CEO与董事关系对公司违规行为的影响研究_概率计算论文

CEO与董事间“老乡”关系对公司违规行为的影响研究，本文主要内容关键词为：老乡论文,违规行为论文,董事论文,关系论文,公司论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      随着我国资本市场的发展和法制环境的完善，尽管上市公司的经营和治理水平在不断提高，但依然存在很多不规范之处，上市公司违规侵害投资者利益的现象仍时有发生。根据Wind数据显示，2013年共有沪深两市93家上市公司因违规受到证监会、交易所等监管机构处罚，而其中的26家公司以及101位上市公司高管被处罚款，罚金共10.8亿元。[1]2014年1月，《法人》杂志与《中国青年报》舆情监测室联合发布《2013中国企业家犯罪(媒体样本)研究报告》，报告显示，2009年至2013年，可统计的企业家犯罪共达1072例，且五年间呈现不断增长的趋势。[2]这说明目前我国上市公司的经营治理亟待规范，研究影响公司违规犯罪的因素并予以关注，对于防范上市公司违规、保护投资者合法权益至关重要。

      国内外学者对公司违规影响因素的研究目前主要集中于考察公司股权结构、[3-7]董事会特征、[8-14]高管薪酬激励机制[15-17]以及公司经营环境等因素的作用。[18-21]然而除了这些显性的公司治理因素之外，一些软性因素也会对公司的经营产生重要影响。尤其是在我国这样重视“人情关系”的社会中，高管及董事之间的裙带关系会直接影响到公司决策的制定和执行。事实上，对上市公司高管之间裙带关系的研究，已经成为了国内外学者和监管部门所关注的重要话题。

      目前国外学者研究的裙带关系主要是基于校友关系、过往雇佣关系或者共同参与一些社团而形成的联系。[22-30]这些研究表明，高管之间的裙带关系对公司的经营决策、业绩表现以及公司违规等都会产生重要影响。然而在我国民营上市公司中，较大部分企业为家族企业发展而成，其高层管理团队在其他企业任职经验相对较少。此外，在我国企业高管劳动力市场流动性相对较差。因此，高管之间的雇佣关系相较国外上市公司不够丰富。另外，我国的民间团体发展并不普遍，所以这些裙带关系在国内上市公司中的影响并不突出。相较于研究较多的校友关系，本文将从中国特色的“老乡”关系这一创新视角来研究裙带关系的影响。由于我国地域辽阔，不同地区间风俗差异大，所以在中国社会文化中，“老乡”关系一直备受人们认同。那么当上市公司高管和董事之间存在较强的“老乡”关系时，董事会作为发挥对管理层建议和监督职能的部门，其建议和监督的作用是否仍能正常发挥？这种“老乡”关系是否会影响上市公司违规行为的发生？

      本文基于我国沪深两市所有上市公司2000-2013年的数据，考察了CEO与董事会之间的“老乡”关系对于上市公司违规行为的影响。由于未被稽查出的公司违规行为是不可观测数据，因此公司的违规行为属于部分可观测数据。为了解决该问题，本文使用了Bivariate Probit回归方法，同时考察“老乡”关系对公司违规倾向和违规稽查的影响。回归结果显示，当CEO和董事之间的“老乡”关系越强时，上市公司的违规倾向越高，同时违规后被稽查出的概率越小。本文还研究了不同地区的文化价值观念对“老乡”关系所发挥作用的影响。当该地区人与人之间的信任程度越高时，或该地区人们风险偏好程度更强时，CEO与董事之间“老乡”关系对公司违规的倾向和稽查概率的影响也会越大。进一步稳健性检验表明，在通过使用工具变量控制了“老乡”关系变量的内生性之后，其对公司违规的影响依然存在。在只考虑同在外省工作的异地“老乡”关系时，这种裙带关系对公司违规倾向的影响更大。剔除金融行业上市公司样本后，CEO与董事间“老乡”关系对公司违规倾向及违规后被稽查概率的影响仍然稳健。

      本文主要贡献在于拓展了国际上关于裙带关系的研究范畴，将中国特色的“老乡”关系作为裙带关系的一种重要来源并研究其对公司经营的影响。在此之前，国内的相关研究仅限于陆瑶等。[31]该论文研究了CEO与董事间“老乡”关系对上市公司风险水平的影响。另外本文的发现也为上市公司违规研究提供了新的解释因素，对于监管部门和投资者防范上市公司违规提供了新的线索与决策依据。

