蘭冬花

（江西理工大學 經濟管理學院，江西 贛州 341099）

0 引言

國無才不立，業(yè)無才不興，人才對于保障企業(yè)持續(xù)穩(wěn)定經營、推動經濟穩(wěn)中求進運行具有重要意義，人才是我國實施創(chuàng)新驅動發(fā)展戰(zhàn)略的關鍵。高管專業(yè)技能和多樣化的管理技能之間的差距日趨明顯，各企業(yè)逐漸傾向于吸收職業(yè)經歷豐富的高管［1］?；诓煌殬I(yè)經歷所塑造出的人物性格、價值觀及行事風格，對管理者經營企業(yè)、制定戰(zhàn)略及財務決策產生較大的影響。有學者指出，每一項職業(yè)背景均會給CEO留下特定的記憶，多項職業(yè)背景確實可能豐富CEO的知識經驗。但是，當CEO經歷的職業(yè)數(shù)量過多時，意味著該CEO職業(yè)流動頻繁，各職業(yè)任職期限較短使其難以全面掌握職業(yè)的詳細流程和相關資源，最終無法獲得特定的記憶和知識經驗［2］，此時的多職業(yè)經歷可能并不會對CEO有所助益。現(xiàn)有研究得出的結論顯示，各單一職業(yè)背景對企業(yè)管理者的影響大相徑庭，不同職業(yè)經歷的CEO可能也存在很大差異?？梢姡邆涠嗦殬I(yè)背景的CEO是否值得企業(yè)爭取還有待商榷。

投資決策既是企業(yè)三大財務決策的核心，也是企業(yè)財務決策的起點，投資決策對管理者能力的需求差異較大。一直以來，企業(yè)非效率投資問題受到國內外學者積極的討論和研究。研究結果顯示，企業(yè)非效率投資主要是由委托代理問題和信息不對稱引起。然而，COASE［3］表示，企業(yè)投資決策權在管理者的手上，這是企業(yè)發(fā)展極其重要的一部分，企業(yè)高管可以通過其行為操縱投資決策，因此管理者行為對投資決策質量有引導作用，是決定企業(yè)投資效率的關鍵因素之一，對企業(yè)的成長有較大影響［2］。作為企業(yè)各項投資決策的領導者，CEO的行為被證明會影響投資效率。那么，CEO具有多職業(yè)經歷是否會對企業(yè)的投資效率產生影響呢？此外，如果CEO曾擔任的職業(yè)數(shù)量過多，超過某一臨界點，就可能導致在崗時間不長，無法熟練掌握每個崗位所需技能，經驗不足，此時二者的關系又是怎樣的呢？為回答上述問題，本文在理論分析的基礎上，運用實證方法探究CEO多職業(yè)背景與投資效率之間的關系。結果顯示：具有多職業(yè)經歷的CEO可以提升企業(yè)投資效率；CEO曾任職業(yè)數(shù)量越豐富，投資效率越高。

本文的創(chuàng)新點如下：一方面，首次從投資效率角度對CEO多職業(yè)背景的經濟后果進行研究，豐富了CEO職業(yè)背景對投資效率的研究，現(xiàn)有文獻大多分析高管行為對企業(yè)投資效率的影響，只考慮于單一的職業(yè)背景，并未對多職業(yè)背景的綜合作用做出分析。然而，CEO不同的職業(yè)經歷之間是可能存在相互影響。另一方面，為企業(yè)選拔、考核CEO及制定儲備人才培養(yǎng)政策提供決策參考。CEO是企業(yè)投資的核心決策者，為提高企業(yè)投資效率，越來越多的企業(yè)在選聘或培養(yǎng)CEO時開始關注其職業(yè)背景。

1 理論分析和研究假設

1.1 CEO多職業(yè)經歷與投資效率

高階梯隊理論認為，作為人口統(tǒng)計學特征之一的職業(yè)背景是決定高管心理維度特質的重要因素之一?，F(xiàn)有研究發(fā)現(xiàn)，CEO的各類職業(yè)經歷對其自身心理特質均有影響［2］，進而對CEO的投融資決策也有一定影響。根據(jù)烙印理論，CEO的每一份經歷都會在其腦海中形成一種獨特的印象，相比單一職業(yè)經歷者，多職業(yè)背景的CEO經驗會更加豐富。一方面，豐富的職業(yè)經歷能夠提升管理者在經理人市場的議價能力和穩(wěn)定性，不易被解雇，使其更加注重公司長期利益，降低代理成本，緩解信息不對稱和代理問題［4］，也更容易獲得豐富的內、外部優(yōu)質資源［5］，為企業(yè)獲取低成本資金和資本配置提供良好的前提條件［6］，促進企業(yè)投資效率提升。另一方面，豐富的職業(yè)經歷為CEO提供充足經驗，使CEO對各投資機會的識別和利用反應更加機敏［7］，面對問題也有更多的解決方案，提升了失敗容忍度［8］，使CEO善于捕捉利于企業(yè)發(fā)展、風險高的項目，合理分配企業(yè)各項目資金［9］，提升企業(yè)投資效率。由此，本文提出第一個假設（H1）：CEO多職業(yè)經歷能夠促進企業(yè)投資效率提升。

