影響上市公司高管薪酬的企業(yè)因素實證分析

1、影響上市公司高管薪酬的企業(yè)因素實證分析摘要：本文主要通過分析可能影響上市公司高管薪酬的企業(yè)因素（排除了個人因素的不確定性與難統(tǒng)計性），尋找出多個符合經(jīng)濟意義的變量，通過應(yīng)用eviews這類專業(yè)的統(tǒng)計軟件，對所收集的深交所385個可用樣本進(jìn)行了一系列的描述統(tǒng)計以及回歸分析、調(diào)整，最終確定了決定高管薪酬的幾個主要因素，并且得到了一個擬合度較高的預(yù)測方程，以用于高管薪酬的預(yù)測。關(guān)鍵詞：高管薪酬 多因素分析 模型 計量經(jīng)濟學(xué) 檢驗 一、問題的提出在股份公司里，人們在努力提高公司經(jīng)濟效益的同時，也越來越來關(guān)注委托代理問題。因為我們已意識到如果委托代理關(guān)系處理不好，可能帶來道德風(fēng)險、逆向選擇等諸多問題，而

2、要解決委托代理問題，重要的一點是如何提高受托人經(jīng)營的積極性。在西方，高級管理人員的薪酬與公司績效的關(guān)系是企業(yè)管理體現(xiàn)激勵與約束機制和解決委托代理問題的通行做法，那么在中國這種環(huán)境下是不是也是公司績效影響到高管的薪酬呢？hall和liebman在1998年利用美國上百家商業(yè)公司近15年的數(shù)據(jù)，研究經(jīng)營者報酬與經(jīng)營業(yè)績之間的關(guān)系，得出經(jīng)營者報酬與經(jīng)營業(yè)績具有強相關(guān)的特征結(jié)論。李增泉的激勵機制與企業(yè)績效一項基于上市公司的實證研究（2000）中研究發(fā)現(xiàn)經(jīng)營者年度報酬與企業(yè)績效并不相關(guān)，而是與企業(yè)的規(guī)模密切相關(guān)，并表現(xiàn)出明顯的地區(qū)差異性。諶新民、劉善敏的上市公司經(jīng)營者報酬結(jié)構(gòu)性差異的實證研究（2003）

3、研究發(fā)現(xiàn)經(jīng)營者的年度貨幣性薪酬與公司績效不具有統(tǒng)計上的顯著性相關(guān)關(guān)系。楊漢明的高管薪酬與上市公司績效的實證分析（2004）指出高管平均薪酬的對數(shù)與上一年公司國有股持股比例及公司總股本的對數(shù)（公司規(guī)模）之間呈多元線性關(guān)系。李興緒、揚燕紅、章玲和鄭樹明的國有控股上市公司經(jīng)營者薪酬安排的實證研究則詳細(xì)的對國有絕對控股的公司經(jīng)營者的年度貨幣性薪酬與公司績效進(jìn)行具體的研究。研究認(rèn)為經(jīng)營者年薪與公司績效具有統(tǒng)計上的弱相關(guān)關(guān)系。但國有控股公司經(jīng)營者年薪與滯后一期的公司績效的相關(guān)強度小于當(dāng)期和未來一期的公司績效的相關(guān)強度)。經(jīng)營者薪酬、薪酬差距對未來公司績效具有激勵作用。所以我們的研究將建立在對過去研究的完善

4、與創(chuàng)新上：對于整個上市公司而言，選擇添加了滯后一期的數(shù)據(jù)進(jìn)行因素分析添加了行業(yè)、地區(qū)這類虛擬變量選取樣本時剔除了董事兼高管的公司二、經(jīng)濟意義的闡述與基本關(guān)系假設(shè)1、高管當(dāng)年薪酬與前一年薪酬存在正相關(guān)關(guān)系。因為，高管薪酬的確定通常需要參照上市公司上年薪酬水平。2、高管薪酬與經(jīng)營業(yè)績（扣除非經(jīng)營性損益的凈利潤為基礎(chǔ)計算的凈資產(chǎn)收益率/加權(quán)）存在正相關(guān)關(guān)系。根據(jù)委托代理理論，當(dāng)股東與經(jīng)理之間存在信息不對稱、利益沖突時，股東會與經(jīng)理簽訂報酬績效契約，來減少由于信息不對稱和逆向選擇所導(dǎo)致的代理成本；在報酬績效契約下，高管階層的報酬將由企業(yè)的經(jīng)營績效確定，所以，我們假設(shè)高管薪酬與企業(yè)績效存在顯著的正相關(guān)關(guān)

