論文復(fù)制作業(yè)1 9劉舂霞 0

1、20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 1 延付高管薪酬對銀行風(fēng)險(xiǎn)承擔(dān)的政策效應(yīng)延付高管薪酬對銀行風(fēng)險(xiǎn)承擔(dān)的政策效應(yīng) 基于銀行盈余管理動機(jī)視角的基于銀行盈余管理動機(jī)視角的 PSM-DIDPSM-DID 分析分析 論文復(fù)制報(bào)告論文復(fù)制報(bào)告 何 靖 1、論文概述、論文概述 2008 年國際金融危機(jī)后，延付銀行高管薪酬是降低銀行風(fēng)險(xiǎn)承擔(dān)的重要舉 措之一。2010 年，中國銀行業(yè)監(jiān)督管理委員會（簡稱銀監(jiān)會）發(fā)布商業(yè)銀行 穩(wěn)健薪酬監(jiān)管指引 （以下簡稱監(jiān)管指引 ） ，對銀行高管薪酬作了必須延期支 付和追索、扣回的規(guī)定，以達(dá)到薪酬機(jī)制對風(fēng)險(xiǎn)防控

2、的約束作用，提出以下幾個(gè) 問題： 該政策的實(shí)施情況如何？是否減輕薪酬機(jī)制對風(fēng)險(xiǎn)防控的約束作用？這種 影響短暫還是持久？基于股東債權(quán)人利益沖突視角與收益波動性與盈余管理 動機(jī)視角，提出當(dāng)控制其他因素時(shí)，延付銀行高管薪酬很可能降低銀行的收益波 動性，進(jìn)而降低銀行高管通過 LLP 進(jìn)行盈余管理的動機(jī)。 本文利用 2010 年監(jiān)管指引這一外部政策沖擊，對中國銀行業(yè) 2009 年 2013 年的數(shù)據(jù)運(yùn)用雙重差分傾向得分匹配法 （PSMDID） ， 檢驗(yàn)延付銀行高管薪 酬是否有效降低銀行的收益波動性， 進(jìn)而降低銀行高管通過 LLP 進(jìn)行盈余管理的 動機(jī)， 來評估延付銀行高管薪酬對銀行風(fēng)險(xiǎn)承擔(dān)的政策效應(yīng)及動

3、態(tài)邊際效應(yīng)。從 檢驗(yàn)結(jié)果分析可以看出，延付銀行高管薪酬確實(shí)有效降低了銀行的收益波動性， 同時(shí)反而增強(qiáng)了銀行高管通過 LLP 進(jìn)行盈余管理的動機(jī)。 由于當(dāng)前中國銀行高管 延付薪酬的考核期為三年，基于穩(wěn)健性薪酬的目的，高管在延付薪酬屆滿時(shí)有更 強(qiáng)的動力和能力通過 LLP 進(jìn)行盈余管理，即銀行高管通過 LLP 進(jìn)行盈余管理的動 機(jī)在第三年更為顯著， 從而可能令延付高管薪酬對銀行風(fēng)險(xiǎn)承擔(dān)的政策效果不那 么明顯。因此，加強(qiáng)銀行實(shí)施延付高管薪酬的監(jiān)管力度、優(yōu)化高管薪酬的延期支 付時(shí)間、引入激勵性的養(yǎng)老金制度、改革高管薪酬考核的績效指標(biāo)，是更好的發(fā) 揮延付高管薪酬對銀行風(fēng)險(xiǎn)承擔(dān)的約束作用，實(shí)現(xiàn)銀行健康可持續(xù)

4、發(fā)展。 2、簡述傾向匹配得分（、簡述傾向匹配得分（PSM）和雙重差分（）和雙重差分（DID）方法的基本思想和計(jì)量模型）方法的基本思想和計(jì)量模型 傾向匹配得分（PSM）的基本思想：分析 2009 年未實(shí)施延付高管薪酬，但 從 2010 年實(shí)施延付高管薪酬（處理組，treatment group）與 20092013 年均未 實(shí)施延付高管薪酬（對照組 comparison group） 。但是，現(xiàn)實(shí)可以觀測到的是實(shí) 施延付高管薪酬的事實(shí)， 而處理組沒有實(shí)施延付高管薪酬會怎樣是不可能觀測到 的， 這種狀態(tài)也成為反事實(shí)。即在未實(shí)施延付高管薪酬的對照組中找到某個(gè)銀行 j，使其與實(shí)施了延付高管薪酬的處理組

5、中的銀行 i 的可觀測變量盡可能相似（匹 配） ，即 xi=xj，當(dāng)銀行的個(gè)體特征對是否實(shí)施延付高管薪酬的作用完全取決于可 觀測的控制變量，銀行 j 和銀行 i 實(shí)施延付高管薪酬政策的概率相近。PSM 法根 據(jù)多維匹配指標(biāo)進(jìn)行傾向得分p的計(jì)算并根據(jù)處理組和對照組之間p值的相近度 對二者進(jìn)行匹配，使匹配結(jié)果更理想。 雙重差分法（DID）的基本思想：經(jīng)過 PSM 處理后，得到實(shí)施延付高管薪酬 的處理組銀行，令虛擬變量 treated=1，獲得未實(shí)施延付高管薪酬的對照組銀行， 令 treated=0。同時(shí)，設(shè)置時(shí)間虛擬變量 t，令延付高管薪酬后的年份 t=1，其他 20172017 級企業(yè)管理級企業(yè)

