-
时代发展,科技进步促使生产力发生质的飞跃,而由生产力制约产生的行业性别特征亦随之改变(Boserup,1970)。全球化进程下,大部分国家经济飞速发展,劳动就业体制愈渐完善,女性参与劳动程度似乎也应得到显著提高,但现实却给出了否定答案。世界银行数据显示(图1),1990年以来,女性劳动参与率持续下行,2019年虽有所回升,但随着2020年新冠疫情在全球爆发,逆全球化问题凸显,全球女性劳动参与率降至52.34%,创历史新低。相比持续下行的女性劳动参与率数据,各行业中的隐性歧视数据也引人注目:《2020年全球性别差距报告》①显示,在全球范围内要彻底消除性别差距需长达99.5年,而在卫生、教育、职场和政治等领域,几乎不可能实现全面性别平等。这说明行业中的职业隔离现象依然存在,女性进入某些管理行业的门槛依然比男性高。
图 1 1990−2020年全球与中国女性劳动参与率变动趋势②
聚焦中国,男女平等是中国基本国策。改革开放以来,中国性别平等事业取得了显著成就,被世界卫生组织列为妇幼健康高绩效的十大国家之一③。但纵观中国经济发展现状,随着区域产业结构升级、户籍制度改革、生育政策调整以及流动人口的外在冲击,各地区发展不平衡不充分的问题仍然存在,劳动力市场中的性别差距依然明显。且近年来中国女性劳动参与率下降幅度明显超出全球下降水平(如图1),说明进入21世纪以来,越来越多的中国女性自主或被迫退出劳动市场。暂且忽视这种转变可能导致的社会因素,单从经济产出的角度,女性参与劳动占比下降是否会对生产造成影响?特别是对那些投入了大量人力资本的女性群体④,她们和男性群体之间是否能够进行生产力的无差异转换?如果不能,劳动市场中高学历女性参与程度的变化对生产又有怎样的影响?
已有研究证实,两性群体间不能实现生产效率的无差异替代,并且这种差异也是两性群体工资差异的结构性原因。当把性别差异放入职业隔离的考量因素中时可以发现,在一定程度上,职业隔离影响了行业中女性分布,两性群体在经济中所承担角色具有不同作用(Villemez,1977)。二元劳动市场(Dual Labor Market)理论认为,在竞争市场中,主要部门和次要部门中不同群体面临差别工作而造成个体间的工资差异并非市场失灵,而是结构性差异(Beck等,1978 )。相同工作中,性别差异可能会影响总体劳动生产率,同时,女性在资本密集型产业中占比低于应有水平,过多地存在于微利行业。同工不同酬的工作歧视并不能完全解释男女工资差异,而是女性集中于较低回报的劳动市场,促使了该巨大差异的产生(Bridges,1980;Jacoby,1991)。随着生产力的提高,歧视门槛降低,男女在就业率上的差异逐渐减少,但在就业分布中,尤其针对高学历人群,男女差异依然明显(杨菊华,2020)。随着社会的不断发展,工会组织以及立法机构出台多项鼓励或者强制实施的政策,以确保女性在劳动力市场得到公平待遇;如英国、荷兰以及西班牙都建议性要求董事会中保持一定的女性占比,法国、德国以及挪威都具有强制性的女性配额要求(Adams和Ferreira,2009; Wang和Kelan,2013)。但上述政策措施的颁布和实施是否有利于企业可持续发展,相应的理论分析和实证证据支撑明显不足。
同时,企业(行业)价格加成一直是学界业界关注的重要问题,企业价格加成综合反映了企业的生产率水平及产品定价能力,通常用来度量企业在市场上的垄断地位及超额利得,反映企业所面临的市场竞争环境。探究企业价格加成的影响因素,对政府监管以及构建高效规范的统一大市场具有重要政策意义。已有研究从新贸易理论、竞争程度、企业绩效、政府政策、生产率等多方面研究了影响价格加成的因素。但是,从女性参与率的视角研究企业价格加成的微观机理以及经验检验尚显薄弱,尽管二者研究在理论机理上存在一定微观契合点。本文着力回答的问题是:外国政府试图在企业高层中设置女性参与占比以保护女性权益是否符合客观市场规律?保护女性权益如何作用于微观层面企业?这种作用程度对于不同产权性质、市场化程度以及两职分离的企业是否存在差异?