5、系。3、高管薪酬與總股本存在正相關(guān)關(guān)系?？偣杀痉从沉斯疽?guī)模的大小，在盈利的企業(yè)里，公司規(guī)模越大所獲利潤越多，高管薪酬越多。因此，我們假設(shè)高管年薪與總股本存在正相關(guān)關(guān)系。4、高管薪酬與國有股權(quán)比例存在負(fù)相關(guān)關(guān)系。由于國有產(chǎn)權(quán)模糊，高管階層的預(yù)期期望低，難以產(chǎn)生應(yīng)有的激勵效果。所以，我們假設(shè)高管薪酬與公司股本中國有股的比例存在負(fù)相關(guān)關(guān)系。5、上市公司同時發(fā)行b股或h股，會提高高管薪酬。當(dāng)公司能發(fā)行b股或h股時，企業(yè)的融資渠道更寬廣，資金更雄厚，投資規(guī)模將更大。同時，市場對于上市公司的監(jiān)管更嚴(yán)格更全面，要求企業(yè)家有更好的業(yè)績表現(xiàn)，相應(yīng)的也不吝于給出高薪報酬。6、上市公司所處的地區(qū)會影響高管的薪酬。

6、當(dāng)公司處于上海、北京、廣東等地，因為這些地區(qū)本身消費水平就很高，所以高管薪酬也相應(yīng)會提高。因此，我們假設(shè)公司是否處于以上較為繁華的城市將對高管年薪產(chǎn)生影響。7、上市公司所在行業(yè)影響高管的薪酬。當(dāng)公司處于當(dāng)今社會盈利能力很強的行業(yè)（如金融保險、壟斷性行業(yè)等）時，公司盈利能力越強高管薪酬越高。同時認(rèn)為綜合類的上市公司（通常認(rèn)為是集團類企業(yè)）由于其主營業(yè)務(wù)多樣，而應(yīng)具有更好的盈利能力及抗風(fēng)險能力，因而高管薪酬應(yīng)較高。因此，我們假設(shè)公司所在行業(yè)會影響高管的薪酬。三、理論數(shù)學(xué)模型的設(shè)定根據(jù)以上的經(jīng)濟理論的分析和基本關(guān)系的假設(shè)，在設(shè)立模型時將03年高管薪酬作為滯后一期的變量，將經(jīng)營業(yè)績、總股本和國有比例作

7、為解釋變量，將是否發(fā)行b股或h股、所在地區(qū)和所處行業(yè)作為虛擬變量。由于幾個變量之間數(shù)量級存在差異,若直接回歸會存在一些潛在問題,為了回避這一 問題,本文在設(shè)定模型時將03年高管薪酬、04年高管薪酬和總股本這幾個以絕對值形式出現(xiàn)采用了對數(shù)形式。 模型設(shè)定如下注：文中回歸時使用ly04代替，ly03代替，lx2代替。：04年高管薪酬經(jīng)營業(yè)績（扣除非經(jīng)營性損益的凈利潤為基礎(chǔ)計算的凈資產(chǎn)收益率/加權(quán)）總股本國有股比例u隨機擾動項參數(shù)四、樣本的選取我們以2004年在深圳證券交易所公布年報的上市公司為樣本，并且為了保證分析結(jié)論的普遍性，我們遵循以下原則選取，共得到385 組樣本數(shù)據(jù)：（一） 為了得到更為成

8、熟的信息，而且考慮到樣本的一般代表性，我們首先剔除了資料不全、業(yè)績較差的st和pt 公司；（二） 由于我國一些公司是經(jīng)過包裝上市的，這樣新上市的公司業(yè)績不穩(wěn)定，所以，樣本中未包含新上市公司，都是2003年前就上市了的公司；（三） 因為在本文中我們討論的是委托代理關(guān)系，所以剔除了董事兼高管的公司；（四） 由于我們采用的是最前三位高管薪酬總額，所以，還剔除了高管人數(shù)少于3個的公司樣本。因為一般而言，投資人在年終才會評價經(jīng)營者完成受托責(zé)任的情況， 以決定是否增加經(jīng)營者的薪酬，是否繼續(xù)聘用經(jīng)營者， 所以我們認(rèn)為，影響上市公司高管階層年薪的應(yīng)該是上年的公司業(yè)績和相關(guān)因素。所以，在遵循以上原則基礎(chǔ)上，我們