6、管理劉舂霞劉舂霞220170910050220170910050 1 2 年份 t=0。在其他條件完全相同的情況下，通過實(shí)施延付高管薪酬（處理組）與 未實(shí)施延付高管薪酬（對照組）在銀行收益波動性與貸款損失準(zhǔn)備（LLP）的差 異，來判斷實(shí)施延付高管薪酬與銀行收益波動性和貸款損失準(zhǔn)備（LLP）之間的 因果關(guān)系。 但是， 在對比時(shí)還必須考慮到所有銀行在 2010 年前后會由于其他因 素（如外部經(jīng)濟(jì)環(huán)境或銀行其他行為）發(fā)生變化，這些因素在對比時(shí)必須剔除。 因此，雙重差分法（DID）不僅要將處理組和對照組銀行進(jìn)行對比，還要將 2010 年之前的所有銀行和 2010 年之后的所有銀行進(jìn)行對比，綜合考慮這兩

7、種差異。 為了驗(yàn)證當(dāng)控制其他因素時(shí)，延付高管薪酬導(dǎo)致銀行更低的收益波動性，提 出回歸模型如下： Earnings Volatilityit=0+1treatedit+2tit+3treatedittit+Xit+ct+ci+it（1） 其中，Earnings Volatilityit衡量銀行 i 在第 t 期的收益波動性，包含以下三 個(gè)維度： 銀行的核心業(yè)務(wù)是信貸業(yè)務(wù)，而凈息差（NIM）是衡量銀行信貸業(yè) 務(wù)收入的關(guān)鍵指標(biāo)，因此本文用凈息差波動率（VNIM）衡量銀行在核心業(yè)務(wù)上 的收益波動性。 除了信貸業(yè)務(wù)以外， 銀行在其他業(yè)務(wù)上也可能是有風(fēng)險(xiǎn)的， 比 如它們可能在投資方面非常進(jìn)取，從而導(dǎo)致總體

8、經(jīng)營收益的波動性更大。因此， 本文用稅和貸款損失準(zhǔn)備前利潤的波動率（VEBTP）來衡量銀行總體經(jīng)營收入的 波動性。用 ZSCORE 衡量銀行的總體財(cái)務(wù)穩(wěn)健性，ZSCORE 值越高，意味著銀 行財(cái)務(wù)狀況良好、越不容易破產(chǎn)、經(jīng)營越持續(xù)穩(wěn)定。回歸模型中 X 是一組隨時(shí) 間變化的可觀測的影響銀行收益波動性的控制變量。ct是年度固定效應(yīng)。ci是非 觀測效應(yīng)，控制隨時(shí)間不變的不可觀測因素。it是隨機(jī)誤差項(xiàng)，代表因銀行因 時(shí)而變且影響因變量的非觀測擾動因素。 由式（1）可以看出，對于對照組銀行（treated=0） ，延付高管薪酬實(shí)施年份 前后的收益波動性分別是0和0+2，因此，不受延付高管薪酬政策影響的銀

9、行 在延付薪酬實(shí)施年份前后的收益波動性差異為 diff0=2，這一差異可視為排除了 延付高管薪酬政策影響時(shí)銀行收益波動性存在的時(shí)間趨勢差異。 對于處理組銀行 （treated=1） ，延付高管薪酬前后的收益波動性分別是0+1和0+1+2+3，差 異為 diff1=2+3，這一差異不僅包含了延付高管薪酬政策的影響3，還包含了 上述時(shí)間趨勢差異2。因此，延付高管薪酬對收益波動性的凈影響效應(yīng)為 diff=diff 1 -diff 0 = 2+3-2=3。如果從原始方程看，即3是 DID 估計(jì)量，即延付 高管薪酬的政策效應(yīng)， 如果延付高管薪酬降低了銀行的收益波動性， 則3的系數(shù) 應(yīng)該顯著為負(fù)，當(dāng)因變量

10、為 ZSCORE 時(shí)，3的系數(shù)則應(yīng)為正。需要注意的是，當(dāng) 利用混合截面數(shù)據(jù)進(jìn)行 OLS 時(shí)，如果非觀測效應(yīng) c i 與解釋變量是相關(guān)的，那 么回歸結(jié)果將是有偏且不一致的。 使用面板數(shù)據(jù)通過組內(nèi)差分可以消掉非觀測效 應(yīng) ci從而得到一致估計(jì)。因此，本文采用面板雙重差分模型來估計(jì)式（1） 。 為了驗(yàn)證當(dāng)控制其他因素時(shí)， 延付高管薪酬能降低銀行通過 LLP 計(jì)提進(jìn)行盈 余管理的動機(jī)。提出回歸模型如下： LLPit=0+1EBTPit+2tit+3treatedit+4titEBTPit+5treatedit EBTPit+6treatedittit+7treatedittitEBTPit+Zit+t

11、+i+it（2） 其中，LLPit衡量銀行 i 在 t 時(shí)計(jì)提的貸款損失準(zhǔn)備，銀行 i 在 t 期計(jì)提的貸 款損失準(zhǔn)備除以第 t-1 期的貸款余額計(jì)算 LLPit，以反映這一預(yù)提概念，同時(shí)降低 可能引致的潛在“內(nèi)生性”問題。與已有文獻(xiàn)的普遍做法一致，本文用稅和貸款 損失準(zhǔn)備前利潤（EBTP）測度銀行的盈余狀況，如果銀行存在通過 LLP 進(jìn)行盈余 管理的行為，則系數(shù)1 預(yù)期為正。Z 是除了盈余管理動機(jī)外，影響 LLP 的資本 管理動機(jī)、信號傳遞動機(jī)以及其他因素的一組隨時(shí)間變化的可觀測變量。 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 3

