时，国有企业高管受到政府的薪酬管制，造成激励扭曲，导致高管薪酬与职务消费存在显著的替代性[16]。国企高管更多关注如何从非沉淀冗余直接攫取私利，增加职务消费，较少关注非沉淀冗余对研发投资的风险保障功能。由此可见，国有企业的非沉淀冗余不太会减轻核心高管权力引起的损失规避动机，因此对核心高管权力与研发投资之间关系的调节影响较小。因此企业性质、非沉淀冗余与核心高管权力会共同影响研发投资，表现为企业性质和非沉淀冗余对核心高管权力与研发投资关系的双重调节效应。由此得到： H3：企业性质、非沉淀冗余与核心高管权力对研发投资具有三项交互作用，相对于国有企业而言。在非国有企业中，非沉淀冗余对核心高管权力与研发投资之间关系的调节效应更强。
三、研究设计
（一）样本选择与数据来源
依据《高技术产业统计分类目录》和《上市公司行业分类指引》，以医药制造、电气机械及器材制造、仪器仪表及专用设备制造、计算机通信及其他电子设备制造、信息传输、软件和信息技术服务业上市公司为初选样本。参照一般做法，剔除上市不足3年的公司，主营业务变化较大的公司以及ST、*ST等公司。数据主要来源于CCER数据库，并根据沪深两市证券交易所披露的年报信息补充缺失数据。选择时间窗口为2011—2016年，共得到93家企业的558个平衡面板数据样本。
（二）变量测量
1. 自变量。以往高管权力测量主要采用执行董事比例、是否内部晋升、两职合一等作为替代变量，但这些指标之间逻辑关系甚为模糊[17]。管理者权力理论表明，高管权力对其薪酬收入存在很大影响[18]。Bebchuk et al.采用管理团队中CEO薪酬与薪酬最高的前五位高管薪酬总和的比值（CEO Pay Slice，简称CPS）表示CEO权力大小，并认为这一指标比正式地位变量包含更多权力关系信息[19]。这种以管理团队薪酬集中度来表示高管权力的做法已逐步得到西方学者认可[20]。由于高管在管理团队中相对薪酬越高，表明其权力越大，因此将包括总经理在内薪酬最高的前三位高管视为核心高管。参照CPS指标，以薪酬最高的前三位高管与前十位高管薪酬总额的比值（Key Executive Pay Slice，简称KPS）表示核心高管权力。我国企业管理团队规模较大（样本企业管理团队规模最小为10人），因此以薪酬最高的前十位高管薪酬总额作为指标分母。
2. 因变量。以往研发文献较多考虑研发强度这一相对指标，但由于业务规模差异，研发强度与研发规模往往不一致，通常大型企业的研发规模很大，而研发强度却较低[15]。本研究综合考量相对与绝对指标，参照国内学者做法，采用年度开发支出增加额与主营业收入的比值表示研发强度，以年度开发支出增加额的自然对数表示研发规模。
3. 调节变量和控制变量。参照国内外学者的通常做法，本研究采用流动比率来表示调节变量非沉淀冗余。控制变量包括企业的规模、绩效、负债、企业性质以及所在行业等。其中，企业性质也是本研究模型的双重调节变量。变量名称与测量如表1所示。
（三）模型构建
由于高管权力及财务变量对研发投资决策存在滞后影响，因此研发投资采用滞后一期数据。为了消除奇异值影响，对1%分位以下和99%分位以上的连续变量进行了缩尾处理。主要模型如下：
RDi，t+1=α0+α1KPSi，t+∑αjControli，t+ui，t（1）
RDi，t+1=β0+β1Liui，t+β2KPSi，t+β3Liui，t×KPSi，t+∑βjControli，t+εi，t（2）
RDi，t+1=Γ0+Γ1Liui，t+Γ2KPSi，t+Γ3Equityi，t+Γ4Liui，t×KPSi，t+Γ5Liui，t×Equityi，t+Γ6KPSi，t×Equityi，t+Γ7Equityi，t×Liui，t×KPSi，t+∑ΓjControli，t+vi，t（3）
其中，RD表示研发投资，包括研发强度RDq和研发规模RDg，i表示企业，t表示年份，Control表示控制变量。β0、α0和Γ0为模型的截距项。αj、βj和Γj为待估回归系数（j=1、2、3…）。ui，t、εi，t和vi，t为模型的随机误差项。数据处理采用Stata12.0软件。
四、实证结果
（一）描述统计与相关分析