      一、研究假设

      借鉴Correia[32]以及陆瑶等[7]所采用的“公司违规成本与收益分析”的方法，公司在决定是否进行违规时，主要考虑违规所带来的收益(由G表示)及违规成本(由C表示)之差。当G-C＞0时，则CEO及管理层有动力进行违规。其中，G=SL+EA，即违规收益包含了违规行为使管理层免于因为公司亏损等而遭受的薪酬损失SL，以及通过违规行为可以为管理层自身带来的额外资产收益EA(如高管的内幕交易等行为的获益)。而C=p×PC+CC，PC为公司违规被稽查后管理层会面临的罚款、离职、行政处分等一系列可能的处罚成本，而p则为违规后会被稽查出的概率，CC为公司违规时管理层所需的沟通协调成本。CEO与董事之间的“老乡”关系，主要通过影响实施违规的成本来影响公司违规行为，包括对违规时沟通协调成本、违规稽查概率以及稽查后面临的处罚等的影响。

      董事会作为公司中对管理层进行监督和提供建议的部门，当董事与CEO之间的关系发生变化时，其所能发挥的职能也会受到影响。当董事会有成员与CEO来自同一地区时，这些董事与CEO会倾向于拥有相似的价值观念和处事方式，这会使得CEO和董事会之间的关系更加密切和“友善”。[31]当CEO与董事会之间的关系更加密切时，决策时的沟通成本会更低，从而降低了管理层在进行违规时的协调成本。[25]另外，董事会和CEO之间“友善”的关系还会增强董事会对管理层的信任程度，减弱其对管理层的监督，从而赋予CEO更大的权力。当管理层所受的监督减弱、CEO权力更大时，也为公司违规行为创造了更容易执行的环境。[33]由于违规成本C=p×PC+CC，因此有

＞0，即违规成本的大小与违规时沟通协调成本正相关。于是当更加“友善”和密切的关系导致违规时的协调成本降低时，违规成本C也会更小，从而违规动机更强，违规倾向也会更大。另外，假设被稽查后的处罚成本PC不为零，通过上述模型我们可以得到

＞0，即违规成本与稽查概率正相关。CEO与董事之间的“友善”关系会帮助掩盖违规事实，从而增加稽查难度，降低稽查概率并导致提高违规倾向。此外，假设稽查概率不为零，通过上述模型我们还可以得到

＞0，即给定稽查概率，处罚成本越小时，违规成本也会越低，违规倾向越大。即便在公司违规被稽查出违规事实后，管理层会受到的处罚程度也会因为董事会和管理层之间的“友善”关系而减轻。综合前述讨论，CEO与董事同为“老乡”而带来的“友善”关系降低了违规成本C，在违规收益G给定时，会提高管理层引导公司违规的动机，增加公司的违规倾向。由此，提出本文第一条假设：

      H1：CEO与董事间“老乡”关系越强，公司违规倾向越大

      当董事和CEO因为“老乡”这一裙带关系而更加友善，在公司发生违规后董事会和管理层成员相互之间会更倾向于去包庇彼此的违规事实，而这会阻碍稽查的进行，降低违规事实被稽查出的概率，或者延长稽查违规事实所需的时间。[12]由此，提出本文第二条假设：

      H2：CEO与董事间“老乡”关系会降低公司违规后被稽查出的概率

      由于我国幅员辽阔，不同省份和地区的文化观念差别较大，因此基于不同省份的“老乡”关系其紧密程度也不同。首先，各个省份内人们对彼此的信任程度会影响“老乡”关系所能发挥的作用。当某省份人们彼此间更加信任时，相互之间的沟通协调成本CC会更低，此时基于该省份的“老乡”关系对公司违规倾向的影响会更大。同时，由于彼此更信任的关系，违规后CEO与董事更倾向于相互包庇，从而降低了被稽查出的概率。于是，本文进一步提出如下假设：

      H3：人们彼此间信任程度越高时，CEO与董事间“老乡”关系对公司违规倾向和违规后被稽查出的概率影响更大

      另外，各个省份内人们对风险的偏好也可能影响“老乡”关系所能发挥的作用。由于违规后被稽查出的概率p并不确定，进行违规行为需要CEO和董事承担一定的风险，因此当某省份人们的风险偏好程度越高时，该“老乡”关系对违规倾向的影响更强，并且违规后被稽查时，CEO和董事更愿意冒险不配合检举相关行为，因此这种关系对降低稽查出概率的影响也更大。于是，本文进一步提出如下假设：