9、選取披露了2004年和2003年前三高管薪酬位總額的所有公司，對應(yīng)的選擇2003 年的業(yè)績、國有股比例、總股本、絕對薪酬差等相關(guān)數(shù)據(jù)及資料。五、樣本分析（一）描述統(tǒng)計分析在進(jìn)行回歸分析之前，我們先進(jìn)行以下描述統(tǒng)計分析：1、 高管薪酬差距較大。在385個樣本中，04年高管薪酬最高的是000002深萬科a，廣東，所屬行業(yè)j（房地產(chǎn)），前三位高管平均薪酬為171.67萬，04年高管薪酬最低的是000426富龍熱力，內(nèi)蒙古，所屬行業(yè)d（電力、煤氣及水的生產(chǎn)和供應(yīng)），前三位高管平均薪酬為1.14萬。由此可以看出，不同公司高管薪酬差距較大，最高的是最低的150倍。表1：單位：萬元股票代碼04年薪酬股票代碼

10、03年薪酬max000002171.6667000921140min0004261.1433330004261.143333average20.6651317.02522、同上年相比，不同上市公司間高管薪酬差距擴大。同樣本情況下，03年高管薪酬最高的是000921科龍電器，廣東，所屬行業(yè)c7（機械、設(shè)備、儀表），前三位高管平均薪酬為140萬。03年高管薪酬最低的依然是000426富龍熱力的1.14萬。而且，04年所有樣本的平均高管薪酬為20.67萬，03年所有樣本的平均高管薪酬為17.03萬。顯然，差距擴大了。3、業(yè)績與高管薪酬額不掛鉤。385個樣本中，03年所有公司中用來衡量業(yè)績的“扣除非經(jīng)

11、常性損益的凈利潤為基礎(chǔ)計算的凈資產(chǎn)收益率”roe最高的為000617石油濟柴，山東，所屬行業(yè)c7（機械、設(shè)備、儀表）0.4074，其前三位高管平均薪酬10.80萬，roe最低的為000633合金投資，遼寧，所屬行業(yè)m（綜合），roe=-2.3030，其前三位高管平均薪酬13.07萬。雖然業(yè)績最低，但是其高管薪酬卻比業(yè)績最高的公司高管薪酬更高?？梢?，業(yè)績與高管薪酬額相關(guān)度不大。表2：單位：萬元股票代碼03年roe（%）04年薪酬03年薪酬max0006170.4074 10.7967 8.4933min000633-2.3030 13.0667 7.8000average0.0192 20.66

12、51 17.02524、公司規(guī)模對高管薪酬有較為顯著的影響。表3：單位：萬元股票代碼總股本（單位：股）04年薪酬03年薪酬max0008982,962,942,246.0000 15.5000 15.5200 min00066961,670,000.0000 5.1667 5.1667 average425,046,459.0701 20.6651 17.0252 5、與平均水平相比，國有股份額越大，薪酬水平相對更低。表4：單位：萬元股票代碼國有股比例（%）04年薪酬03年薪酬max0008980.848477 17.6667 13.6667 min多個股票average0.290516 20

13、.6651 17.0252 （二）回歸分析我們利用eviews軟件，用ols方法估計得到：（見附表1）ly04=0.491748+0.835528ly03+0.167638d1-0.013293d2-0.050005d3+0.050402x1(0.788230) (29.11029) (2.148697) (-0.262773) (-0.554123) (0.490981)+0.093156lx2-0.090802x3(2.973939) (-1.112710)可見，可決系數(shù)比較高，f也較高，但、都不顯著，而且按照以上的經(jīng)濟意義分析來看，、與經(jīng)濟意義不符，因此，我們再對上述模型進(jìn)行計量經(jīng)濟學(xué)的

14、檢驗，并進(jìn)行修正，看是否能使模型方程得到改進(jìn)。六、回歸分析的計量經(jīng)濟學(xué)模型檢驗（一）多重共線性檢驗用eviews軟件，得相關(guān)系數(shù)矩陣表：表5ly03d1d2d3x1lx2x3ly03 1.000000 0.277966 0.412111 0.009197 0.101279 0.321093-0.034610d1 0.277966 1.000000 0.265374-0.075589 0.097060 0.226111-0.054472d2 0.412111 0.265374 1.000000 0.021739 0.060491 0.161198-0.001576d3 0.009197-0.07