主要连续变量描述统计结果和Pearson相关系数如表2所示。企业规模Asset与RDg呈显著正相关（相关系数为0.349），但与RDq呈显著负相关（相关系数为-0.123），说明业务规模较大的企业其研发规模较大，但研发强度较小，因此有必要综合考量研发投入的绝对和相对指标。KPS与RDq与RDg均存在显著负相关（相关系数分别为-0.103和-0.196），假设1得到初步支持。
（二）面板数据回归结果分析
本研究对面板数据采用可行的广义最小二乘法（Feasible Generalized OLS，FGLS）回归，能够在自相关或异方差存在的情况下给出可靠估计。并采用分位数回归（Quantile Regression）来分析在因变量的不同条件分位下的自变量回归系数变化规律。结果如表3所示。方程（1）和（5）FGLS回归中，KPS回归系数分别为-0.018和-0.880（均在1%水平上顯著），表明核心高管权力会同时导致研发投资规模和强度减小，H1得到支持。但是相比于研发强度而言，核心高管权力对研发规模的影响更大。根据方程（2）、（3）、（4），因变量的25%、50%和75%分位值对应的KPS回归系数分别为-0.002、-0.009和-0.010，表明随着研发强度的提高，核心高管权力对研发强度的影响逐步增大。方程（6）、（7）、（8）中，因变量三个分位值对应的KPS回归系数为-0.824、-1.241、-0.581，表明随着研发规模的提高，核心高管权力对研发规模的影响先增强，后减弱。
调节效应的检验结果如表4所示。从全部样本来看，方程（9）和（13）中的Liu×KPS系数分别达到10%和5%显著性水平，表明非沉淀冗余对核心高管权力与研发投资的关系存在调节效应，且乘积项与主效应的系数符号相反，因此该调节效应为弱化调节效应，H2得到支持。比较乘积项系数可知，非沉淀冗余对核心高管权力与研发投资规模的调节效应要明显大于对核心高管权力与研发投资强度的调节效应。 方程（10）和（14）中，三次交互项系数均显著，则H3得到支持。再进一步按照企业性质对样本进行分组，分别检验非沉淀冗余的简单调节效应。根据方程（11）和（12）、（15）和（16）分组检验结果中Liu×KPS系数的大小及显著性可知，无论从研发强度还是研发规模来看，非国有企业中的非沉淀冗余对核心高管权力与研发投资之间关系的调节效应更强，因此H3得到进一步支持。
五、结论与建议
本研究基于行为经济学损失规避理论和高技术企业数据，探讨了核心高管权力对研发投资的影响。实证结果表明：核心高管权力越大，则研发投资越少，且核心高管权力对研发规模比研发强度的影响更大。随着研发强度的提高，核心高管权力对研发强度的影响呈逐步增强趋势，原因在于随着研发投资占主营收入比例的提高，继续追加研发投资会增大高管的风险感知，导致损失规避动机更强。而随着研发投资规模的提高，核心高管权力对研发规模的影响呈现先增强、后减弱的动态趋势，这是由于研发达到相当规模的企业经历了较長发展时期，内部治理逐步完善，高管权力收益受到制约，因此减轻了损失规避动机。非沉淀冗余对核心高管权力与研发投资的关系存在弱化调节效应：在非沉淀冗余少的情况下，核心高管权力对研发投资的影响越强。企业性质、非沉淀冗余与核心高管权力对研发投资具有三项交互作用，非国有企业的非沉淀冗余对核心高管权力与研发投资之间关系的调节效应更强。
以上结论表明，在我国转型期制度环境下，损失规避理论对高管权力与风险承担的关系具有较强的解释力。核心高管权力越大，在研发投资这一风险决策中表现得更加谨小慎微，导致研发投资缩减。非沉淀冗余资源的匮乏进一步加剧了核心高管权力引起的研发投资缩减。在国有企业中，由于政府金融支持导致的投资风险意识淡薄以及薪酬管制带来的激励扭曲，非沉淀冗余对研发投资的风险保障功能并未受到高管重视，难以减轻权力膨胀引起的研发缩减。有鉴于此，企业要建立有效的权力制衡机制，优化管理团队权力配置结构，适当提高外部董事比例以增强董事会独立性，有效发挥其监督功能，制约高管的非正当权力收益以减轻其对权力收益的损失规避动机。要保持适度的非沉淀冗余以发挥其对研发投资的风险保障功能，减轻高管权力膨胀造成研发投资等风险承担不足的现象。政府部门要逐步取消对国有企业微观运营的干预，减少薪酬管制及金融支持，促使企业自身改善内部治理，形成自我调节机制，从而保障合理的研发创新规模，增强企业竞争力。