      H4：人们的风险偏好程度越高时，CEO与董事间“老乡”关系对公司违规倾向和违规后被稽查出的概率影响更大

      除不同省份文化观念和人们的风险偏好会影响CEO与董事间“老乡”关系所能发挥的作用外，公司的股权集中度也将影响CEO对该关系的运用。当公司股权集中度较高时，公司大股东在上市公司的经营管理中也将占据主导地位。对于CEO的聘任以及重大事项的决策，大股东都将产生重要影响。于是在股权集中度较高的公司中，CEO与董事会间“老乡”关系所能发挥的影响将会受到限制。因此有以下假设：

      H5：公司的股权集中度越高时，CEO与董事间“老乡”关系对公司违规倾向和违规后被稽查出概率的影响更小

      二、研究设计

      1.研究方法

      借鉴Khanna等、[25]陆瑶等[7]在研究公司违规时采用的方法，本文使用部分可观测的Bivariate Probit模型进行估计。采用Bivariate Probit估计方法的原因主要有两点：一是由于公司违规的样本数据为部分可观测，即样本中数据均为发生违规并且被稽查出的公司，而发生了违规但未被稽查出的数据则是不可观测的。因此若直接采用Probit模型进行估计，则会低估裙带关系对公司违规的影响程度。二是因为公司的违规倾向也会受到公司违规后被稽查出的概率影响，因此，在研究CEO和董事间“老乡”关系对公司违规倾向影响的同时，对违规稽查所受到的影响进行分析也是非常必要的。

      Poirier[34]针对部分可观测问题最先做出了关于Bivariate Probit估计方法的理论研究。本文在研究公司违规行为的同时，将同时考察公司违规倾向和违规稽查两方面的影响。首先对于每个公司i，引入两个潜变量

，分别代表在t年时公司i违规倾向的大小以及违规后被稽查出来的可能性大小。两个潜变量的决定因素如下：

      

      其中，

分别是解释公司违规倾向以及违规稽查的两组解释变量，

则是两个均值为0并且服从二元正态分布的随机扰动项，两者之间的相关系数为ρ。

      

      根据(3)式可以通过最大似然法进行模型的参数估计。

      值得指出的是，根据Poirier[34]等理论研究，要求在二元Probit回归模型中，

两组解释变量不能完全相同。

      本文在使用上市公司面板数据进行Bivariate Probit回归时，同时控制了不同年份的固定效应。本文采取的面板数据为非平衡面板数据，即每年的样本数目并不相同。采取非平衡面板数据主要是出于保留更多观测样本的考虑。实证数据的研究分析使用Stata统计软件完成。

      2.数据来源及样本的描述性统计

      本文使用的数据为2000年至2013年沪深两市所有上市公司的面板数据，共得到14年间2525家不同上市公司的22768条观测数据。选取2000年作为起始年份，一是因为在2000年之前，上市公司对高管及董事的背景信息披露相对较少，因而获取CEO及董事的籍贯信息也会更加困难，所以为了防止出现过多的缺失值，选择了2000年及之后年份作为研究对象；二是由于自1999年6月，上海证券交易所对上海棱光实业股份有限公司开出第一笔公开谴责的罚单开始，公开谴责制度正式实施，此后我国证券监管的力度不断加大，对公司违规的稽查以及处罚的频率开始上升，因此选取2000年之后的年份进行研究，正是监管部门和投资者越发关注公司违规的阶段。

      本文所使用的上市公司违规数据来源于锐思数据库中重大事项违规处罚数据，上市公司的财务信息以及每年董事会成员名单列表信息来自CSMAR(国泰安数据库)中的中国上市公司治理结构研究数据库，CEO和董事的籍贯信息则来自对锐思数据库中管理层背景介绍的信息筛选以及通过网络搜索手工搜集完成。

      

      表1列出了本文所使用的样本描述。其中，第(2)列列出了每年上市公司股票的总数目。从中可以发现，2000年至2013年，上市公司数目在不断增加，表明了我国资本市场不断繁荣发展的态势。2010年上市公司数目有较大增幅的主要原因是2009年10月30日创业板公司正式开始上市交易。列(3)列出了各年份违规的上市公司数目，这里每年出现多次违规的上市公司不重复统计，即当年出现不止一次违规的公司也只计一次。从第(4)列中的违规公司占比数据可以发现，从2000年开始违规公司占比呈现先增加后降低的趋势，2005年，违规的上市公司数目以及所占比例都达到了一个顶峰。然而从2011年开始，违规公司数量和占比又开始显著上升，这表明近几年我国资本市场监管不断趋严，对上市公司违法违规行为的披露更加透明。