本文试图从劳动力多元化影响企业生产效率角度出发,构造劳动力性别差异影响企业价格加成的理论模型,并利用CSMAR数据库中董监高个人特征数据计算公司高层中女性占比,在中国情境下对理论模型进行检验,透视高层女性在劳动力市场中的影响力。研究可能的贡献有:第一,从研究视角探究国家是否应该对高层女性配额设置政策保护,对现有劳动力市场理论以及企业治理相关理论文献均是有益补充。第二,在企业价格加成领域,进一步拓展了价格加成影响因素研究,构建了劳动力差异下价格加成的理论模型。第三,分析结果具有政策意义,实证研究表明,在一些职业中保护女性参与占比符合客观经济规律,为促进女性平等就业以及管理多样性提供了有力支撑。
-
在早期劳动力市场,性别特征导致职业隔离偏差(Goldin和Katz,2002; Goldin,2014),男女劳动力在大多数行业中并不能完全替代(Blau和Kahn, 1994;Blau和Kahn, 2002;Fernández等,2004)。20世纪70年代中期至21世纪,男女工资差距大幅度缩小,但工资结构的不平衡性却在增大(Blau和Kahn; 2002)。Jacoby(1991)估计了男女劳动力在秘鲁中部山区农业生产中的劳动生产率,证据表明,女性专职喂养家畜,总体上看男性劳动力农业产出的边际生产率更高。Blau和Kahn (1994)认为在较低技能劳动力市场,劳动力需求的改变对女性劳动者有利,但在高技能劳动力市场对男性更有利,和Katz and Murphy (1992)的结论一致,其原因在于需求因素在不同技能水平要求上有差异,从而决定了女性劳动者相对收益的不同。Acemoglu等(2004)调查了二战时期女性劳动参与率提升对工资结构的影响,大量女性劳动力供给不仅降低了女性工资,也降低了男性工资,女性工资的降低幅度大于男性。可以看出,男女劳动力供给是不能完美替代的。
近三十年来,随着生产力的发展,职业的多样性使女性有更多机会参与社会劳动。女性在需求较低技能结构上的工作岗位分布越来越均衡,男女劳动力间生产力差异变小,女性参与程度上升(Black和Juhn,2000);但在高技能或者管理类等高回报的岗位中,劳动力市场依然具有明显替代差异(Black和Juhn,2000)。不同领域学者从产业经济学、管理学、行为经济学以及社会学、心理学的视角证明,公司高层成员的同质性会导致次优决策的产生,从而对公司管理和绩效产生负面影响。从这个角度看,一些职业中女性占比的变化会影响整个生产组织的绩效表现(Adams,2016; Wahab等,2018)。一些学者认为针对不同公司性质,女性董事增加对公司运营具有不同效应(Bertrand和Hallock;2001)。女性董事比例增加有利于出勤以及董事管理提升,在弱股东权限的公司中,女性董事增加有利于公司的运营,而在强股东权利的公司中,则具有减弱效应(Adams和Ferreira,2009)。这种由于女性就业导致的公司高层性别多元化,产生的经济效应可与特定产业专家的效应相比拟,特定产业专家的经理比例偏离标准差上升一个单位,公司整体表现上升0.14个单位(Dass等,2013)。也有学者认为女性董事的增加对公司整体影响甚微(Gregory-Smith等,2014),但对董事会意义重大,董事会中女性经理比例偏离标准差上升一个单位,资产回报率上升0.026个单位(Green和Homroy,2018)。
与国外理论发展脉络相似,中国学者对劳动力市场性别差异问题的研究聚焦于两个方面:一是中国劳动力市场的职业隔离问题,不同群体所面对的同工不同酬的工资结构差距以及晋升概率差异(王美艳,2005;葛玉好和曾湘泉,2011;刘斌和李磊,2012;於嘉和谢宇,2014)。二是女性高管对公司投资、产出以及绩效改善的影响(李小荣和刘行,2012;王清和周泽将,2015),该方面研究和国外的实证结果相似,有学者认为女性董事比例的上升并不利于公司投资效率的增长,反而会产生负面作用(金智等,2015),女性董事显著降低了企业经营业绩(王清和周泽将,2015)。也有学者认为女性领导可以提升创业组织的绩效(杨静和王重鸣,2013)。
已有文献在女性高管和企业绩效两方面都有相当多研究支撑,但就女性高层促进还是抑制了企业绩效的问题并没有达成共识,且鲜有文章从劳动力多元化视角构建理论模型,研究企业价格加成的影响机制。如前文所述,价格加成指标反映了企业动态竞争力,是企业盈利能力和市场垄断力的直观体现(De Loecker和Warzynski, 2012;任曙明和张静,2013),是构建高效健全市场的重要参考指标。国外学者多从生产效率(Melitz和Ottaviano,2008)、竞争程度(Lewis和Stevens,2015)、最低工资设置(Katz和Krueger,1992;Du和Wang,2020)以及政策冲击(Chu,2020)等方面来研究企业价格加成的影响机制。国内学者则从资源配置效率(钱学锋等,2015;赵瑞丽等,2018)、行政审批(张龙鹏等,2016;王璐等,2020)、融资约束、成本传递等视角对企业价格加成问题进行了理论补充和实证分析。