参考文献：
[1]PATHAN S. Strong boards，CEO power and bank risk-taking[J]. Journal of banking & finance，2009，33（7）：1340-1350.
[2]LEWELLYN K B，MULLER-KAHLE M I. CEO power and risk taking：evidence from the subprime lending industry[J]. Corporate governance：an international review，2012，20（3）：289-307.
[3]WISEMAN R M，GOMEZ-MEJIA L R. A behavioral agency model of managerial risk taking [J]. Academy of management review，1998，23（1）：133-153.
[4]DEVERS C E，WISEMAN R M，HOLMES JR RM. The effect of endowment and loss aversion in managerial stock option valuation[J]. Academy of management journal，2007，50（1）：191-208.
[5]TVERSKY A，KAHNEMAN D. Loss aversion in riskless choice：a reference-dependent model[J]. The quarterly journal of economics，1991，106（4）：1039-1061.
[6]CARMON Z，WERTENBROCH K，ZEELENBERG M. Option attachment：when deliberating makes choosing feel like losing[J]. Journal of consumer research，2003，30（1）：15-29.
[7]CHEN M K，LAKSHMINARAYANAN V，SANTOS L. How basic are behavioral biases？ evidence from capuchin monkey trading behavior[J]. Journal of political economy，2006，114（3）：517-537.
[8]李彬，徐富明，王伟，等.损失规避的产生根源[J].心理科学进展，2014，22（8）：1319-1327.
[9]翟爱梅，张舒然.高管权力与激励薪酬操纵研究[J].中山大学学报（社会科学版），2013，53（5）：195-208.
[10]吕长江，赵宇恒.国有企业管理者激励效应研究[J].管理世界，2008，（11）：99-109.
[11]李晓翔，霍国庆.组织冗余对产品创新的作用机制研究[J].科研管理，2015，36（9）：72-79.
[12]SHARFMAN M P， WOLF G， CHASE R B， et al. Antecedents of organizational slack[J]. Academy of management review，1988，13（4）：601-614. [13]赵静，陈晓.貨币政策、制度环境与企业投资结构[J].科研管理，2016，37（9）：123-135.
[14]杨芷晴，张凯，郑伟华.政府过度管制对企业绩效的影响——来自中国企业-员工匹配调查（CEES）的证据[J].华中科技大学学报（社会科学版），2016，30（3）：81-92.
[15]成力为，戴小勇.研发投入分布特征与研发投资强度影响因素的分析——基于我国30万个工业企业面板数据[J].中国软科学，2012（8）：152-165.
[16]黄再胜.国有企业薪酬管制的再检验：2007—2011[J].现代财经，2015，35（4）：46-59.
[17]李胜楠，牛建波.高管权力研究的述评与基本框架构建[J].外国经济与管理，2014，36（7）：3-13.