15、5589 0.021739 1.000000-0.168662-0.100160-0.151421x1 0.101279 0.097060 0.060491-0.168662 1.000000 0.186132 0.046258lx2 0.321093 0.226111 0.161198-0.100160 0.186132 1.000000 0.107431x3-0.034610-0.054472-0.001576-0.151421 0.046258 0.107431 1.000000由上表我們可以看出，解釋變量、虛擬變量和滯后一期變量之間的相關(guān)系數(shù)較小，可見存在輕度多重共線性。用逐步回歸法進(jìn)

16、行修正：（見附表2）剔除影響不顯著的d2、d3、x1、x3方程變?yōu)椋海ㄒ姼奖?*）ly04 = 0.4890546548 + 0.8341617686*ly03 + 0.09252437598*lx2 + 0.1746671652*d1 （0.814811） （31.22490） （3.027865） （2.293012）r-squared=0.770975f-statistic=426.4015（二）異方差檢驗用eviews軟件，進(jìn)行arch檢驗，得到：（見附表3）obs*r-squared=0.373588 =3.84146,不存在異方差性(三)自相關(guān)檢驗由于這是一個一階自回歸模型，所以我

17、們采用德賓 h-檢驗來檢驗其自相關(guān)性：對于逐步回歸法修正前的模型：對于逐步回歸法修正后的模型：（見附表2*）在0.05的顯著性水平下，上述兩個h1.96，即不存在一階自相關(guān)。七、結(jié)論那么我們的模型估計式就是經(jīng)過逐步回歸法修正所得到的結(jié)果：ly04 = 0.4890546548 + 0.8341617686*ly03 + 0.09252437598*lx2 + 0.1746671652*d1 （0.814811） （31.22490） （3.027865） （2.293012）r-squared=0.770975f-statistic=426.4015經(jīng)過修正后，我們可以看出，各t統(tǒng)計量非常顯著

18、，而且可決系數(shù)和f統(tǒng)計量也都比較大，也就是說方程整體擬合效果較好。結(jié)合經(jīng)濟意義，以及回歸結(jié)果（附表1），我們得出以下結(jié)論：1、總體而言，上市公司高管平均薪酬的對數(shù)與其上一年的平均薪酬的對數(shù)、反映公司規(guī)模的總股本的對數(shù)以及是否發(fā)行h股或b股，呈現(xiàn)多元線性關(guān)系。2、高管薪酬受其上一期薪酬水平的顯著影響。3、高管薪酬與經(jīng)營業(yè)績（扣除非經(jīng)營性損益的凈利潤為基礎(chǔ)計算的凈資產(chǎn)收益率/加權(quán)）雖然存在正相關(guān)關(guān)系，但不顯著。即表明我國上市公司的委托代理激勵機制尚未建立健全，高管的薪酬與其經(jīng)營的業(yè)績沒有什么關(guān)系?！案啥喔缮僖粋€樣的，干好干壞一個樣”的傳統(tǒng)計劃經(jīng)濟體制下的經(jīng)營管理模式仍未改變。4、高管薪酬與公司規(guī)模

19、存在顯著正相關(guān)關(guān)系。從積極的角度看，這體現(xiàn)了企業(yè)家在管理更大的企業(yè)時所體現(xiàn)的企業(yè)家價值獲得了更多的補償；但從另一個角度看，也說明了為什么我國上市公司那么熱衷于“圈錢”、擴大企業(yè)規(guī)模。5、高管薪酬與國有股權(quán)比例存在負(fù)相關(guān)關(guān)系，但不顯著。國有企業(yè)的改制，以及國有股的逐步減持，都能說明國家持股對于上市公司高管的薪酬影響漸漸減弱。6、上市公司是否同時發(fā)行b股或h股，顯著影響著高管薪酬。同時在b股市場發(fā)行股票或在香港聯(lián)交所上市的上市公司的高管薪酬顯著高于一般水平。7、上市公司所處的地區(qū)對上市公司高管薪酬影響不顯著，而且違背了我們做出的假設(shè)或者說是經(jīng)濟意義。究其原因，可能是地區(qū)差異按照省份劃分不合理，忽略