从国内外文献可以看出,已有研究多从劳动力市场同工不同酬问题、高技能女性如女董事对公司运行的影响两个方面着手,一方面缺乏相应的理论模型分析,另一方面从女性参与的视角探究对企业价格加成的影响文献亟待补充,本文试图在这些方面有所贡献。理论上,以Ottaviano和 Peri(2005)的文化多样性模型为基础构建劳动力性别特征模型,并利用了Melitz和Ottaviano(2008)的理论结果从企业层面研究女性参与率的不同对企业成本和价格加成的影响;实证上,以中国沪深两市A股非金融类上市公司为样本,使用CSMAR数据库中董监高个人特征子数据库数据得到公司高层性别结构数据,对理论模型进行检验。
-
我们考虑有
$ {c} $ 个企业,$ {c}=\mathrm{1,2},\cdots ,{C} $ ,每个企业有$ i $ 个不同女性参与率的部门,$ i=\mathrm{1,2},\cdots ,M $ 。$ \mathrm{c} $ 企业中劳动力数量为$ {L}^{c} $ ,其中,$ i $ 部门劳动力数量为$ {L}_{i}^{c} $ ,$ i $ 部门女性劳动力数量为$ {L}_{i,f}^{c} $ ,则$ i $ 部门女性参与率为${s}_{i}^{c}=\dfrac{{L}_{i,f}^{c}}{{L}_{i}^{c}}$ 。劳动力在企业间可自由流动,不用承担转移成本。所有劳动力消费两种物品,一种是同质的、企业间可交换的物品Y(作为标的等价物),另一种是有差别的、企业间不可交换的物品D,即产品D具有垄断性。物品D的差异性由部门内女性参与率的差异决定。假设企业由于女性参与率的差异而生产出不同企业产品,各部门生产Y和D两种产品,D的差异性只由部门女性参与率决定。劳动者不仅消费自己企业的产品,也消费其他企业的产品。效用函数采用Cobb-Douglas函数:
$$ {U}_{c}={\left({Y}_{c}\right)}^{\alpha }{\left({D}_{c}\right)}^{1-\alpha } $$ (1) 其中,
$ {U}_{c} $ 表示$ c $ 企业下的单个劳动力的消费效用,$ {Y}_{c}\mathrm{、}{D}_{c} $ 分别表示c企业中单个劳动者消费两种物品的数量。$ {D}_{c} $ 表示不同企业(不同女性参与率部门)生产的产品D的组合消费效用,采用CES效用函数:$$ {D}_{c}=\left(1-{\tau }_{c}\right){\left[\sum _{j=1}^{M}{\left({d}_{i,j}^{c}\right)}^{\beta }\right]}^{\tfrac{1}{\beta }} $$ (2) 其中,
${\displaystyle\sum _{j=1}^{M}}{\left({d}_{i,j}^{c}\right)}^{\beta }$ 衡量了消费D产品的多样性组合,$ {d}_{i}^{c} $ 表示i部门中D产品产出。$ {\tau }_{c} $ 代表差异性的效用损失,$ {\tau }_{c} $ 越大,D产品间的差异性越小。其中,$ \beta $ 的大小衡量了不同部门间产品的替代弹性,$ \beta $ 越小,替代弹性越小。假设产品D的供给只由生产率为A的劳动力提供,差异性由部门中的女性参与率决定,因此在不同女性参与率的部门与产品的差异性之间存在一一对应的关系。相应地,
$ {d}_{i}^{c} $ 可表示为,$$ {d}_{i}^{c}=A{\left({L}_{i,D}^{c}\right)}^{\gamma }{\left({s}_{i}^{c}\right)}^{1-\gamma } $$ (3) 其中,
$ {L}_{i,D}^{c} $ 表示i部门中的劳动总数,$ {s}_{i}^{c} $ 为该组合下女性参与率。相对于同质产品Y,作为标的等价物,其价格为1。同质产品Y可合作生产,即Y产品的生产在部门间不具有垄断性。合作产生的交易成本为
$ {\tau }_{c} $ ,即每个劳动者提供的劳动只有$ \left(1-{\tau }_{c}\right)\in \left(\mathrm{0,1}\right) $ 的部分用于Y产品的生产。同质产品Y的生产函数如下:$$ {Y}^{c}=A\left(1-{\tau }_{c}\right)\sum _{j=1}^{M}\left({L}_{i,Y}^{c}\right) $$ (4) 由等式(2)−(4)可得到本文假设1:
H1:消费者更愿意选择差异化的D产品,即更喜爱多样性产品。
直观上,不同部门对女性的雇佣需求不同,不同参与率组合下生产的产品效率具有一定差异,因此企业女性员工参与提高了劳动组合多样性,影响了企业生产效率,进而影响价格加成。
劳动组合多样性通过何种渠道机制影响生产效率需进一步讨论。已有文献对女性高管影响企业运营的机制进行了研究,发现当女性被任命为高层管理者时,由于思维模式的转变,可以促进高管团队的风险承受能力和变革接受能力发生根本转变,并专注于并购与研发,通过影响企业创新方式提高价值创造。已有研究证实(杨志强和王华,2014;Faccio等,2016;李兰等,2017),女性高层参与公司治理,公司薪酬福利决策更加兼顾公平,更加注重承担社会责任,提高了员工工作积极性,从而提高公司生产效率。针对已有理论机制渠道,假设1需通过实证研究进一步证实。
-
均衡情况下,不同企业的劳动力应享有相同的效用(实际工资),即均衡时的平均效用应为:
$$ \bar{u}={\left(\alpha {\bar{w}}^{c}\right)}^{\alpha }{\left(\frac{{D}^{c}}{{L}^{c}}\right)}^{1-\alpha } , \forall {c}=1,\cdots ,{C} $$ (5) 其中,
$ {D}^{c} $ 表示企业c中消费D产品的总数,${\bar{w}}^{c}=\displaystyle\sum _{i=1}^{M}\dfrac{{w}_{i}^{c}{L}_{i}^{c}}{{L}^{c}}$ 表示平均名义工资,$ {w}_{i}^{c} $ 表示女性参与率为$ i $ 的部门下生产Y产品的工资水平。因此,$\alpha {\bar{w}}^{c}$ 衡量了Y产品的个人消费支出,而$\dfrac{{D}^{c}}{{L}^{c}}$ 衡量了对D产品的人均消费支出。在完全竞争、利润最大化以及劳动力自由流动均衡的假设下,生产要素价格和其边际生产力相等。其平均工资可由(1)−(5)推导:
$$ {\bar{w}}^{c}=\frac{{\bar{u}}^{\frac{1}{\alpha }}}{\alpha }{\left[\right(1-{\tau }_{c}\left){A}\right]}^{\tfrac{\alpha -1}{\alpha }}{\left[\sum _{j=1}^{M}{\left({\lambda }_{j}^{c}\right)}^{\beta \gamma }{\left({s}_{j}^{c}\right)}^{\beta -\beta \gamma }\right]}^{\tfrac{\alpha -1}{\alpha \beta }} $$ (6) 其中,
${\lambda }_{j}^{c}=\dfrac{{L}_{j}^{c}}{{L}^{c}}$ 表示C企业中部门为j的劳动人数占总人数的份额。由等式(6)可得到本文的假设2:
H2:女性参与率的提升会影响公司平均工资水平。
从理论角度考虑,工资水平也是供给侧企业所面临的生产成本问题。女性参与率上升、平均工资水平下降说明女性数量增加可以降低企业成本。
-
借鉴Melitz and Ottaviano(2008)的研究,在产品具有差异性的竞争市场中,企业的规模收益在边际成本等于其单位劳动需求时,利润最大化,其价格和产出应满足下列等式关系:
$$ q\left(c\right)=\frac{L}{\eta }[p\left(c\right)-c] $$ (7) 其中,
$ \eta $ 衡量了产品多样性之间的差别关系。定义
$ {c}_{D} $ 为企业选择进入或退出市场无差异的成本,当企业定价等于其边际成本时,企业盈利为0,即$\; p\left({c}_{D}\right)={c}_{D}={p}_{max}$ ,此时需求$ q\left(c\right)=0 $ 。当企业把成本控制在$ {c}_{D} $ 之下时,可以获得利润。令价格加成$ \upsilon \left(c\right)=(p\left(c\right)-c)/p\left(c\right) $ 。二者均可以用企业进入或退出市场无差异的门槛成本$ {c}_{D} $ 和实际成本$ c $ 表示:$$ p\left(c\right)=\frac{1}{2}({c}_{D}+c) $$ (8) $$ \upsilon \left(c\right)=\frac{{(c}_{D}-c)}{{(c}_{D}+c)} $$ (9) 联立(6)和(9)可得,不同女性参与率组合下,企业价格加成和成本之间的关系:
$$ \upsilon \left(c\right)=1-2\frac{1}{\dfrac{{c}_{D}}{{\bar{w}}^{c}}+1} $$ (10) 把(6)带入(10)可以得到女性参与率和企业价格加成之间的关系:
$$ \upsilon \left(c\right)=1 -2 \frac{1}{\dfrac{{c}_{D}}{\dfrac{{\bar{u}}^{\frac{1}{\alpha }}}{\alpha }{\left[\right(1-{\tau }_{c}\left){A}\right]}^{\tfrac{\alpha -1}{\alpha }}{\left[\displaystyle\sum _{j=1}^{M}{\left({\lambda }_{j}^{c}\right)}^{\beta \gamma }{\left({s}_{j}^{c}\right)}^{\beta -\beta \gamma }\right]}^{\tfrac{\alpha -1}{\alpha \beta }}}+1} $$ (11) 由等式(11)可得到本文的假设3:
H3:女性参与率增加,企业价格加成会增加。
结合前述命题,女性参与率通过生产效率和工资成本两个端口影响企业价格加成。
-
本文以2008−2019年中国沪深两市A股上市公司为研究对象。样本之所以选择从2008年开始是因为财政部规定中国上市公司从2007年起执行新《企业会计准则》(财政部〔2006〕33号),新旧会计准则衔接会对当期财务报表部分数据产生影响,参照(汪祥耀和叶正虹,2011;Barth等,2012 )的做法,剔除第一年执行新会计准则的样本。本文在初始样本的基础上进行了如下处理:(1)考虑到金融类企业所适用的会计准则的特殊性,本文剔除了所有金融行业的样本;(2)删除存在不合理数据的样本,如资产负债率大于1的公司样本;(3)删除财务数据、性别结构数据等数据缺失的样本,最终得到30284个有效观测值。
本文公司高层性别结构数据通过对CSMAR数据库中董监高个人特征子数据库数据进一步手工整理得到,其他财务数据、公司治理数据和地区层面数据来自CSMAR数据库。为消除极端值的影响,本文对连续变量进行上下1%的Winsorize处理。本文的计量分析软件为Stata14.0。
-
对于企业价格加成,根据理论构建部分公式可知:
价格加成(MP)=(价格−成本)/价格
考虑到公司层面会计数据的可获得性,参考吴昊旻等(2012)的度量方式,具体计算公式如下:
价格加成(MP)=折旧及息税前利润/销售额。考虑到财务报表数据的可获得性,具体计算公式如下:当财务费用大于0时,MP=(营业利润+折旧+财务费用)/营业收入;当财务费用小于0时,MP=(营业利润+折旧)/营业收入。
公司高层性别结构(T_SEX)=女性董监高人数/公司董监高总人数
为了控制其他因素对企业价格加成的影响,参考陈茹等(2020))的研究,本文控制了以下变量:公司规模(Size)、亏损情况(Loss)、成长潜力(Growth)、资产负债率(Lev)、现金持有比率(Cash)、固定资产持有水平(Fix)、公司年龄(Age)、股权集中度(H1)、股权制衡度(H2−10)、董事会独立程度(IBD)、两权分离率(SEP)、产权性质(SOE)。同时,模型还包括了行业虚拟变量、年度虚拟变量和地区虚拟变量,以控制不同年份、不同地区宏观经济因素和行业特征对回归结果的影响。具体变量定义如表1所示。
表 1 主要变量定义
变量 符号 定义 价格加成 MP 折旧及息税前利润/销售额 性别结构 T_SEX 女性董监高人数/公司董监高总人数 公司规模 Size 总资产的自然对数 亏损情况 Loss 虚拟变量,如果当期净利润为负取值为1,否则为0 成长潜力 Growth (当期净利润−上期净利润)/上期净利润 资产负债率 Lev 总负债/总资产 现金持有比例 Cash 经营活动现金净流量/当期资产均值 固定资产持有水平 Fix 固定资产/总资产 公司年龄 Age 公司已成立年数的自然对数 股权集中度 H1 第一大股东持股比例 股权制衡度 H2−10 第二大股东到第十大股东 董事会独立程度 IBD 独立董事人数/董事会人数 两权分离率 SEP 控制权与所有权之间的差值 产权性质 SOE 虚拟变量,国有企业取值为1,否则为0 行业虚拟变量 Industry 按照中国证监会2001年行业分类标准分成A,B,C0-C9,D-M共22个行业,
设置了21个行业虚拟变量年度虚拟变量 Year 共设置11个年度虚拟变量 地区虚拟变量 District 共31个省、自治区、直辖市,设置30个虚拟变量 -
为了检验公司高层女性参与率与企业价格加成之间的关系,本文构建模型(12)进行回归检验。如果假设成立,模型(12)中的回归系数β1应该大于0。