[18]ESSEN M V， HEUGENS P P， OTTEN J， et al. An institution-based view of executive compensation：a multi-level meta-analytic test[J]. Journal of international business studies，2012，43（4）：396-423.
[19]BEBCHUK L A，CREMERS K J M，PEYER U C. The CEO pay slice[J]. Journal of financial economics，2011，102（1）：199-221.
[20]CHINTRAKARN P，JIRAPORN P，SINGH M. Powerful CEOs and capital structure decisions：evidence from the CEO pay slice（CPS）[J]. Applied economics letters，2014，21（8）：564-568.
责任编辑：高钟庭
Abstract：Based on the data of China's high-tech listed enterprises from 2011 to 2016 and from the perspective of loss aversion theory， this paper discusses the influence of core executive power on R&D investment. The results show that core executive power has negative influence on R&D investment， and the influence intensity changes dynamically. Non-precipitated redundancy has a significant weakening regulatory effect on the relationship between core executives' power and R&D investment. Enterprise nature， non-precipitated redundancy and core executive power have three interactions on R&D investment： compared with state-owned enterprises， the non-precipitation redundancy of non-state-owned enterprises has a stronger regulatory effect on the relationship between the power of core executives and R&D investment.
Key words： core executives； power；R&D investment； loss aversion
关键词：核心高管；权力；研发投资；损失规避
中图分类号：F272.91 文献标识码：A 文章编号：1003-3890（2019）01-0069-06
一、引言
基于传统经济学委托-代理理论，以往研究一般认为高管权力会减少其风险承担，因为人力资本难以分散化的特征导致高管表现出比股东期望程度更高的风险规避水平。而高管权力越大，就越有能力限制决策信息流向和削弱董事会监督能力，更容易实现风险规避动机，从而减少风险承担[1]。但是另一种对立观点基于神经心理学强化敏感性理论认为，个体行为受行为趋近系统和行为抑制系统这两种神经生物系统控制，前者产生积极情绪和激发行为，后者产生消极情绪和抑制行为。而权力高的个体更容易被行为趋近系统所触发，并产生积极情绪，导致更看重风险收益，却忽视风险损失，从而增加风险承担行为[2]。持后一观点的学者认为，次贷危机发生的微观原因正是由于高管权力膨胀导致业务开拓过于冒险所致。但是在中国本土经济与文化情境下，高管权力与风险承担行为究竟存在怎样的关系？委托-代理理论与强化敏感性理论对二者关系是否具有现实解释力？