      3.变量构造

      (1)公司违规变量

      如前文研究方法部分所述，本文哑变量Observe衡量公司当年是否有被披露的违规事实。根据锐思数据库中重大事项违规处罚数据，如果公司当年被披露有违规事实，则Observe=1，否则定义为0。

      (2)“老乡”关系变量

      为了衡量CEO与董事会之间的“老乡”关系，本文借鉴陆瑶等[31]的研究方法，通过计算每年董事会中与CEO同为“老乡”的比例—Per_JG，来衡量这种裙带关系的强弱。

      由于国内引入CEO的概念较晚，很多中国上市公司仍未明确设置CEO这一岗位。参考数据库中对管理层岗位职能的描述，本文将未设立CEO岗位的公司的“总经理”、“总裁”或“行长”等职位认定为该公司的CEO。对于董事会成员的界定则包括了执行董事、非执行董事和独立董事等数据库中披露的所有董事会成员。

      《辞海》中将“老乡”定义为籍贯相同的人，[35]而籍贯指祖居或者个人出生的地方。在搜集CEO及董事的籍贯信息时，有些高管提供的是籍贯信息，有些则是出生地信息。从严格意义上说，个人出生地和籍贯地并不一定相同。然而由于国人对自身出生省份以及籍贯省份都会有较深的认同感，因此对于只披露了籍贯省份或者出生地省份的CEO或董事，将该省份认定为其“籍贯”，对于同时披露了籍贯地和出生地的情况，则以籍贯地省份为准，据此来计算“老乡”的人数比例。

      由于目前国内对上市公司高管背景信息的披露尚无统一要求，因此只有部分上市公司在披露时会提供高管和董事的籍贯或出生地信息。即使通过手工网络搜集也难以找到所有上市公司CEO和董事会成员的籍贯信息，因此对于没有籍贯和出生地信息的CEO或董事会产生缺失值。为了控制这种缺失值对回归结果的影响，本文进一步定义变量Per_Mis_JG，来衡量当年董事会成员中籍贯信息缺失的人数占董事会中总人数的比例。若当年CEO的籍贯信息可以获得但某位董事的籍贯信息缺失，则假设该董事与CEO没有“老乡”关系；若当年公司CEO的籍贯信息缺失，则Per_Mis_JG取值为1，相应的“老乡”关系比例变量Per_JG取值为0。

      (3)控制变量

      为了解释公司违规倾向的大小以及违规后被稽查出概率的大小，本文参照Khanna等[25]及陆瑶等[7]的研究，并结合以往文献对公司违规影响因素的研究，分别加入了两组不完全相同的解释变量。在对违规倾向的解释方面，控制的变量有：公司股权集中度(H10)为公司前十大股东持股比例，国有持股比例(StateShr)，董事会规模(Dirsize)为董事会成员总数的自然对数，独立董事人数占比(Inddirpct)，公司规模(FirmSize)为公司总资产经通货膨胀率CPI调整为2000年百万人民币计数后的自然对数，公司股票年收益率(Yyret)。这些公司治理因素以及经营情况会影响到公司管理层的违规动机。在解释违规稽查概率方面，控制变量包括：公司股权集中度(H10)；董事会规模(DirSize)；独立董事人数占比(Inddirpct)；托宾Q值(TobinQ)，衡量的是公司市场价值与其资产重置成本之比；公司过去三年营业收入平均增长率(Growth)；公司的资产负债率(Leve)；公司是否曾经违规(PreFraud)为哑变量；行业违规情况(Indufraud)为当年行业中违规公司数目占该行业上市公司总数的比例；公司股票收益率的波动情况(DVolatility)；以及股票流通股换手率(Avgdreturn)。这些变量的变化水平，会导致公司信息披露的水平以及监管部门和投资者关注程度的不同，从而改变公司受到违规稽查和诉讼的可能性大小。这两组解释变量不完全相同，因此满足Bivariate Probit估计模型对解释变量的要求，表2列出了本文所使用的各变量的名称及其相应的定义。