20、了省內(nèi)發(fā)達(dá)城市與不發(fā)達(dá)城市的區(qū)別，同時，由于樣本選取中只選擇了深市，所以樣本中沒有包括上海的上市公司。當(dāng)然也可能是地區(qū)因素根本不顯著，即對于薪酬沒什么影響。8、上市公司所在行業(yè)沒有顯著影響高管的薪酬。而且，基于對行業(yè)虛擬變量的假設(shè)，認(rèn)為綜合類的上市公司（通常認(rèn)為是集團類企業(yè)）由于其主營業(yè)務(wù)多樣，而應(yīng)具有更好的盈利能力及抗風(fēng)險能力，因而高管薪酬應(yīng)較高。但回歸結(jié)果與假定相反，這可能是因為一方面，我國上市公司行業(yè)分類本身存在一定的缺陷，很多綜合類公司并非我們假定中認(rèn)為的集團類上市公司，而只是主營業(yè)務(wù)有兩項超過判斷標(biāo)準(zhǔn)；另一方面，由于數(shù)據(jù)錄入的困難，沒有具體的對各個行業(yè)進(jìn)行判斷，所以可能讓高盈利水平的

21、行業(yè)影響沒有表現(xiàn)出來。九、不足之處當(dāng)然，由于我們水平有限，不足之處如下所述：由于錄入數(shù)據(jù)的工作量太大，所以我們只選擇了深交所的上市公司作為樣本。這樣影響了對于我國上市公司的全面反映，而且地區(qū)因素也可能因此不顯著。對于行業(yè)的分類以及虛擬變量的設(shè)定還不夠合理，有待完善另注：對于高管薪酬的反映，忽略了高管可能獲得的福利及“灰色收入”，而單純考慮其年報所披露的收入。由于福利及灰色收入的不確定性和難以統(tǒng)計性，同時，也由于這些福利與灰色收入對于所有上市公司應(yīng)該是普遍存在，所以我們不得不選擇在研究時忽略這些。歡迎大家一同探討、指正。參考文獻(xiàn)1 李增泉激勵機制與企業(yè)績效一項基于上市公司的實證研究（2000）2

22、 諶新民、劉善敏的上市公司經(jīng)營者報酬結(jié)構(gòu)性差異的實證研究（2003）3 楊漢明的高管薪酬與上市公司績效的實證分析（2004）4 李興緒、揚燕紅、章玲和鄭樹明的國有控股上市公司經(jīng)營者薪酬安排的實證研究附錄（附表1）dependent variable: ly04method: least squaresdate: 06/06/05 time: 10:35sample(adjusted): 1 384included observations: 384 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. c0

23、.4917480.6238640.7882300.4311ly030.8355280.02870229.110290.0000d10.1676380.0780192.1486970.0323d2-0.0132930.050589-0.2627730.7929d3-0.0500050.090242-0.5541230.5798x10.0504020.1026560.4909810.6237lx20.0931560.0313242.9739390.0031x3-0.0908020.081604-1.1127100.2665r-squared0.772059 mean dependent var12

24、.99271adjusted r-squared0.767815 s.d. dependent var0.826929s.e. of regression0.398460 akaike info criterion1.018194sum squared resid59.69766 schwarz criterion1.100499log likelihood-187.4933 f-statistic181.9356durbin-watson stat1.910938 prob(f-statistic)0.000000（附表2）dependent variable: ly04method: le

25、ast squaresdate: 06/06/05 time: 10:25sample(adjusted): 1 384included observations: 384 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. c1.7759290.3224685.5072980.0000ly030.8763290.02514234.855810.0000r-squared0.760791 mean dependent var12.99271adjusted r-squared0.760164 s.d. d

26、ependent var0.826929s.e. of regression0.404972 akaike info criterion1.035196sum squared resid62.64882 schwarz criterion1.055772log likelihood-196.7576 f-statistic1214.928durbin-watson stat1.877970 prob(f-statistic)0.000000dependent variable: ly04method: least squaresdate: 06/06/05 time: 10:29sample(

27、adjusted): 1 384included observations: 384 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. c0.1231310.5818270.2116290.8325ly030.8477980.02618932.371780.0000lx20.1030650.0303783.3927440.0008r-squared0.767806 mean dependent var12.99271adjusted r-squared0.766587 s.d. dependent va