实际上，以上两种理论解释均存在缺憾：传统委托-代理理论简单假定高管具有稳定的风险规避倾向，然而现实中不少高管是风险喜好者，或在不同情境下表现出不同的风险偏好[3]；而基于强化敏感性理论的解释局限于高管动机系统的神经生理基础及生物行为模式，忽视了社会认知因素。在结合认知心理学和传统经济学理论基础上形成的行为经济学大量研究表明，个体在风险决策中的损失规避心理极为常见。管理者的风险决策往往是基于损失规避，而不是风险规避[4]。鉴于研发创新是典型的风险承担行为，而核心高管是企业研发投资的关键决策者，因此本研究基于损失规避理论视角，探讨核心高管权力对企业研发投资的影响，并以高技术企业数据进行实证检验。研究结论可在一定程度上丰富管理者权力理论和企业投资理论，并为促进企业研发创新投入提供实践启示。
二、理论探讨与假设提出
行为经济学前景理论表明，损失已得收益给个体带来的负效用比获得等量收益带来的正效用更大，导致个体对损失比收益更加敏感，称为损失规避[5]。个体无论对物质财富，还是无法以金钱衡量价值的非物質财富都会产生损失规避[6]，尤其对于重要和不可替代的东西会表现出更为强烈的损失规避[7]。神经经济学新近研究表明，损失规避的脑机制可分为两个系统，其中，主观价值评价系统与主观价值的评估有关，情绪唤醒系统与厌恶等消极情绪有关[8]。高管权力越大，越可能在激励薪酬设计中进行薪酬操纵，以谋取权力薪酬[9]。而且权力为管理者带来的收益十分可观，既包括在职消费、内部交易获利等可以用货币计量的权力收益，也包括凭借权力所获得的人脉关系、社会声誉及地位等难以用货币计量的权力收益；既包括正当的阳光收益，又包括不正当的灰色或黑色收益[10]。在组织中拥有重要权力的核心高管，其所得的权力收益更为可观，因此相比于一般金钱财物来说，权力收益往往具有难以替代性，导致核心高管对其产生很高的主观价值评价，容易产生损失规避动机。由于研发创新蕴藏着巨大风险，一旦失败可能使企业陷入困境，并影响权力收益的持续获取。根据损失规避理论，保住当前的权力收益比获取未来不确定的研发收益对高管而言显得更为重要。对研发失败和损失的心理预期会通过情绪唤醒系统对研发投入产生厌恶性消极情绪，加重核心高管的损失规避动机。因此核心高管在组织中拥有的权力越大，其损失规避动机就越强，风险承担意愿就越弱，从而不愿加大研发投资。由此得到：
H1：核心高管权力越大，企业研发投资就越少。
冗余资源的数量是制约企业研发创新的重要因素[11]。国内学者通常参照Sharfman等学者的做法，根据流动性高低，将组织的冗余资源分为沉淀冗余和非沉淀冗余[12]。其中，沉淀冗余已经内嵌于组织的具体流程，在研发投资中难以应用。非沉淀冗余是指企业内部的现金及等价物等可以快速变现的资产以及通过资金借贷等渠道从企业外部获得的资源，是研发投资的关键资金来源。由于研发创新会消耗大量现金流，研发失败或研发资金的后续追加均可能导致财务流动性危机。而非沉淀冗余使用灵活，便于弥补资金缺口。充足的非沉淀冗余会降低核心高管对研发投资导致的财务风险感知，从而减轻损失规避动机。相反，非沉淀冗余的匮乏会加剧核心高管对财务流动性风险感知，从而加剧权力收益导致的损失规避动机，进一步降低风险承担意愿及缩减研发投资。由此得到：
H2：非沉淀冗余对核心高管权力与研发投资之间的关系存在弱化调节效应：在非沉淀冗余资源少的情况下，核心高管权力对研发投资的影响更大。
政府干预会影响企业投资配置结构[13]。政府的补贴性管制是企业收入的重要来源，且较多集中于国有企业[14]。银行信贷对国有企业研发的支持作用也大大超过非国有企业[15]。因此国有企业更容易获得政府的金融支持，在陷入资金困境时常常得到地方政府的保护，因此非沉淀冗余充沛与否对核心高管在研发投资中的财务风险感知影响较小。同时，国有企业高管受到政府的薪酬管制，造成激励扭曲，导致高管薪酬与职务消费存在显著的替代性[16]。国企高管更多关注如何从非沉淀冗余直接攫取私利，增加职务消费，较少关注非沉淀冗余对研发投资的风险保障功能。由此可见，国有企业的非沉淀冗余不太会减轻核心高管权力引起的损失规避动机，因此对核心高管权力与研发投资之间关系的调节影响较小。因此企业性质、非沉淀冗余与核心高管权力会共同影响研发投资，表现为企业性质和非沉淀冗余对核心高管权力与研发投资关系的双重调节效应。由此得到： H3：企业性质、非沉淀冗余与核心高管权力对研发投资具有三项交互作用，相对于国有企业而言。在非国有企业中，非沉淀冗余对核心高管权力与研发投资之间关系的调节效应更强。