12、 從式（2）可以看到，對于對照組銀行（treated=0） ，延付高管薪酬實(shí)施年份 前后銀行通過 LLP 進(jìn)行盈余管理的動機(jī)分別是1 和1 +4，可見，不受延付 高管薪酬政策影響的銀行在延付高管薪酬實(shí)施年份前后的盈余管理動機(jī)差異為 diff 0 =4，這一差異可視為排除了延付高管薪酬政策時(shí)銀行盈余管理動機(jī)存在 的時(shí)間趨勢差異。 對于處理組銀行 （treated=1） ， 延付高管實(shí)施前后銀行通過 LLP 進(jìn)行的盈余管理的動機(jī)分別是1 +5 和1 +4 +5 +7，差異為 diff 1 =4 +7， 這一差異不僅包含了延付高管薪酬政策的影響，還包含了上述時(shí)間趨勢差 異4。因此，延付高管薪酬政策對

13、銀行盈余管理動機(jī)的凈影響效應(yīng)為 diff=diff1 -diff0 =4 +7 -4 =7。 ，即7 是 DID 估計(jì)量，如果延付高管薪酬降低了銀 行通過 LLP 進(jìn)行盈余管理的動機(jī)，則7 應(yīng)該顯著為負(fù)。與式（1）相同，本文 使用面板數(shù)據(jù)差分模型估計(jì)式（2） ，通過組內(nèi)差分消掉非觀測效應(yīng) vi以得到一致 估計(jì)。 3、抽樣和數(shù)據(jù)獲取、抽樣和數(shù)據(jù)獲取 為獲取中國銀行業(yè)延付高管薪酬的實(shí)施情況數(shù)據(jù)， 我們通過銀監(jiān)會網(wǎng)站獲得 相關(guān)銀行名錄， 并手工查閱各銀行網(wǎng)站的公開信息披露， 經(jīng)統(tǒng)計(jì)發(fā)現(xiàn)， 截至 2013 年底，共有 70 家銀行實(shí)施了延付高管薪酬政策（表 1） ，其中包括了 4 家大型商 業(yè)銀行、9

14、 家股份制銀行、47 家城商行和 10 家農(nóng)商行。 表 120052013 年中國實(shí)施延付高管薪酬的銀行 年份銀行 2005杭州銀行 2006平安銀行（原深圳發(fā)展銀行） 、日照銀行 2008招商銀行、興業(yè)銀行、浙商銀行、南京銀行 2009中國民生銀行、富滇銀行 2010中國工商銀行、中國建設(shè)銀行、上海浦發(fā)銀行、徽商銀行、錦州銀行、 洛陽銀行、柳州銀行、江蘇張家港農(nóng)商行、浙江泰隆銀行、齊商銀行、 德陽銀行、萊商銀行、嘉興銀行、常熟農(nóng)商行、長安銀行 2011中信銀行、廣發(fā)銀行、上海銀行、哈爾濱銀行、蘇州銀行、溫州銀行、 湖北銀行、貴陽銀行、鄭州銀行、攀枝花銀行、桂林銀行、東營銀行、 唐山銀行、瀘州

15、銀行、涼山州商行、晉商銀行、丹東商行、江蘇吳江農(nóng) 商行、江蘇昆山農(nóng)商行、江蘇紫金農(nóng)商行、江蘇太倉農(nóng)商行 2012中國農(nóng)業(yè)銀行、華夏銀行、江蘇銀行、盛京銀行、昆侖銀行、浙江稠州 銀行、福建海峽銀行、內(nèi)蒙古銀行、綿陽城商行、泰安銀行、大連銀行、 東莞銀行、濟(jì)寧銀行、廣東華興銀行、葫蘆島銀行、江蘇高淳農(nóng)商行、 無錫農(nóng)商行 2013中國交通銀行、金華銀行、河北銀行、威海城商行、寧夏銀行、晉城銀 行、廣東揭陽農(nóng)商行、安徽石臺農(nóng)商行 資料來源：原作者整理。 4、數(shù)據(jù)分析方法、數(shù)據(jù)分析方法 數(shù)據(jù)分析方法是以 2010 年監(jiān)管指引的出臺作為政策的起始點(diǎn)，考察期 為 20092013 年，使用依托于“準(zhǔn)自然實(shí)驗(yàn)

16、”的 PSM-DID 法對延付高管薪酬的 政策效應(yīng)進(jìn)行評估。為了處理延付高管薪酬政策的內(nèi)生性問題，本文采用傾向評 分匹配方法（PSM） ，從資本充足率、貸款撥備率等多個(gè)配對指標(biāo)對延付高管薪 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 4 酬政策的自選擇效應(yīng)進(jìn)行控制。通過 PSM 處理，本文為每一家實(shí)施延付高管薪 酬的銀行挑選可供比較的配對銀行， 即配對銀行是那些在考察期內(nèi)未實(shí)施延付高 管薪酬的銀行。 在其他條件完全相同的情況下， 通過實(shí)施延付高管薪酬 （處理組） 與未實(shí)施延付高管薪酬（對照組）在銀行收益波動性與貸款損失準(zhǔn)備（LLP）的