      4.变量描述性统计

      在表3中列出了本文所使用的各变量的描述性统计。其中，由于公司过去三年营业收入平均增长率(Growth)、托宾Q值(TobinQ)以及资产负债率变量(Leve)的极值均较大，因此为了避免极端情形对回归分析产生影响，分别采取了1%和99%水平上的Winsorize处理。从表3中可以发现，处理之后的Growth、Tobinq、Leve变量最大值与最小值均在合理区间内。其他变量中，Per_JG的均值为0.078，说明在所有上市公司中CEO与平均约8%的董事会成员有“老乡”关系。

      5.模型设定

      根据前文对研究方法的讨论以及研究变量和控制变量的选择，这里将模型1a和1b具体设定如下：

      

      根据以上回归表达式(4a)和(4b)，本文将使用Stata统计软件进行后续的Bivariate Probit回归分析。

      

      

      三、研究结果分析与讨论

      

      在控制了年份的固定效应之后，公司违规行为关于CEO与董事间“老乡”关系的回归结果如表4中所示。其中，第(1)列列出了公司违规倾向所受“老乡”关系及其他控制变量的影响，列(2)列出了公司违规稽查所受到的影响。

      从列(1)和列(2)中“老乡”关系变量Per_JG的系数可以发现，CEO与董事间的这种裙带关系会显著提高公司违规的倾向，同时降低违规公司被稽查出来的概率。两个系数均在5%的水平下显著。这验证了本文的假设1和假设2，表明CEO和董事会之间的“老乡”关系会导致公司管理层与董事会的沟通协调成本更低，提高了发生“共谋”的倾向，增大了违规行为发生的动机。同时，这种裙带关系让CEO与董事会之间的关系更为“友善”，在发生违规之后，他们会因为彼此间更为“友善密切”的关系而相互包庇，从而增加了发生违规后被稽查出来的难度，影响了违规事实的揭发。

      从控制变量的回归系数来看，在公司违规倾向方面，国有股比例变量StateShr系数为正，但是并不显著。公司规模变量FirmSize显著为负，说明当公司规模越大时，公司发展相对更加成熟，企业的运营也会更加规范，从而违规倾向也更低。另外，当公司当年股票表现较好时(Yyret越大)，公司的业绩压力相应会更小，管理层的违规动机减弱，公司违规倾向降低。公司的股权集中度(反映在前十大股东持股比例变量H10系数上)虽然对公司违规倾向有正向影响，但这种影响并不显著，这与Chen等[5]的研究发现相一致。董事会特征方面，董事会规模大小DirSize和独立董事比例Inddirpct的影响在统计上并不显著，这与蔡志岳等[10]研究结果相一致。

      在违规稽查方面，公司的托宾Q值会显著地正向提高公司违规被稽查的概率。由于托宾Q值衡量公司市场价值关于其资产重置成本的比例，Q值越大，说明公司目前的市场价值相对较高，而这种较高的市场价值可能导致企业有动机进入资本市场进行套利变现行为。因此更高的托宾Q值会引起监管部门更多的关注，从而使公司有疑似违规行为时，更容易遭受稽查。公司营业收入增长比率系数显著为负，当公司业务发展良好时，其从事违规行为的可能性相对较小，监管部门也会因此减少对公司的关注，所以即使公司出现违规，其遭受稽查以及发掘出违规事实的可能性都会降低。类似的，公司资产负债率、公司过往是否曾经违规以及行业中违规公司比例对公司违规后被稽查出的概率均有显著正影响，较大的董事会规模也会让公司违规后被稽查时更容易检举出违规事实。此外，如果当年上市公司股票波动率较大，或者流通股换手率较高时，也会被视为异常状态，从而获得更多关注更容易被稽查。因此变量DVolatility和Avgdreturn的系数均为正，但股票波动率DVolatility的影响并不显著。这些均与前人研究结果相一致。

      四、“老乡”关系与不同地区文化价值的交叉影响

      我国是一个幅员辽阔的多民族国家，不同地区之间风俗文化差别较大，各地居民的价值观也会不同，例如人们彼此之间的信任程度、人们对待工作和生活的态度等。因此，基于不同省份的“老乡”关系，其所能发挥的作用也会受到该省份人们价值观的影响。本节将会探讨不同地区的文化价值观念和CEO与董事间的“老乡”关系对公司违规行为的交叉影响。