三、研究设计
（一）样本选择与数据来源
依据《高技术产业统计分类目录》和《上市公司行业分类指引》，以医药制造、电气机械及器材制造、仪器仪表及专用设备制造、计算机通信及其他电子设备制造、信息传输、软件和信息技术服务业上市公司为初选样本。参照一般做法，剔除上市不足3年的公司，主营业务变化较大的公司以及ST、*ST等公司。数据主要来源于CCER数据库，并根据沪深两市证券交易所披露的年报信息补充缺失数据。选择时间窗口为2011—2016年，共得到93家企业的558个平衡面板数据样本。
（二）变量测量
1. 自变量。以往高管权力测量主要采用执行董事比例、是否内部晋升、两职合一等作为替代变量，但这些指标之间逻辑关系甚为模糊[17]。管理者权力理论表明，高管权力对其薪酬收入存在很大影响[18]。Bebchuk et al.采用管理团队中CEO薪酬与薪酬最高的前五位高管薪酬总和的比值（CEO Pay Slice，简称CPS）表示CEO权力大小，并认为这一指标比正式地位变量包含更多权力关系信息[19]。这种以管理团队薪酬集中度来表示高管权力的做法已逐步得到西方学者认可[20]。由于高管在管理团队中相对薪酬越高，表明其权力越大，因此将包括总经理在内薪酬最高的前三位高管视为核心高管。参照CPS指标，以薪酬最高的前三位高管与前十位高管薪酬总额的比值（Key Executive Pay Slice，简称KPS）表示核心高管权力。我国企业管理团队规模较大（样本企业管理团队规模最小为10人），因此以薪酬最高的前十位高管薪酬总额作为指标分母。
2. 因变量。以往研发文献较多考虑研发强度这一相对指标，但由于业务规模差异，研发强度与研发规模往往不一致，通常大型企业的研发规模很大，而研发强度却较低[15]。本研究综合考量相对与绝对指标，参照国内学者做法，采用年度开发支出增加额与主营业收入的比值表示研发强度，以年度开发支出增加额的自然对数表示研发规模。
3. 调节变量和控制变量。参照国内外学者的通常做法，本研究采用流动比率来表示调节变量非沉淀冗余。控制变量包括企业的规模、绩效、负债、企业性质以及所在行业等。其中，企业性质也是本研究模型的双重调节变量。变量名称与测量如表1所示。
（三）模型构建
由于高管权力及财务变量对研发投资决策存在滞后影响，因此研发投资采用滞后一期数据。为了消除奇异值影响，对1%分位以下和99%分位以上的连续变量进行了缩尾处理。主要模型如下：
RDi，t+1=α0+α1KPSi，t+∑αjControli，t+ui，t（1）
RDi，t+1=β0+β1Liui，t+β2KPSi，t+β3Liui，t×KPSi，t+∑βjControli，t+εi，t（2）
RDi，t+1=Γ0+Γ1Liui，t+Γ2KPSi，t+Γ3Equityi，t+Γ4Liui，t×KPSi，t+Γ5Liui，t×Equityi，t+Γ6KPSi，t×Equityi，t+Γ7Equityi，t×Liui，t×KPSi，t+∑ΓjControli，t+vi，t（3）
其中，RD表示研发投资，包括研发强度RDq和研发规模RDg，i表示企业，t表示年份，Control表示控制变量。β0、α0和Γ0为模型的截距项。αj、βj和Γj为待估回归系数（j=1、2、3…）。ui，t、εi，t和vi，t为模型的随机误差项。数据处理采用Stata12.0软件。
四、实证结果
（一）描述统计与相关分析
主要连续变量描述统计结果和Pearson相关系数如表2所示。企业规模Asset与RDg呈显著正相关（相关系数为0.349），但与RDq呈显著负相关（相关系数为-0.123），说明业务规模较大的企业其研发规模较大，但研发强度较小，因此有必要综合考量研发投入的绝对和相对指标。KPS与RDq与RDg均存在显著负相关（相关系数分别为-0.103和-0.196），假设1得到初步支持。