$$ \begin{split}{{MP}}_{i,t}=&\beta_{0}+\beta_{1}{{{T}}\_{{SEX}}}_{i,t}+\beta_{2}{{Size}}_{i,t} +\beta_{3}{{Loss}}_{i,t}+\beta_{4}{{Growth}}_{i,t} +\beta_{5}{{Lev}}_{i,t} +\beta_{6}{{Cash}}_{i,t} \\ &+\; \beta_{7}{{Fix}}_{i,t}+\beta_{8}{{Age}}_{i,t}+\beta_{9} {{H}}{\textit{1}}_{i,t}+\beta_{10}{{H}}({\textit{2}}-10)_{i,t}+\beta_{11}{{IBD}}_{i,t}+\beta_{12} {{SEP}}_{i,t} \\ &+\; \beta_{13}{{SOE}}_{i,t}+\sum{{Industry}}+\sum{{Year}} +\sum{{District}}+\varepsilon_{i,t} \end{split}$$ (12) -
表2描述性统计结果显示,企业价格加成(MP)的最小值和最大值分别是−0.807和1.461,这说明不同上市公司之间价格加成存在明显差异。上市公司董监高女性占比均值为18.2%。最小值为0,即董事会、监事会、高管全部由男性担任;最大值为0.529,即董事会、监事会、高管一半以上由女性担任。控制变量的描述性统计结果与以往文献基本一致。
表 2 主要变量描述性统计
变量 mean min p25 p50 p75 max sd MP 0.168 −0.807 0.071 0.137 0.227 1.461 0.246 T_SEX 0.182 0.000 0.100 0.167 0.250 0.529 0.116 Size 22.000 19.204 21.055 21.833 22.752 25.979 1.310 Loss 0.096 0 0 0 0 1 0.295 Growth −0.405 −22.615 −0.416 0.048 0.346 8.936 3.347 Lev 0.430 0.050 0.260 0.421 0.590 0.904 0.211 Cash 0.047 −0.202 0.005 0.047 0.093 0.269 0.079 Fix 0.219 0.002 0.089 0.184 0.313 0.719 0.166 Age 2.818 1.609 2.639 2.890 3.091 3.466 0.370 H1 0.350 0.088 0.232 0.330 0.452 0.754 0.151 H2−10 0.237 0.020 0.126 0.227 0.334 0.569 0.135 IBD 0.374 0.333 0.333 0.333 0.429 0.571 0.053 SEP 4.598 0 0 0 7.379 28.313 7.414 SOE 0.380 0 0 0 1 1 0.485 图2展示了2008−2019年上市公司女性董监高比例年度均值趋势图。可以看出,从2008−2019年,上市公司董事会、监事会、高管中女性比例总体呈稳定上升趋势,在2019年达到最大值0.212,女性董监高占到五分之一。这说明女性高管在公司中所占的比例以及发挥的作用日益增加。在劳动力市场中,特别是高端人才市场,职业性别隔离得到缓解。
-
由于企业价格加成(MP)和部分控制变量的度量指标使用了财务报表中的资产、负债、营业收入、净利润数据,可能存在共线问题,因此本文对主要变量进行了相关性检验。表3报告了主要变量之间的Spearman相关系数。由表3可知,企业价格加成(MP)与董监高女性占比(T_SEX)的相关系数为正,与假设的预期一致。企业价格加成(MP)与亏损情况(Loss)的相关系数是−0.354,企业价格加成(MP)与其他变量相关系数的绝对值均小于0.3。绝大多数控制变量之间的相关系数的绝对值在0.3以下,说明模型整体不存在严重的多重共线性问题。
表 3 主要变量Spearman相关系数矩阵
变量 MP T_SEX Size Loss Growth Lev Cash Fix Age H1 H2−10 IBD SEP SOE MP 1.000 T_SEX 0.017 1.000 Size 0.099 −0.123 1.000 Loss −0.354 0.025 −0.059 1.000 Growth 0.267 −0.004 0.077 −0.362 1.000 Lev −0.233 −0.094 0.474 0.174 -0.078 1.000 Cash 0.264 −0.021 0.045 −0.181 0.200 −0.153 1.000 Fix 0.036 −0.147 0.046 0.076 −0.082 0.069 0.248 1.000 Age −0.003 0.109 0.226 0.066 −0.053 0.188 −0.027 −0.040 1.000 H1 0.071 −0.079 0.158 −0.106 0.051 0.043 0.107 0.072 −0.139 1.000 H2−10 0.123 0.067 −0.128 −0.084 0.098 −0.225 0.053 −0.103 −0.136 −0.367 1.000 IBD −0.005 0.098 −0.006 0.019 −0.018 −0.014 −0.023 −0.062 −0.004 0.026 0.003 1.000 SEP −0.009 −0.022 0.045 0.005 −0.001 0.056 0.026 0.045 0.044 0.072 −0.047 −0.060 1.000 SOE −0.067 −0.198 0.328 0.030 −0.044 0.301 0.008 0.174 0.162 0.207 −0.332 −0.071 −0.139 1.000 -
表4列示了基准回归结果。列(1)−(3)分别控制了年份固定效应、行业固定效应和地区固定效应,在此基础上,加入公司财务特征和公司治理特征的控制变量,董监高性别结构(T_SEX)的回归系数均在1%水平上显著为正。列(4)同时加入年份固定效应、行业固定效应、地区固定效应和其他控制变量,回归结果显示,董监高性别结构(T_SEX)的回归系数在1%水平上显著为正,女性高层占比每增加1个单位 ,企业的价格加成上升0.038个单位。这说明在控制了时间、行业以及地区差异后,结果都证明公司决策管理层女性比例越高,企业价格加成越高,验证了假设3。
表 4 女性董监高参与率与价格加成
变量 MP (1) (2) (3) (4) T_SEX 0.057*** 0.050*** 0.051*** 0.038*** (4.837) (4.171) (4.295) (3.181) Size 0.045*** 0.041*** 0.045*** 0.040*** (36.312) (33.556) (36.744) (31.470) Loss −0.192*** −0.186*** −0.190*** −0.190*** (−36.986) (−35.559) (−36.000) (−36.878) Growth 0.005*** 0.005*** 0.005*** 0.005*** (11.570) (11.341) (11.404) (11.601) Lev −0.177*** −0.172*** −0.175*** −0.178*** (−23.870) (−22.682) (−23.426) (−23.352) Cash 0.184*** 0.220*** 0.224*** 0.188*** (10.646) (12.735) (12.830) (10.923) Fix 0.116*** 0.077*** 0.109*** 0.082*** (14.243) (8.396) (12.892) (8.911) Age 0.030*** 0.029*** 0.031*** 0.019*** (7.362) (7.723) (8.057) (4.538) H1 0.072*** 0.067*** 0.072*** 0.076*** (7.339) (6.594) (7.193) (7.627) H2−10 0.088*** 0.090*** 0.093*** 0.091*** (7.959) (7.899) (8.288) (8.077) IBD −0.005 0.021 −0.015 0.006 (−0.252) (0.822) (−0.619) (0.210) SEP −0.001* −0.001 −0.001 −0.001 (−1.909) (−1.056) (−1.389) (−1.007) SOE −0.006* −0.017*** −0.008** −0.019*** (−1.936) (−5.494) (−2.446) (−5.757) Constant −0.890*** −0.807*** −0.888*** −0.754*** (−30.330) (−29.804) (−33.065) (−24.762) Year Yes No No Yes Industry No Yes No Yes District No No Yes Yes N 30284 30284 30284 30284 Adj R2 0.203 0.196 0.177 0.228 注:***、**、*分别表示在1%、5%、10%水平上显著;括号内为经过异方差稳健修正的t值,Adj R2为组内方差。 -