      借鉴Ahern等[36]在研究世界各地不同的文化价值观念对公司并购之间的影响时所采用的方法，本文也从World Value Survey(以下简称WVS)中选取了相关的问题，构建衡量各省份差别的文化变量。WVS是关于不同地区文化价值观历年来所做的最大规模的调研，涵盖了6大洲、97个国家或地区的调研结果。每个地区的样本选择都是随机的，从而能够充分代表不同年龄、性别、工作情况、地理区域等方面的人群状况。截至目前WVS一共进行了六次调研，中国涉及到的三次调研分别抽取了不完全相同的24个省份。对于WVS每次调研中相同的问题，本文取三次调研结果的平均值来衡量构建的相关变量。若某一省份只在一次或两次调研中出现，则取这一次的调研值或两次的平均值。

      由于裙带关系会受到人们之间相互信任程度的影响，本文首先关注了人与人之间相互信任程度这个文化变量。为了衡量不同省份内人们相互之间信任程度的不同，本文选取了在2001年、2007年和2012年调研问卷中均出现的如下问题进行研究：

      “您认为大多数人只要有机会就会利用您，还是会尽量公正地对待您？A.会利用我；B.会尽量公正地对待您；C.不知道”

      基于该问题构建信任程度变量Trust，其取值方式为：选A时，Trust=0；选B时，Trust=1；而选C时，Trust=0.5。然后针对各省份取得平均值，则Trust取值范围为0到1之间，且其值越大时，表明该省份人们之间的彼此信任程度越高。①

      构建出信任程度变量Trust之后，再将其与“老乡”关系变量Per_JG做交叉项，然后加入对公司违规行为影响的Bivariate Probit回归分析中，得到的结果如表5所示。其中，第(1)列和第(2)列分别汇报了加入信任程度变量Trust和交叉项Trust×Per_JG之后对公司违规倾向以及对公司违规稽查的影响。表5也控制了与前文相同的控制变量，出于篇幅限制未汇报在表中。从回归结果看，交叉项对违规倾向和违规稽查的影响都是显著的。当该省份信任程度变量Trust取值越大时，基于该省份的“老乡”关系会使公司董事会董事与CEO之间更加相信彼此，从而沟通协调成本进一步降低，发生违规共谋的可能性也更高。而一旦发生违规稽查时，彼此间更强的信任程度也会使其更可能相互包庇违规事实，从而更加阻碍违规行为的揭发和稽查。该结果验证了本文的假设3。

      

      由于公司在违规时会承担一定的被稽查和处罚的风险，那么“老乡”关系对公司违规行为的影响是否会受到该省份人们对待风险态度的影响呢？同时违规行为是否发生，主要受到管理层和董事会团队中成员的影响，那么这些成员的不同行事风格是不是也会影响到“老乡”关系对违规行为发生的作用？为了考察这些观念与“老乡”关系的交叉影响，本文进一步选取了2007年和2012年WVS调研问卷中的如下问题，②来衡量不同省份人们行事风格和对风险的态度：

      “请看如下描述，您觉得自己和这类人相像吗？是很像(1)；像(2)；有些像(3)；只有一点像(4)；不像(5)；还是完全不像(6)？请打分。

      ——追求冒险、新奇和刺激的生活”

      当被访者认为自己和上述描述很像时，说明其风险偏好程度越高。由此文章构建变量Risk，其取值为Risk=(6-打分)/5。由于打分值取值范围在1至6之间，因此Risk取值为0至1之间。并且当Risk值越大时，说明越偏好风险。将Risk按省份取平均值，然后将该变量及其与“老乡”关系变量的交叉项加入对公司违规的Bivariate Probit回归分析中，得到的结果如表5中列(3)和列(4)所示。

      从表5的回归结果中可以发现，交叉项Risk×Per_JG对违规后被稽查的概率有显著负向影响，对公司违规倾向在11%(其P-Value为0.113)的置信水平下有显著正向影响。交叉项对违规倾向的影响系数为正、对违规稽查的影响系数为负时，风险偏好程度变量Risk越大，“老乡”关系变量Per_JG对公司违规倾向的正向影响和对违规稽查的负向影响也会越强，这验证了本文的假设4。列(3)和列(4)的结果表明，当某省份人们风险偏好更大时，上市公司CEO和董事更倾向于利用“老乡”这种裙带关系进行一些高风险的违规行为，同时在违规行为被监管层关注后，董事与CEO宁愿冒险去包庇彼此的违规行为而不是配合调查，从而降低了被稽查出的概率。因此，人们对风险的态度会加强“老乡”关系在公司违规倾向和违规后被稽查中发挥的影响。