17、 差異，來判斷實(shí)施延付高管薪酬與銀行收益波動性和貸款損失準(zhǔn)備（LLP）之間 的因果關(guān)系。 但是， 在對比時(shí)還必須考慮到所有銀行在 2010 年前后會由于其他 因素 （如外部經(jīng)濟(jì)環(huán)境或銀行其他行為） 發(fā)生變化， 這些因素在對比時(shí)必須剔除。 這樣， 本文不僅要將處理組和對照組銀行進(jìn)行對比，還要將 2010 年之前的所有 銀行和 2010 年之后的所有銀行進(jìn)行對比，綜合考慮這兩種差異的方法，本文采 用雙重差分模型（DID） 。 5、數(shù)據(jù)分析過程與數(shù)據(jù)分析結(jié)果解釋、數(shù)據(jù)分析過程與數(shù)據(jù)分析結(jié)果解釋 （1）傾向得分匹配處理 本文分別繪制了經(jīng) PSM 處理后的處理組和對照組的 VNIM、 VEBTP 和 Z

18、SCORE 均值變動趨勢， 如下圖所示。 不難看到， 無論是處理組還是對照組的 VNIM、 VEBTP 和 ZSCORE 均值，均持續(xù)處于遞減（遞增）趨勢，這說明 20102013 年樣本銀 行的收益波動性穩(wěn)步下降。 圖 1VNIM 均值變動趨勢圖 2VEBTP 均值變動趨勢 圖 3ZSCORE 均值變動趨勢圖 4 盈余波動性變量組間均值差變動趨勢 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 5 根據(jù)研究設(shè)計(jì)，該研究進(jìn)行 PSM 的處理組為 2010 年實(shí)施延付高管薪酬的 15 家銀行，對照組為 20092013 年始終未實(shí)施延付高管

19、薪酬的銀行，共計(jì) 87 家，通過 Probit 模型來估計(jì)傾向得分，采用核匹配法。 表 1 Stata 統(tǒng)計(jì)分析結(jié)果 將數(shù)據(jù)進(jìn)行隨機(jī)排序 以 loan10 為結(jié)果變量進(jìn)行匹配 檢驗(yàn)匹配后數(shù)據(jù)的平衡 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 6 繪制條形圖，顯示傾向得分匹配的共同取值范圍 0.1.2.3.4.5 Propensity Score Untreated: Off supportUntreated: On support Treated 從上圖中可以看出，大多數(shù)觀測值均在共同取值范圍內(nèi)（on support） ，因此 在進(jìn)行

20、傾向匹配得分時(shí)僅會損失少量樣本。 以 roa10 為結(jié)果變量進(jìn)行匹配 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 7 0.1.2.3.4.5 Propensity Score Untreated: Off supportUntreated: On support Treated 從上圖中可以看出，大多數(shù)觀測值均在共同取值范圍內(nèi)（on support） ，因此 在進(jìn)行傾向匹配得分時(shí)僅會損失少量樣本。 經(jīng)過 PSM 檢驗(yàn)的結(jié)果如表 1 所示： 表 1 2010 年實(shí)施延付高管薪酬銀行的匹配平衡檢驗(yàn)結(jié)果（20102013） variable

21、Unmatched Matched mean%reductt-test treatedcontrol%bias|bias|p|t| CAPU14.01712.95423.70.312 M14.01713.8763.286.70.932 LRPU2.41532.8396-37.60.278 M2.41532.418-0.299.40.994 LEVU7.01136.584318.00.515 M7.01136.97661.591.90.968 LDRU63.71176.608-16.30.658 M63.71163.5370.298.70.956 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂

22、霞220170910050220170910050 1 8 LOANU52.26251.1514.40.643 M52.26252.759-6.455.40.858 NPLU1.17532.3936-49.60.177 M1.17531.1766-0.199.90.996 ROAU1.0767.8790852.10.126 M1.07671.04488.483.90.827 相比匹配前，匹配后的處理組和對照組在資本充足率（CAP） 、貸款撥備率 （LPR） 、杠桿率（LEV） 、貸存比（LDR） 、貸款規(guī)模（LOAN） 、不良貸款率（NPL） 和資產(chǎn)收益率（ROA）水平等方面的差異大幅下降，各

23、匹配變量標(biāo)準(zhǔn)偏差的絕對 值均顯著小于 10（Rosenbaum and Donald 指出，當(dāng)匹配變量的標(biāo)準(zhǔn)偏差值的絕 對值大于 20 時(shí)可認(rèn)為匹配效果不好） 。 從均值 T 檢驗(yàn)的相伴概率值可知，匹 配后處理組和對照組在 2009 年的可觀測變量上不存在顯著差異。 因此， 可認(rèn)為 作者選取的可觀測變量合適且匹配方法得當(dāng)，核匹配估計(jì)可靠。 （2）雙重差分檢驗(yàn) 表 2 stata 操作步驟 生成交互項(xiàng)，設(shè)置面板數(shù)據(jù) 結(jié)果顯示為平衡面板數(shù)據(jù) 針對于因變量 VNIM 進(jìn)行兩次回歸，第一次對交乘項(xiàng)和時(shí)間進(jìn)行回歸，第二 次加入控制變量后進(jìn)行回歸： 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220