28、r0.826929s.e. of regression0.399513 akaike info criterion1.010640sum squared resid60.81159 schwarz criterion1.041504log likelihood-191.0428 f-statistic629.9334durbin-watson stat1.885471 prob(f-statistic)0.000000（附表2*）dependent variable: ly04method: least squaresdate: 06/06/05 time: 10:30sample(adjus

29、ted): 1 384included observations: 384 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. c0.4890550.6002060.8148110.4157ly030.8341620.02671531.224900.0000lx20.0925240.0305583.0278650.0026d10.1746670.0761742.2930120.0224r-squared0.770975 mean dependent var12.99271adjusted r-square

30、d0.769167 s.d. dependent var0.826929s.e. of regression0.397299 akaike info criterion1.002106sum squared resid59.98164 schwarz criterion1.043259log likelihood-188.4044 f-statistic426.4015durbin-watson stat1.895634 prob(f-statistic)0.000000dependent variable: ly04method: least squaresdate: 06/06/05 ti

31、me: 10:32sample(adjusted): 1 384included observations: 384 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. c0.4501530.6013250.7486010.4546ly030.8325860.02675531.118340.0000lx20.0967990.0308333.1395110.0018d10.1693850.0763372.2189090.0271x3-0.0832960.080470-1.0351160.3013r-squa

32、red0.771620 mean dependent var12.99271adjusted r-squared0.769210 s.d. dependent var0.826929s.e. of regression0.397262 akaike info criterion1.004492sum squared resid59.81255 schwarz criterion1.055932log likelihood-187.8624 f-statistic320.1292durbin-watson stat1.902857 prob(f-statistic)0.000000depende

33、nt variable: ly04method: least squaresdate: 06/06/05 time: 10:33sample(adjusted): 1 384included observations: 384 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. c0.4758560.6030970.7890200.4306ly030.8334500.02680931.088080.0000lx20.0952190.0309533.0762840.0022d10.1656010.07662

34、02.1613360.0313x3-0.0909060.081386-1.1169720.2647d3-0.0575480.088952-0.6469540.5181r-squared0.771873 mean dependent var12.99271adjusted r-squared0.768855 s.d. dependent var0.826929s.e. of regression0.397567 akaike info criterion1.008593sum squared resid59.74639 schwarz criterion1.070322log likelihoo

35、d-187.6499 f-statistic255.7941durbin-watson stat1.911948 prob(f-statistic)0.000000dependent variable: ly04method: least squaresdate: 06/06/05 time: 10:34sample(adjusted): 1 384included observations: 384 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. c0.5232720.6114640.8557680

36、.3927ly030.8328930.02686131.008010.0000lx20.0931060.0312852.9760850.0031d10.1641070.0767582.1379900.0332x3-0.0913750.081474-1.1215260.2628d3-0.0509590.090058-0.5658540.5718x10.0500640.1025210.4883250.6256r-squared0.772017 mean dependent var12.99271adjusted r-squared0.768389 s.d. dependent var0.82692

37、9s.e. of regression0.397968 akaike info criterion1.013169sum squared resid59.70863 schwarz criterion1.085186log likelihood-187.5285 f-statistic212.7721durbin-watson stat1.910351 prob(f-statistic)0.000000（附表3）arch test:f-statistic0.372000 probability0.542280obs*r-squared0.373588 probability0.541055te

38、st equation:dependent variable: resid2method: least squaresdate: 06/06/05 time: 10:52sample(adjusted): 2 384included observations: 383 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. c0.1613640.0194338.3036170.0000resid2(-1)-0.0312350.051212-0.6099180.5423r-squared0.000975 mea

39、n dependent var0.156473adjusted r-squared-0.001647 s.d. dependent var0.346138s.e. of regression0.346423 akaike info criterion0.722897sum squared resid45.72346 schwarz criterion0.743514log likelihood-136.4348 f-statistic0.372000durbin-watson stat1.992667 prob(f-statistic)0.542280數(shù)據(jù)表股票代碼2004年 高管薪酬前三位總