1.2 CEO職業(yè)數(shù)量與投資效率

具有多職業(yè)背景的CEO可以幫助企業(yè)獲得更高的投資效率，是否意味著CEO曾擔任過的職業(yè)類型數(shù)量越多越好呢？根據(jù)烙印理論，一方面，CEO擔任過的職業(yè)類型越多，則具備更多領域的相關知識，且擔任過的崗位越多，接觸的資源涉及領域越廣，CEO的思維則更具創(chuàng)造性［10］，豐富的資源可以輔助CEO決策，對企業(yè)的投融資均有幫助。另一方面，如果CEO曾擔任的職業(yè)類型過多，超過某一臨界點，意味著該CEO職業(yè)流動頻繁，導致在崗時間不長，未能熟練掌握每個崗位所需技能，無法了解各職業(yè)的詳細流程和相關資源，無法獲得特定的記憶和知識經驗［3］，經驗不足將會使CEO對投資機會不敏感，策略制定不完善會導致企業(yè)投資效率下降。由此，提出以下假設（H2a）：CEO職業(yè)數(shù)量越多，投資效率越高；（H2b）：CEO的職業(yè)數(shù)量與投資效率之間存在倒“U”形關系。

2 研究設計

2.1 樣本選擇與數(shù)據(jù)來源

本文以2007—2020年滬深A股上市公司為樣本數(shù)據(jù)，同時為保證數(shù)據(jù)質量，進行以下篩選：①剔除金融類的公司；②剔除PT（特別轉讓）、ST（連續(xù)二年虧損，特別處理）、ST*（連續(xù)三年虧損，退市預警）類公司；③剔除觀察期內主營業(yè)務收入的增長率大于100%的上市公司，以避免并購或重大資產重組等對企業(yè)正常生產經營和財務狀況的沖擊性影響；④剔除數(shù)據(jù)有異常值或不全的公司；同時，對連續(xù)型變量通過Winsorize進行了上下1%縮尾處理，以消除極端值可能帶來的影響，最終得到28 119個樣本。數(shù)據(jù)均來自國泰安（CSMAR）數(shù)據(jù)庫。主要使用Excel和Stata16進行數(shù)據(jù)整理和回歸分析。

2.2 變量定義與模型設計

2.2.1 被解釋變量（投資效率，INVEFF）

以往學者通過邊際托賓Q、Wurgler模型或Richardson模型等衡量企業(yè)的投資效率，然而，前兩類模型的估算樣本存在一定的幸存性偏差。因此，本文借鑒劉錦英等［11］的做法，通過Richardson（2006）模型衡量企業(yè)投資效率水平［12］，模型如下：

其中：Investt為t年新增投資，計算公式為（購建固定資產、無形資產及其他長期資產的支出+取得子公司及其他營業(yè)單位支付的現(xiàn)金凈額-處置固定資產、無形資產和其他長期資產收回的現(xiàn)金凈額-當期折舊費用）/總資產；Growtht-1為t-1年營業(yè)收入增長率；Levt-1為t-1年資產負債率；Casht-1為t-1年現(xiàn)金及現(xiàn)金等價物除以總資產；Aget-1為t-1年企業(yè)上市年限的自然對數(shù)；Sizet-1為t-1年企業(yè)總資產自然對數(shù)；Returnt-1為t-1年考慮現(xiàn)金紅利再投資的年個股回報率；ε為模型的隨機誤差項；此外，該模型還控制了年度和行業(yè)。

采用模型（1）中的殘差（Xinvest，即實際的投資規(guī)模觀測值減去模型最優(yōu)投資規(guī)模擬合值）的絕對值衡量企業(yè)投資效率，該絕對值越大，企業(yè)投資效率越低。

2.2.2 解釋變量

CEO多職業(yè)背景從CEO多職業(yè)經歷和CEO職業(yè)數(shù)量2個方面進行衡量。

（1）CEO多職業(yè)經歷（Funback）。CSMAR數(shù)據(jù)庫中，高管個人職業(yè)背景信息包括九類。本文將CEO多職業(yè)經歷（Funback）定義為虛擬變量，當CEO曾擔任的職業(yè)是兩種或者兩種以上時，F(xiàn)unback取值為1；當CEO僅擔任過一類職業(yè)時，F(xiàn)unback取值為0。