24、170910050220170910050 1 9 針對于因變量 VEBTP 進(jìn)行兩次回歸， 第一次對交乘項(xiàng)和時(shí)間進(jìn)行回歸， 第二 次加入控制變量后進(jìn)行回歸： 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 10 針對于因變量 ZSCORE 進(jìn)行兩次回歸，第一次對交乘項(xiàng)和時(shí)間進(jìn)行回歸，第 二次加入控制變量后進(jìn)行回歸： 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 11 針對于假設(shè) 1，也即當(dāng)控制其他因素時(shí)，延付高管薪酬將導(dǎo)致更低的收益波 動性，采用平均處理效應(yīng)進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如表

25、 2 所示： 表 2 延付高管薪酬影響銀行收益波動性的平均處理效應(yīng) 變量 VNIMVEBTPZSCORE （1）（2）（3）（4）（5）（6） t *treated-0.3249*-0.2873*-0.1717*-0.1204*1.3989*1.5714* -4.1082-3.4964-3.1487-2.12702.59752.7140 t-0.08550.0241-0.0707*-0.03960.54631.0664 -1.59420.1734-1.9109-0.41311.46701.0824 LOANG0.0033*0.00070.0020 1.78680.56390.1572 CAP0

26、.0652*0.0371*0.1142 3.38722.80230.8384 SIZE-0.0679-0.1003-0.3773 -0.4932-1.0584-0.3875 LPR0.0709*0.0631*-0.0050 2.27572.9405-0.0228 LDR0.0057-0.00360.0173 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 12 1.1852-1.08700.5104 GDPG0.0265-0.00810.0766 0.9601-0.42360.3927 LEV-0.0625*-0.02870.0716 -

27、1.8063-1.20260.2919 ROE0.01170.0128*0.0807 1.54432.44551.5036 _CONS0.5088*-0.18470.3743*1.14904.4636*3.3945 15.9165-0.104716.98620.945320.57330.2719 樣本量182174182174177175 R20.23600.35170.180.31290.12370.1636 F 值10.04*5.20*7.44*4.36*4.45*1.89* 銀行數(shù)484748474747 上表列示了式（1）的面板雙重差分檢驗(yàn)結(jié)果，其中列（1） 、列（3） 、列（5） 是

28、沒有加入其他控制變量的估計(jì)結(jié)果，列（2） 、列（4） 、列（6）是加入了其他 控制變量的結(jié)果。 可以看出， 無論是否加入其他控制變量， 交互項(xiàng) ttreated 的 系數(shù)均顯著為負(fù)（因變量為 ZSCORE 時(shí)則顯著為正） ，這說明延付高管薪酬政策 顯著降低了銀行的收益波動性，從而證實(shí)了假設(shè) 1。 以上結(jié)果表明，如果僅比較平均處理效應(yīng)而不考慮動態(tài)邊際影響，延付高管 薪酬政策對于銀行風(fēng)險(xiǎn)承擔(dān)影響的凈效應(yīng)為： 延付高管薪酬降低了銀行的收益波 動性，但同時(shí)反而提高了銀行通過 LLP 進(jìn)行盈余管理的動機(jī)。這與文中的假設(shè)存 在一定的矛盾。 表 3 stata 操作步驟 生成交互項(xiàng)，設(shè)置面板數(shù)據(jù) 針對于因變

29、量 VNIM 進(jìn)行兩次回歸，第一次對交乘項(xiàng)和時(shí)間進(jìn)行回歸，第二 次加入控制變量后進(jìn)行回歸： 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 13 針對于因變量 VEBTP 進(jìn)行兩次回歸， 第一次對交乘項(xiàng)和時(shí)間進(jìn)行回歸， 第二 次加入控制變量后進(jìn)行回歸： 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 14 針對于因變量 ZSCORE 進(jìn)行兩次回歸，第一次對交乘項(xiàng)和時(shí)間進(jìn)行回歸，第 二次加入控制變量后進(jìn)行回歸： 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050

30、220170910050 1 15 因此，為了進(jìn)一步檢驗(yàn)延付高管薪酬對于收益波動性的影響，進(jìn)行動態(tài)邊際 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 16 效應(yīng)檢驗(yàn)，檢驗(yàn)結(jié)果如表 3 所示： 表 3 延付高管薪酬影響銀行收益波動性的動態(tài)邊際影響效應(yīng) 變量 VNIMVEBTPZSCORE （1）（2）（3）（4）（5）（6） t2011*treated-0.3190*-0.2790*-0.0934-0.06130.68450.9272 -3.2919-2.8528-1.4221-0.92031.06201.3752 t2012*treat

31、ed-0.3470*-0.3141*-0.1975*-0.1460*1.2815*1.5440* -3.5519-3.1374-2.9829-2.14181.97182.2348 t2013*treated-0.3085*-0.2655*-0.2294*-0.1743*2.3251*2.5599* -3.1328-2.5311-3.4371-2.44143.51383.5301 t2011-0.0395-0.0599-0.0201-0.03800.0678-0.1410 -0.7166-0.7353-0.5374-0.68480.1843-0.2513 t2012-0.0710-0.0777-

32、0.0413-0.06080.15880.0195 -1.2558-0.6378-1.0778-0.73320.42080.0231 t2013-0.09130.0143-0.04970.00040.18420.4175 -1.57770.0979-1.26670.00420.46350.4134 控制變量否是否是否是 _CONS0.5088*-0.16040.3739*1.09244.4682*4.3982 15.8033-0.090117.13880.902020.93910.3574 樣本量182174182174177175 R20.23700.35310.21460.33070.16