40、額(元）2003年 高管薪酬前三位總額(元）是否發(fā)行h股或b股地區(qū)行業(yè)經(jīng)營業(yè)績（扣除非經(jīng)營性損益的凈利潤為基礎(chǔ)計算的凈資產(chǎn)收益率/加權(quán)）%總股本（股）國有股比例0000012,290,000 1,660,000 0100.0592 1,945,822,149 0.000882 0000025,150,000 1,770,000 1100.1558 2,273,627,871 0.069603 000004930,000 900,000 010-0.0448 83,976,684 0.000000 000006541,300 746,000 0100.0069 253,591,631 0.280

41、248 000007560,000 430,000 010-1.4417 143,593,664 0.049668 000009540,000 540,000 011-0.0122 958,810,042 0.227963 000010225,000 225,000 010-0.0952 147,017,448 0.000000 0000121,480,000 1,230,500 1100.1418 676,975,416 0.000000 000014734,800 514,000 0100.0982 89,646,750 0.288000 000016739,200 739,200 110

42、0.0319 601,986,352 0.000000 000018610,000 610,000 1100.0028 169,142,356 0.280000 000019344,600 332,700 1100.0205 115,846,292 0.380592 000021630,000 574,000 0100.0867 732,932,101 0.559619 0000221,560,000 1,060,000 1100.3193 495,972,100 0.000000 000023421,000 338,000 010-0.0665 138,756,240 0.267123 00

43、00241,285,000 1,096,000 1100.1146 618,822,672 0.000000 000026888,100 730,700 1100.0048 249,317,999 0.000000 000027814,000 811,000 0100.1696 1,202,495,332 0.552833 000028829,600 843,700 1100.0662 288,149,400 0.433333 000029440,000 450,000 110-0.1283 1,011,660,000 0.735247 0000311,460,000 1,450,000 01

44、00.0903 466,302,377 0.596314 0000321,190,000 1,029,300 0100.0422 194,053,600 0.049634 000036320,000 320,000 0100.0048 449,555,085 0.000000 0000372,600,000 2,750,000 1100.2393 547,965,998 0.156103 000038420,000 357,000 010-0.0591 90,486,000 0.000000 0000393,100,000 1,660,000 1100.3276 1,008,483,353 0

45、.000000 0000421,054,000 1,055,000 0100.0405 239,463,040 0.348001 000043778,600 445,000 0110.1126 139,325,472 0.000000 000045936,800 668,100 1100.0608 245,124,000 0.662359 0000461,228,200 1,080,000 0100.0819 292,901,209 0.000000 0000502,258,000 576,000 0100.1222 265,540,000 0.127356 0000551,021,800 7

46、58,600 110-0.0025 296,400,000 0.000000 000056636,000 295,000 110-0.1632 220,901,184 0.190290 0000581,047,000 925,000 1100.0706 726,145,863 0.326876 000059300,000 98,000 0000.1096 663,225,214 0.000000 0000601,240,000 957,900 0100.1167 432,000,000 0.495833 000061750,200 845,200 0100.0005 387,663,442 0

47、.250912 000062360,000 360,000 0110.0349 270,399,998 0.525000 0000634,285,000 2,777,700 1100.1082 959,521,650 0.481774 000065881,200 851,800 0100.0821 162,437,120 0.743901 000066840,000 770,000 0100.2196 458,491,500 0.604660 0000681,020,000 1,009,000 0100.1075 785,970,517 0.144018 0000691,837,600 748

48、,000 0100.2075 1,052,839,659 0.019827 000070860,000 695,000 010-0.0031 250,000,000 0.392380 0000781,280,000 730,000 0100.0099 332,700,000 0.000000 0000881,415,200 2,030,000 0100.1903 1,245,000,000 0.738956 0000891,187,100 363,200 0100.0946 799,824,000 0.639921 0000901,200,000 1,200,000 0100.0377 223

49、,261,600 0.506946 0000961,336,400 1,309,200 0100.1183 528,000,000 0.212000 0000991,080,000 1,050,000 0100.0692 513,600,000 0.580561 0001001,340,000 1,890,000 0100.0081 2,586,331,144 0.252204 000151756,804 619,600 0100.0360 295,980,000 0.645246 000153128,800 122,400 0000.0150 130,004,600 0.495341 000155190,800 180,000 0000.0190 470,000,000 0.723404 000157987,000 987,000 0000.2388 507,000,000 0.498350 00015856,500 47,900 0000.0211 430,000,000 0.691116 000159276,000 360,000 000-0.0242 171,792,300 0.551784 000301