      五、“老乡”关系与股权集中度的交叉影响

      相较资本市场发达国家，在我国上市公司中，股权集中度普遍较高。在本文所采取的2000年至2013年沪深两市所有上市公司的样本中，前十大股东持股比例H10的均值为0.5868，最大值更是达到了0.9948。较高的股权集中度使得大股东对公司的经营管理等拥有较大的决策权，尤其是对于部分家族企业发展而来的上市公司。同时，由于现代公司治理制度在我国建立时间较晚，股东会、董事会、监事会以及管理层之间还未形成理想的制衡关系。对于大股东来说，往往在公司中占据主导地位。因此，在股权集中的上市公司中，CEO在管理公司、做出经营决策时，不可避免将受到来自大股东的影响。于是，CEO通过自身与董事会之间的“老乡”关系发挥的作用，也将受到股权集中度的影响。

      为了研究公司股权集中度对CEO与董事间“老乡”关系在公司违规中所能发挥作用的影响，本文将股权集中度变量H10与“老乡”关系变量Per_JG做交叉项，并加入对公司违规行为影响的Bivariate Probit回归分析中。回归得到的结果如表6所示。

      

      表6的回归中控制了与前文相同的控制变量，出于篇幅考虑未一一汇报控制变量的回归系数。从表6的回归结果中可以发现，股权集中度变量与“老乡”关系变量的交叉项H10×Per_JG对公司违规倾向有显著的负影响，而对公司违规后被稽查的概率有显著的正影响。这表明，当公司股权集中度较高时，CEO与董事间的“老乡”关系对公司违规倾向的正向影响将被减小，同时“老乡”关系对违规后被稽查概率的负向影响也将从一定程度上被抵消。该实证结果验证了本文的假设5，说明较高的股权集中度将会减弱CEO与董事间的“老乡”关系对公司违规所发挥的作用。

      六、稳健性检验

      1.控制内生性后的结果

      在前文中通过Bivariate Probit回归虽然得出了CEO与董事间“老乡”关系对公司违规的影响，但是这种影响可能是由于“老乡”关系变量自身的内生性造成的。CEO和董事会之间的“老乡”关系会对公司的违规行为产生影响，但是另一方面，当公司发生违规行为时，公司内部的这种裙带关系也会受到相应的影响。迫于股东投资者和监管部门的关注和要求，CEO能够参与聘任的“老乡”董事比例可能会受到一定限制。这种反向因果关系的存在会影响到上述的回归结果。另外，虽然本文参照以往文献研究并结合公司违规的形成机理，在回归中加入了各类可能的解释变量，同时通过控制年份的固定效应和行业的固定效应来控制其他未考虑到的宏观经济环境影响和公司层面的其他因素影响，但依然不能保证没有被遗漏的解释因素。因此，除了这种可能的反向因果关系之外，某些同时影响解释变量与被解释变量的不可观测的变量的存在也会造成内生性的出现。综上，有必要解决CEO和董事间“老乡”关系变量的内生性问题，下文将讨论控制“老乡”关系变量的内生性控制以及控制后的回归结果。

      本文控制内生性采用的是通过使用工具变量回归的方法。参考Khanna等[25]在处理CEO上任后提拔的高管比例这一裙带关系变量的内生性问题时采用的方法，本文首先构建了变量Director_SL，为当年董事会中由于外在原因而发生离职的董事人数。这里“外在原因”的判定依据为，当锐思数据库中对董事会成员离职原因介绍为“健康原因”、“退休”或者“逝世”时，认为该董事是因为外在原因离开董事会。在构建该变量后，将当年Director_SL按各公司CEO籍贯省份取平均值，得到不同年份各个省份平均每个公司因外在原因离职的董事人数，记为变量Mean_Director_SL，并以该变量作为工具变量来控制内生性。由于这些离职的原因是外生的，因此变量Director_SL以及Mean_Director_SL的大小不会对公司的违规行为产生直接的影响。但是另一方面，每个省份平均突然离职的董事人数的多少，会通过影响每个省董事的供给影响到公司当年董事会中与CEO同为“老乡”的成员比例，因此选取该变量作为控制内生性的工具变量是合理的。

      在选取工具变量后，将“老乡”关系变量Per_JG作为因变量对工具变量Mean_Director_SL及其他控制变量进行回归，得到回归系数后再估计出新的衡量“老乡”关系的变量(Per_JG_D_Hat和Per_JG_F_Hat)，并将其作为自变量加入对违规行为的Bivariate Probit回归分析中。控制内生性后的回归分析结果汇报在表7中。