33、580.2023 F 值6.63*4.41*5.83*3.99*4.11*2.06* 銀行數(shù)484748474747 上表列示了式（3）的回歸結(jié)果，當(dāng)因變量為 VNIM 時(shí)，treatedt2011、 treatedt2012 和 treatedt2013 系數(shù)均顯著為負(fù)，說明 2010 年延付高管 薪酬后銀行的凈息差波動率在 2011 年、2012 年和 2013 年均顯著下降，且其 邊際效應(yīng)表現(xiàn)為先增后減。 當(dāng)因變量為 VEBTP 時(shí)，交互項(xiàng)均為負(fù)，但只有 treatedt2012 和 treatedt2013 顯著，說明延付高管薪酬政策對銀行總體 經(jīng)營收入波動性的影響表現(xiàn)出滯后性，效果在

34、政策實(shí)施后的第 2 年（2012 年） 開始顯現(xiàn)，其邊際效應(yīng)呈遞增態(tài)勢。 當(dāng)因變量為 ZSCORE 時(shí)，交互項(xiàng)系數(shù)均為 正， 其系數(shù)的顯著性說明延付高管薪酬對 ZSCORE 的影響也具有滯后性，系數(shù)的 大小則表明 ZSCORE 在 2013 年有明顯更高的提升幅度。 表 4 stata 操作步驟 平均處理效應(yīng) 生成交互項(xiàng) 進(jìn)行兩次差分回歸： 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 17 動態(tài)邊際影響效應(yīng) 生成交互項(xiàng) 進(jìn)行兩次差分回歸： 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞22017091005022017091005

35、0 1 18 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 19 針對于假設(shè) 2，也即當(dāng)控制其他因素時(shí)，延付高管薪酬能降低銀行通過 LLP 計(jì)提進(jìn)行盈余管理的動機(jī)，進(jìn)行 DID 檢驗(yàn)，結(jié)果如表 4 所示： 表 4 延付高管薪酬對銀行盈余管理動機(jī)影響的 DID 檢驗(yàn) 變量 LLP 平均處理效應(yīng)動態(tài)邊際影響效應(yīng) （1）（2）（3）（4） EBTP0.1391*-0.10330.1376*-0.0868 2.0826-0.93572.1228-0.7939 t-0.1017-0.1750 -0.9962-1.0521 t*EBTP0.0496

36、0.1501* 1.00832.1514 treated*EBTP-0.1577-0.0102-0.1381-0.0042 -1.2450-0.0744-1.1129-0.0309 t*EBTP-0.6013*-0.3757 -2.4467-1.3585 t*treated*EBTP0.3761*0.2496* 3.27951.9265 t2011-0.1112-0.2338 -0.9837-1.4498 t2012-0.1280-0.2200 -0.9677-1.1835 t2013-0.2509-0.2828 -1.6018-1.1555 t2011*EBTP0.03430.1318* 0

37、.65381.6997 t2012*EBTP0.04400.1367* 0.70941.7021 t2013*EBTP0.11930.1812* 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 20 如上表，列（1） 、 （2）為平均處理效應(yīng)結(jié)果列示。其中列（1）為沒有加入 其他控制變量的估計(jì)結(jié)果，可以看到，EBTP 的系數(shù)顯著為正，這說明樣本銀行 存在顯著的、通過 LLP 進(jìn)行盈余管理的動機(jī)。 交互項(xiàng) ttreatedEBTP 的系 數(shù)顯著為正，說明延付高管薪酬加劇了銀行通過 LLP 進(jìn)行盈余管理的動機(jī)。 列 （2）為加入了其他控制變量

38、的回歸結(jié)果，可以看到，交互項(xiàng) ttreatedEBTP 的系數(shù)依然顯著為正。 因此，列（1） 、列（2）的結(jié)果與假設(shè) 2 的預(yù)期相反， 即延付高管薪酬后銀行通過 LLP 進(jìn)行盈余管理的動機(jī)反而明顯增強(qiáng)。 列（3）和列（4）則是動態(tài)邊際影響效應(yīng)的列示，它報(bào)告了式（4）的回歸 結(jié)果， 可以看到， 三項(xiàng)交互項(xiàng)是 t2011treatedEBTP、 t2012treatedEBTP 和 t2013treatedEBTP 的系數(shù)均為正，從各系數(shù)的顯著性和大小看，t2013 treatedEBTP 的系數(shù)明顯更大且在 1%的水平上顯著，這說明銀行在延付高管 薪酬后的第 3 年有明顯更強(qiáng)的盈余管理動機(jī)。結(jié)合

39、監(jiān)管指引中對延期支付 的相關(guān)要求，作者認(rèn)為 “ZSCORE 的組間均值差在 2013 年大幅提升”的現(xiàn)象 可能是由于高管在延付薪酬考核期滿時(shí)通過 LLP 進(jìn)行盈余管理的行為所致。 （3）穩(wěn)健性檢驗(yàn)： 該文研究以 2010 年監(jiān)管政策出臺作為高管延付薪酬政策的起始點(diǎn)，考 察期為 20092013 年。為了檢驗(yàn)文中數(shù)據(jù)的可靠性，考慮處理組和對照組考察 期的變化，對處理組和對照組考察期進(jìn)行如下改動：1）將原來的 20092013 年考察期縮短為 20092011 年， 即處理組為“2010 年開始延付高管薪酬的銀行”， 共計(jì)15家， 對照組為“2009年2011年始終未實(shí)施延付高管薪酬的銀行”， 在