（2）CEO職業(yè)數(shù)量（NP）。根據(jù)CSMAR數(shù)據(jù)庫中高管個人職業(yè)背景信息，采用CEO在職業(yè)經歷中所從事過的職業(yè)數(shù)量衡量CEO職業(yè)數(shù)量。

2.2.3 控制變量

根據(jù)研究目的，本文控制了企業(yè)特征和高管個人特征變量，還對行業(yè)及年度進行控制。企業(yè)規(guī)模用Size表示，采用“營業(yè)收入取自然對數(shù)”衡量。企業(yè)年齡用FAge表示，采用“當年年度減去企業(yè)成立年度加1取自然對數(shù)”進行衡量。資產負債率用Lev表示，采用“年末負債總額/年末資產總額”進行衡量。盈利能力用Roa表示，采用“凈利潤/平均資產總額”進行衡量。主營業(yè)務增長率用Growth表示，采用“管理費用/營業(yè)收入”進行衡量。股權集中度用Z表示，采用“第一大股東持股比例”進行衡量。董事會規(guī)模用Board表示，采用“董事會成員人數(shù)取自然對數(shù)”進行衡量。CEO性別用Gender表示，虛擬變量，男性為1，女性為0。CEO年齡用Cage表示，采用“樣本對應年份CEO的年齡取自然對數(shù)”進行衡量。兩職合一用IsDuality表示，采用“CEO兼任董事長時取1，否則取0”進行衡量。

2.2.4 模型設計

其中：模型（2）用來檢驗CEO多職業(yè)經歷與企業(yè)投資效率之間的關系；模型（3）用來檢驗CEO職業(yè)數(shù)量與企業(yè)投資效率之間的關系。INVEFF表示企業(yè)投資效率；Funback表示CEO多職業(yè)經歷；NP表示CEO多職業(yè)數(shù)量；ControlVariables為控制變量；ε為模型的隨機誤差項。

3 實證結果分析

3.1 描述性統(tǒng)計

主要變量的描述性統(tǒng)計結果顯示：樣本的企業(yè)投資效率（INVEFF）均值為0.03；標準差為0.03；中位數(shù)為0.021，表示各企業(yè)間的投資效率存在差距。CEO多職業(yè)經歷（Funback）的均值為0.622，大于0.5，中位數(shù)為1；并且CEO職業(yè)數(shù)量的均值為1.892，中位數(shù)為2，這表示CEO的職業(yè)背景越來越豐富?？刂谱兞康慕y(tǒng)計結果顯示企業(yè)規(guī)模（Size）的均值是21.51，中位數(shù)是21.39，標準差是1.453，表示樣本中各企業(yè)規(guī)模差距較大；其他指標的標準差較小，說明這些指標在樣本企業(yè)中的差異不明顯。

3.2 相關性檢驗

各主要變量的相關性分析顯示：投資效率與CEO多職業(yè)背景（CEO多職業(yè)經歷與職業(yè)數(shù)量）之間顯著負相關。由此，假設H1和假設H2a得到初步驗證。除CEO多職業(yè)背景2個指標相關性較強之外，其他變量之前的系數(shù)均小于0.7，說明不存在多重共線性的問題。