      

      第(1)列和第(2)列分别汇报了控制了内生性之后的“老乡”关系变量对公司违规倾向以及公司违规后被稽查的概率的影响。对比表4中的结果可以发现，控制内生性后CEO与董事会间的“老乡”关系对公司违规倾向的影响系数依然为正，对公司违规后被稽查出的概率的影响依然为负，并且分别在10%和5%的水平下显著。同时，系数的绝对值均比表4中原回归结果增大。这表明在控制内生性后CEO与董事会间的“老乡”关系依然会提高公司违规的倾向并降低违规后被稽查的概率，前述的分析结果是稳健的。

      2.其他稳健性检验

      (1)对非金融企业违规的影响

      由于金融企业经营不同于实体企业，其管理层违规动机一般更强，并且监管层对金融行业稽查一般更为严格，因此本文进一步考察了非金融企业的样本，得到回归结果如表8所示。

      

      从表8的结果中可以发现，剔除金融企业样本后，CEO和董事间“老乡”关系对公司违规倾向和违规稽查概率的影响依然显著。这进一步验证了前文结果的稳健性。

      (2)异地“老乡”关系影响

      对于同在异地工作的人来说，来自同一地区会使其相互之间感到更加亲切，因此同处异地的“老乡”关系更为亲密。为区分这种影响，重新将“老乡”关系变量Per_JG定义为当CEO籍贯与公司所在地不同时，董事会中与CEO籍贯相同的董事人数比例。而当CEO籍贯即为公司所在省份时，则定义Per_JG取值为0，同时控制籍贯信息缺失比例的变量Per_Mis_JG也取值为0。将新定义下的“老乡”关系变量加入回归中后，得到结果如表9所示。表9的回归中也控制了相关的控制变量，但出于篇幅限制未予以汇报。对比表9和表4的结果可以发现，异地“老乡”关系同样对公司违规倾向有正影响，对违规稽查的概率存在负影响。

      

      七、研究结论与讨论

      本文研究了CEO与董事会之间的“老乡”关系对公司违规的影响。通过使用2000年至2013年沪深两市中所有上市公司的面板数据，应用Bivariate Probit估计模型，本文发现CEO与董事之间的这种“老乡”关系会显著提高公司的违规倾向，同时会降低公司违规后被稽查出的概率。这可能主要是由于较强的“老乡”关系会降低CEO与董事会之间的沟通协调成本，使违规行为变得更加容易。同时，“老乡”关系会使得CEO与董事会之间的关系变得更加“友善”，从而降低董事会对管理层的监督职能，进而增加了违规行为稽查的难度。当违规行为不容易被稽查时，CEO与管理层的违规动机也会相应增加。CEO与董事会成员之间的“老乡”关系对违规倾向与稽查所产生的作用还会受到不同省份文化价值观念以及公司股权集中度的影响。当该省份人们彼此间信任程度更高，或该省份人们风险偏好更强时，“老乡”关系对违规行为的影响更强。而公司股权集中度越高，大股东在公司经营管理中的决策权越大时，“老乡”关系对违规行为产生的影响将被减弱。进一步的稳健性检验表明，在控制“老乡”关系变量内生性之后，其对公司违规的影响依然存在。另外，当只考虑同在外地省份的异地“老乡”关系时和当剔除金融企业样本时，“老乡”关系的影响仍然稳健。

      本文的主要贡献在于拓展了国外学者关于裙带关系的研究范畴，进一步考察了中国特色的“老乡”关系对公司经营活动会产生的影响。国内对裙带关系的研究仍处于起步阶段，本文的研究可进一步丰富这方面的成果。同时，本文也为公司违规的稽查提供了一种新的线索，研究结论也提醒投资者和相关监管部门需要提高对诸如裙带关系等软性公司治理因素的关注。

      ①在2007年和2012年调研问卷中，该问题答案为以1-10分对信任程度打分，其中1代表认为他人“会利用我”，10代表认为他人“会尽量公正地对待我”。类似地，本文将变量Trust赋值为：Trust=(打分-1)/9，则其取值范围也为0-1，且其值越大，表明信任程度越高。然后将其按省份取平均值之后，再与2001年结果取均值。

      ②2001年调研问卷中无该问题。

标签：概率计算论文;  董事论文;  董事会论文;