40、2012 年和 2013 年實(shí)施延付高管薪酬的 25 家銀行劃入對照組。2）將原來的 2009 年 2013 年考察期縮短為 20092012 年，即處理組為“2010 年開始延付高管薪酬 的銀行”，共計(jì) 15 家，對照組為“20092012 年均未實(shí)施延付高管薪酬的銀行”， 在 2013 年實(shí)施延付高管薪酬的 8 家銀行劃入對照組。對重新處理后的處理組和 對照組進(jìn)行和基本回歸一樣的回歸分析。 表 5 stata 操作步驟 1.57071.7602 t2011*treated-0.5774*-0.3644 -2.0794-1.1495 t2012*treated-0.1649-0.0780 -

41、0.4838-0.2119 t2013*treated-1.1898*-0.9797* -3.3295-2.4408 t2011*treated*EBTP 0.3576*0.2411 2.83351.6510 t2012*treated*EBTP 0.17700.1101 1.15130.6622 t2013*treated*EBTP 0.6670*0.5570* 3.91422.9300 控制變量否是否是 樣本量183163183163 R20.28890.39650.36310.4504 F 值6.454.234.933.61 銀行數(shù)48444844 20172017 級企業(yè)管理級企業(yè)管理

42、劉舂霞劉舂霞220170910050220170910050 1 21 首先將數(shù)據(jù)進(jìn)行隨機(jī)排序 接著進(jìn)行匹配，這一步驟的結(jié)果變量是 loan10 檢驗(yàn)匹配后數(shù)據(jù)是否平衡，并繪制條形圖 0.2.4.6 Propensity Score Untreated: Off supportUntreated: On support Treated 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 22 從上圖中可以看出，大多數(shù)觀測值均在共同取值范圍內(nèi)（on support） ，因此 在進(jìn)行傾向匹配得分時(shí)僅會損失少量樣本。 以npl10、roa10 為結(jié)

43、果變量的回歸過程同上，即與以 loan10 為結(jié)果變量的 回歸結(jié)果。 表 5 2010 年實(shí)施延付高管薪酬銀行的匹配平衡檢驗(yàn)結(jié)果（20102012） variable Unmatched Matched mean%reductt-test treatedcontrol%bias|bias|p|t| CAPU14.01712.87725.50.267 M14.01714.095-1.893.10.963 LRPU2.41532.8461-38.90.259 M2.41532.4895-6.782.80.836 LEVU7.01136.539520.10.460 M7.01137.0264-0.6

44、96.80.986 LDRU63.71176.222-16.40.656 M63.71163.1130.895.20.851 LOANU52.26251.59.90.748 M52.26252.561-3.960.80.918 NPLU1.17532.3841-50.80.167 M1.17531.2175-1.896.50.856 ROAU1.0767.8629357.20.092 M1.07671.0477.986.10.837 表 6 stata 操作步驟 生成交互項(xiàng)，設(shè)置面板數(shù)據(jù) 結(jié)果顯示為平衡面板數(shù)據(jù) 針對于因變量 VNIM 進(jìn)行兩次回歸，第一次對交乘項(xiàng)和時(shí)間進(jìn)行回歸，第二 次加入控

45、制變量后進(jìn)行回歸： 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 23 針對于因變量 VEBTP 進(jìn)行兩次回歸， 第一次對交乘項(xiàng)和時(shí)間進(jìn)行回歸， 第二 次加入控制變量后進(jìn)行回歸： 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 24 針對于因變量 ZSCORE 進(jìn)行兩次回歸，第一次對交乘項(xiàng)和時(shí)間進(jìn)行回歸，第 二次加入控制變量后進(jìn)行回歸： 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 25 表 6 延付高管薪酬影響銀行收益波動

46、性的平均處理效應(yīng) 變量 VNIMVEBTPZSCORE （1）（2）（3）（4）（5）（6） t *treated-0.223*-0.270*3.8821.3350.710*0.738* -2.447-2.8370.9620.3152.5882.478 t-0.142*-0.031-3.751-3.5660.253-0.317 -2.495-0.196-1.456-0.5081.455-0.646 LOANG-0.002-0.0910.004 -0.950-0.8410.523 CAP0.025-1.430-0.040 1.007-1.272-0.513 SIZE-0.017-7.1950.7

47、83 -0.090-0.8441.303 LPR0.059-2.038-0.028 1.158-0.877-0.179 LDR0.019*0.543*-0.006 2.8701.831-0.273 GDPG0.047-1.630-0.061 1.100-0.826-0.452 LEV-0.0270.7300.069 -0.6450.3740.522 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 26 ROE0.011-0.310-0.015 1.132-0.678-0.495 _CONS0.501*-1.5676.188*99.5264

48、.529*-2.600 14.398-0.6673.9470.94842.955-0.354 樣本量135131133129132131 R20.23110.32860.03580.16010.17220.2061 銀行數(shù)464546454545 表 7 stata 操作步驟 針對于因變量 VNIM 進(jìn)行兩次回歸，第一次對交乘項(xiàng)和時(shí)間進(jìn)行回歸，第二 次加入控制變量后進(jìn)行回歸： 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 27 針對于因變量 VEBTP 進(jìn)行兩次回歸， 第一次對交乘項(xiàng)和時(shí)間進(jìn)行回歸， 第二 次加入控制變量后進(jìn)行回歸： 2