（二）面板数据回归结果分析
本研究对面板数据采用可行的广义最小二乘法（Feasible Generalized OLS，FGLS）回归，能够在自相关或异方差存在的情况下给出可靠估计。并采用分位数回归（Quantile Regression）来分析在因变量的不同条件分位下的自变量回归系数变化规律。结果如表3所示。方程（1）和（5）FGLS回归中，KPS回归系数分别为-0.018和-0.880（均在1%水平上顯著），表明核心高管权力会同时导致研发投资规模和强度减小，H1得到支持。但是相比于研发强度而言，核心高管权力对研发规模的影响更大。根据方程（2）、（3）、（4），因变量的25%、50%和75%分位值对应的KPS回归系数分别为-0.002、-0.009和-0.010，表明随着研发强度的提高，核心高管权力对研发强度的影响逐步增大。方程（6）、（7）、（8）中，因变量三个分位值对应的KPS回归系数为-0.824、-1.241、-0.581，表明随着研发规模的提高，核心高管权力对研发规模的影响先增强，后减弱。
调节效应的检验结果如表4所示。从全部样本来看，方程（9）和（13）中的Liu×KPS系数分别达到10%和5%显著性水平，表明非沉淀冗余对核心高管权力与研发投资的关系存在调节效应，且乘积项与主效应的系数符号相反，因此该调节效应为弱化调节效应，H2得到支持。比较乘积项系数可知，非沉淀冗余对核心高管权力与研发投资规模的调节效应要明显大于对核心高管权力与研发投资强度的调节效应。 方程（10）和（14）中，三次交互项系数均显著，则H3得到支持。再进一步按照企业性质对样本进行分组，分别检验非沉淀冗余的简单调节效应。根据方程（11）和（12）、（15）和（16）分组检验结果中Liu×KPS系数的大小及显著性可知，无论从研发强度还是研发规模来看，非国有企业中的非沉淀冗余对核心高管权力与研发投资之间关系的调节效应更强，因此H3得到进一步支持。
五、结论与建议
本研究基于行为经济学损失规避理论和高技术企业数据，探讨了核心高管权力对研发投资的影响。实证结果表明：核心高管权力越大，则研发投资越少，且核心高管权力对研发规模比研发强度的影响更大。随着研发强度的提高，核心高管权力对研发强度的影响呈逐步增强趋势，原因在于随着研发投资占主营收入比例的提高，继续追加研发投资会增大高管的风险感知，导致损失规避动机更强。而随着研发投资规模的提高，核心高管权力对研发规模的影响呈现先增强、后减弱的动态趋势，这是由于研发达到相当规模的企业经历了较長发展时期，内部治理逐步完善，高管权力收益受到制约，因此减轻了损失规避动机。非沉淀冗余对核心高管权力与研发投资的关系存在弱化调节效应：在非沉淀冗余少的情况下，核心高管权力对研发投资的影响越强。企业性质、非沉淀冗余与核心高管权力对研发投资具有三项交互作用，非国有企业的非沉淀冗余对核心高管权力与研发投资之间关系的调节效应更强。
以上结论表明，在我国转型期制度环境下，损失规避理论对高管权力与风险承担的关系具有较强的解释力。核心高管权力越大，在研发投资这一风险决策中表现得更加谨小慎微，导致研发投资缩减。非沉淀冗余资源的匮乏进一步加剧了核心高管权力引起的研发投资缩减。在国有企业中，由于政府金融支持导致的投资风险意识淡薄以及薪酬管制带来的激励扭曲，非沉淀冗余对研发投资的风险保障功能并未受到高管重视，难以减轻权力膨胀引起的研发缩减。有鉴于此，企业要建立有效的权力制衡机制，优化管理团队权力配置结构，适当提高外部董事比例以增强董事会独立性，有效发挥其监督功能，制约高管的非正当权力收益以减轻其对权力收益的损失规避动机。要保持适度的非沉淀冗余以发挥其对研发投资的风险保障功能，减轻高管权力膨胀造成研发投资等风险承担不足的现象。政府部门要逐步取消对国有企业微观运营的干预，减少薪酬管制及金融支持，促使企业自身改善内部治理，形成自我调节机制，从而保障合理的研发创新规模，增强企业竞争力。
参考文献：
[1]PATHAN S. Strong boards，CEO power and bank risk-taking[J]. Journal of banking & finance，2009，33（7）：1340-1350.