3.3 回歸分析

3.3.1 主效應回歸分析

多元回歸結果見表1。表1給出了CEO多職業(yè)背景（CEO多職業(yè)經歷與職業(yè)數(shù)量）與投資效率之間的關系，由表1可以看出，不論是否控制行業(yè)和年份，CEO多職業(yè)經歷與投資效率之間的關系都是負的，具有5%的顯著性水平，這表明具有多職業(yè)經歷的CEO可以促進企業(yè)投資效率的提升，假設H1得到驗證。CEO的職業(yè)數(shù)量和投資效率之間的關系也是負向的，在5%的水平上顯著，這表示CEO曾擔任的職業(yè)數(shù)量越多，企業(yè)的投資效率越高，驗證了假設H2a。在（2）列中，NP2和CEO職業(yè)數(shù)量（NP）的系數(shù)均不顯著，這說明CEO職業(yè)數(shù)量和投資效率之間并沒有倒“U”形關系，隨著職業(yè)數(shù)量的增加，投資效率上升。CEO職業(yè)數(shù)量和投資效率沒有出現(xiàn)倒“U”形可能性是如下：由描述性統(tǒng)計可知，大部分CEO的職業(yè)數(shù)量均為2，并且中位數(shù)為2，均值僅1.892，說明職業(yè)數(shù)量較多的CEO樣本量太小，無法對實證結果產生影響。側面反映出，大多數(shù)CEO知道經歷過于復雜的弊端，會在具備一定數(shù)量的職業(yè)經歷后選擇穩(wěn)定下來，不再更換其他類型的職業(yè)，以此來保證自己的專業(yè)性，為自身發(fā)展夯實基礎?？刂谱兞康慕Y果也基本符合預期，CEO的年齡系數(shù)是負的，并且在1%的水平上顯著，說明CEO年齡增加對企業(yè)投資效率有明顯的促進作用；兩職合一的系數(shù)顯著為正，這表示CEO兩職合一會降低企業(yè)的投資效率；企業(yè)規(guī)模的系數(shù)顯著為負，規(guī)模越大的企業(yè)投資效率越高，這是因為規(guī)模較大的企業(yè)內部控制相對更加完善，成熟的管理制度為投資已作好鋪墊。

3.3.2 細分投資效率

當Richardson的模型所得的殘差值小于0時，表明該企業(yè)投資不足，殘差大于0則表示企業(yè)存在過度投資的問題。由此，本文將投資效率細分為投資不足和過度投資，投資不足和過度投資值越大，表示投資效率越低，實證結果見表2，CEO多職業(yè)背景與投資不足和過度投資均為負相關，表示具備多職業(yè)背景的CEO可以有效控制投資不足和過度投資的問題，幫助企業(yè)緩解投資壓力，提升投資效率。

3.4 穩(wěn)健性檢驗

3.4.1 更換被解釋變量

本文選取Richardson模型對投資效率進行衡量，穩(wěn)健性檢驗樣本以BIDDLE等［13］投資模型殘差項絕對值衡量投資效率，殘差項絕對值越大，投資效率越低。

模型（4）中的變量衡量與式（1）一致，穩(wěn)健性檢驗結果顯示，更換投資效率的衡量方法之后的結果一致，CEO多職業(yè)經歷和職業(yè)數(shù)量與投資效率之間均為顯著負相關，說明具有多職業(yè)背景的CEO可以提升企業(yè)投資效率，與前文結論一致，驗證了本文結論的可靠性。

3.4.2 Heckman兩階段

為克服主假設中可能存在的樣本自選擇問題，本文參考何瑛等［6］的方法，采用Heckman兩階段模型進行檢驗。

第一階段采用CEO是否具有多職業(yè)經歷作為被解釋變量，加入同省份、同行業(yè)的其他企業(yè)CEO職業(yè)數(shù)量均值（為減小誤差，刪除了同省同行業(yè)企業(yè)數(shù)量小于10樣本）作為外生工具變量，構建Probit模型進行估計，經過計算后，得到逆米爾斯比率（IMR）。第二階段，把逆米爾斯比率引入第二階段模型進行回歸分析。結果顯示，模型（1）和模型（2）中Funback和NP系數(shù)均顯著為負，說明CEO多職業(yè)背景對投資效率具有促進作用。

4 結論

本文運用烙印理論、高階梯隊理論和委托代理理論，以2007—2020年我國滬深A股上市公司為樣本，對CEO多職業(yè)背景（CEO多職業(yè)經歷和職業(yè)數(shù)量）與投資效率之間的關系進行分析和檢驗。實證結果顯示：①CEO多職業(yè)背景與投資效率值負相關，即具有多職業(yè)經歷的CEO可以提升企業(yè)投資效率，CEO曾任職業(yè)數(shù)量越豐富，對投資效率的促進作用越明顯。②CEO多職業(yè)背景（CEO多職業(yè)經歷與職業(yè)數(shù)量）對投資不足和過度投資均有抑制作用，即CEO多職業(yè)背景可以緩解企業(yè)投資問題。

根據(jù)上述結論，得到以下啟示：一是CEO職業(yè)背景的多樣化有助于豐富其閱歷，增加實戰(zhàn)經驗，為企業(yè)投資獲取更多有利資源和制定合理決策，提升企業(yè)運營效率。二是CEO的職業(yè)背景可以作為企業(yè)的一項選拔指標，以幫助企業(yè)獲取優(yōu)質人才，為企業(yè)長遠發(fā)展奠定基礎。三是企業(yè)內部應制定合理的輪崗機制，培養(yǎng)管理者全面發(fā)展，豐富管理者職業(yè)經歷，為企業(yè)培養(yǎng)人才，利于企業(yè)管理團隊的良性發(fā)展。