49、0172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 28 針對于因變量 ZSCORE 進(jìn)行兩次回歸，第一次對交乘項(xiàng)和時(shí)間進(jìn)行回歸，第 二次加入控制變量后進(jìn)行回歸： 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 29 表 7 延付高管薪酬影響銀行收益波動性的動態(tài)邊際影響效應(yīng) 變量 VNIMVEBTPZSCORE （1）（2）（3）（4）（5）（6） t2011*treated-0.211*-0.232*4.4272.7160.4280.444 -2.014-2.1630.9560.5691

50、.3821.350 t2012*treated-0.235*-0.315*3.328-0.3070.997*1.087* -2.229-2.8160.715-0.0623.2073.172 t2011-0.079-0.039-4.542*-3.9980.082-0.273 -1.328-0.392-1.703-0.9030.461-0.896 t2012-0.139*0.000-3.564-2.4390.154-0.556 -2.3070.001-1.319-0.3360.859-1.120 LOANG-0.002-0.0920.004 -0.957-0.8450.558 CAP0.022-1

51、.537-0.017 0.878-1.347-0.223 SIZE-0.023-7.3820.826 -0.119-0.8621.401 LPR0.061-1.965-0.042 1.189-0.841-0.271 LDR0.020*0.566*-0.011 2.9351.889-0.517 GDPG(omitted)-1.466-0.095 -0.734-0.711 LEV-0.0220.9070.032 -0.5260.4580.246 ROE0.011-0.320-0.013 1.096-0.698-0.424 _CONS0.501*-1.5916.187*98.3104.529*-2.

52、418 14.317-0.6753.9250.93243.593-0.335 樣本量135131133129132131 R20.23160.33390.03650.16480.20570.2451 銀行數(shù)464546454545 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 30 表 8 stata 操作步驟 平均處理效應(yīng) 生成交互項(xiàng)、進(jìn)行兩次差分回歸： 動態(tài)邊際影響效應(yīng) 生成交互項(xiàng) 進(jìn)行兩次差分回歸： 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 31 20172017 級企

53、業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 32 表 8 延付高管薪酬對銀行盈余管理動機(jī)影響的 DID 檢驗(yàn) 變量 LLP 平均處理效應(yīng)動態(tài)邊際影響效應(yīng) （1）（2）（3）（4） EBTP-0.001-0.5030.117-0.520 -0.140-1.1860.622-1.192 t0.096-0.427 0.893-0.999 t*EBTP0.0000.305* 0.1641.851 treated*EBTP0.4530.2690.2720.179 1.3270.6200.6930.410 t*EBTP-0.2260.089 -0.3510.129 t

54、*treated*EBTP0.2980.151 1.0220.467 t2011-0.063-0.1080.079-0.464 -0.684-0.6000.603-1.283 t2012(omitted)(omitted)0.165-0.673 1.030-1.356 t2011*EBTP-0.0380.252 -0.6201.467 t2012*EBTP-0.0480.392* -0.6212.014 t2011*treated-0.633-0.415 -0.910-0.554 t2012*treated0.6931.173 0.7551.238 20172017 級企業(yè)管理級企業(yè)管理劉舂霞

55、劉舂霞220170910050220170910050 1 33 t2011*treated*EBTP 0.5030.385 1.5871.105 t2012*treated*EBTP -0.094-0.332 -0.228-0.767 _CONS0.4326.722-2.4887.148 1.6551.554-0.5241.631 樣本量136116136116 R20.22060.37950.24690.4134 銀行數(shù)46444644 表 9 stata 操作步驟 首先將數(shù)據(jù)進(jìn)行隨機(jī)排序 接著進(jìn)行匹配，這一步驟的結(jié)果變量是 loan10 檢驗(yàn)匹配后數(shù)據(jù)是否平衡，并繪制條形圖 201720

56、17 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 34 0.2.4.6 Propensity Score Untreated: Off supportUntreated: On support Treated 從上圖中可以看出，大多數(shù)觀測值均在共同取值范圍內(nèi)（on support） ，因此 在進(jìn)行傾向匹配得分時(shí)僅會損失少量樣本。以npl10、roa10 為結(jié)果變量的回歸 過程同上，即與以 loan10 為結(jié)果變量的回歸結(jié)果。 表 9 2010 年實(shí)施延付高管薪酬銀行的匹配平衡檢驗(yàn)結(jié)果（20102011） variableUnmatched Matche

57、d mean%reductt-test treatedcontrol%bias|bias|p|t| CAPU14.01712.93824.10.280 M14.01713.6488.365.80.817 LRPU2.41532.7674-32.90.335 M2.41532.5935-16.649.40.603 LEVU7.01136.531619.50.484 M7.01136.82017.860.10.822 LDRU63.71174.375-15.10.681 M63.71163.2560.695.70.881 LOANU52.26251.13514.90.625 M52.26252.5

58、14-3.377.60.927 NPLU1.17532.2375-47.80.192 M1.17531.233-2.694.60.794 ROAU1.0767.8459164.50.054 M1.07671.030812.880.10.665 表 10 stata 操作步驟 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 35 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 36 20172017 級企業(yè)管理級企業(yè)管理劉舂霞劉舂霞220170910050220170910050 1 37 表 10 延付高管薪酬影響銀行收益波動性的穩(wěn)健性檢驗(yàn) 變量 VNIMVEBTPZSCORE （1）（2）（3）（4）（5）（6） t *treated-0.200-0.252*-0.108-0.0950.4530.235 -1.480-1.763-1.386-1.0811.2930.628 t-0.116-0.185-0.037-0.0000.058-0.636