[2]LEWELLYN K B，MULLER-KAHLE M I. CEO power and risk taking：evidence from the subprime lending industry[J]. Corporate governance：an international review，2012，20（3）：289-307.
[3]WISEMAN R M，GOMEZ-MEJIA L R. A behavioral agency model of managerial risk taking [J]. Academy of management review，1998，23（1）：133-153.
[4]DEVERS C E，WISEMAN R M，HOLMES JR RM. The effect of endowment and loss aversion in managerial stock option valuation[J]. Academy of management journal，2007，50（1）：191-208.
[5]TVERSKY A，KAHNEMAN D. Loss aversion in riskless choice：a reference-dependent model[J]. The quarterly journal of economics，1991，106（4）：1039-1061.
[6]CARMON Z，WERTENBROCH K，ZEELENBERG M. Option attachment：when deliberating makes choosing feel like losing[J]. Journal of consumer research，2003，30（1）：15-29.
[7]CHEN M K，LAKSHMINARAYANAN V，SANTOS L. How basic are behavioral biases？ evidence from capuchin monkey trading behavior[J]. Journal of political economy，2006，114（3）：517-537.
[8]李彬，徐富明，王伟，等.损失规避的产生根源[J].心理科学进展，2014，22（8）：1319-1327.
[9]翟爱梅，张舒然.高管权力与激励薪酬操纵研究[J].中山大学学报（社会科学版），2013，53（5）：195-208.
[10]吕长江，赵宇恒.国有企业管理者激励效应研究[J].管理世界，2008，（11）：99-109.
[11]李晓翔，霍国庆.组织冗余对产品创新的作用机制研究[J].科研管理，2015，36（9）：72-79.
[12]SHARFMAN M P， WOLF G， CHASE R B， et al. Antecedents of organizational slack[J]. Academy of management review，1988，13（4）：601-614. [13]赵静，陈晓.貨币政策、制度环境与企业投资结构[J].科研管理，2016，37（9）：123-135.
[14]杨芷晴，张凯，郑伟华.政府过度管制对企业绩效的影响——来自中国企业-员工匹配调查（CEES）的证据[J].华中科技大学学报（社会科学版），2016，30（3）：81-92.
[15]成力为，戴小勇.研发投入分布特征与研发投资强度影响因素的分析——基于我国30万个工业企业面板数据[J].中国软科学，2012（8）：152-165.
[16]黄再胜.国有企业薪酬管制的再检验：2007—2011[J].现代财经，2015，35（4）：46-59.
[17]李胜楠，牛建波.高管权力研究的述评与基本框架构建[J].外国经济与管理，2014，36（7）：3-13.
[18]ESSEN M V， HEUGENS P P， OTTEN J， et al. An institution-based view of executive compensation：a multi-level meta-analytic test[J]. Journal of international business studies，2012，43（4）：396-423.
[19]BEBCHUK L A，CREMERS K J M，PEYER U C. The CEO pay slice[J]. Journal of financial economics，2011，102（1）：199-221.
[20]CHINTRAKARN P，JIRAPORN P，SINGH M. Powerful CEOs and capital structure decisions：evidence from the CEO pay slice（CPS）[J]. Applied economics letters，2014，21（8）：564-568.
责任编辑：高钟庭
Abstract：Based on the data of China's high-tech listed enterprises from 2011 to 2016 and from the perspective of loss aversion theory， this paper discusses the influence of core executive power on R&D investment. The results show that core executive power has negative influence on R&D investment， and the influence intensity changes dynamically. Non-precipitated redundancy has a significant weakening regulatory effect on the relationship between core executives' power and R&D investment. Enterprise nature， non-precipitated redundancy and core executive power have three interactions on R&D investment： compared with state-owned enterprises， the non-precipitation redundancy of non-state-owned enterprises has a stronger regulatory effect on the relationship between the power of core executives and R&D investment.
Key words： core executives； power；R&D investment； loss aversion