第一,性别结构的替代变量。为了考察上市公司女性参与高层治理的情况,在稳健性检验中重点关注公司董事长由女性担任的情况。本文设置虚拟变量D_SEX,董事长为女性取值为1,否则为0。回归结果如表5列(1)所示,女董事长(D_SEX)对企业价格加成(MP)的影响依然显著为正,女董事长每增加1个单位,公司价格加成显著提高0.011个单位。结合基准回归模型,女董事长对企业价格加成的影响具有显著正向提升作用。公司高层女性数量和颁布决策重要程度都会对价格加成起到拉动作用。
表 5 稳健性检验
变量 MP (1) (2) (3) (4) D_SEX 0.011* (1.821) T_SEX 0.037** 0.030*** 0.038** (2.333) (3.046) (2.006) T_SEXt−3 0.024** (2.028) Female_age −0.000 (−0.234) Female_edu 0.002 (1.233) Controls Yes Yes Yes Yes Year Yes Yes Yes Yes Industry Yes Yes Yes Yes District Yes Yes Yes Yes Firm No No No Yes N 30302 23973 25561 30302 Adj R2 0.228 0.257 0.335 0.228 注:***、**、*分别表示在1%、5%、10%水平上显著;括号内为经过异方差稳健修正的t值,Adj R2为组内方差;样本总量不一致系滞后期数据、部分董监高个人特征数据缺失所致。 第二,考虑滞后期女性参与率的影响。由于上市公司高管每三年举行一次换届,本文增加董监高性别结构滞后3期作为控制变量。回归结果如表5列(2)所示,董监高女性占比(T_SEX)上升,价格加成依然显著提高,其滞后三期的结果也一致。同时可以发现,在加入滞后三期女性高管(T_SEXt−3)影响变量后,女性高层占比每增加1个单位,企业价格加成显著提高0.037个单位,几乎是只考虑一期女性董事长所提升作用的3倍。这在一定程度上说明,如果考虑到女性高层数量及其在位时颁布政策的时效性,女性高层对企业市场势力的提升作用可能更大。
第三,考虑个人特征的影响。已有研究表明,高层管理团队人口特征⑤对公司决策和经营业绩产生直接影响(Hambrick和 Mason,1984; Bantel和Jackson,1989;权小锋等,2010;李维安等,2014)。因此,在稳健性检验中加入公司女性董监高年龄和学历作为控制变量。如果公司高层有1名以上女性,则取多名女性年龄和学历的平均值。回归结果如表5列(3)所示。在控制了高层女性人口特征后,高层中女性占比(T_SEX)的增加仍然可以显著提高公司价格加成,说明结果稳健。
第四,内生性问题。虽然本文已经通过控制公司财务特征、治理特征以及行业和地区固定效应,但是仍然不可避免存在遗漏变量的问题,从而产生内生性问题。参考已有研究,本文进一步控制公司个体固定效应。表5列(4)显示,高层中女性占比(T_SEX)与公司价格加成(MP)仍然显著为正,与基准回归结论相同。
-
高阶梯队理论(TMT)指出性别差异或高管团队异质性影响企业战略决策。女性高管普遍具有经营风格稳健、风险厌恶、重视员工福利等特征(Faccio等,2016;李兰等,2017),这些个体特征使得企业经营风格趋于稳健,注重成本控制和员工福利。
前文分析看出,高层中女性参与率上升影响企业价格加成的两种作用机制分别是生产效率提升效应和成本降低效应。一方面,女性高层参与公司治理,有助于提高员工的工作积极性,进而提高生产效率,提升价格加成。另一方面,女性高管占比较高有利于控制公司整体的薪酬水平,降低公司成本费用,实现企业价格加成上升。实证检验假设3成立。
为了检验影响机制,本文参考已有研究,设置变量员工生产效率(Efficiency),即上市公司当期营业收入与员工总人数的比值;设置变量员工薪酬(Pay),即应付职工薪酬与员工总数的比值。回归结果如表6所示。列(1)显示,高层女性占比(T_SEX)与员工生产效率(Efficiency)在1%水平上显著正相关,说明高层女性参与率的提高,有助于提高普通员工生产积极性,进而提升企业整体生产效率,该结果验证了假设1。列(2)显示,高层中女性参与率每上升1个单位,平均薪酬(Pay)下降0.105个单位。这说明公司高层中女性参与率越高,公司平均薪酬越低,即降低了公司成本支出,该结果验证了假设2。从机制检验来看,高层中女性占比的上升,能够通过提高员工工作积极性提升生产率,以及降低整体薪酬成本支出两个渠道,最终提高企业价格加成。
表 6 作用机制检验
变量 Efficiency
(1)Pay
(2)T_SEX 0.391*** −0.105* (3.585) (−2.369) Size 0.330*** 0.126*** (27.879) (18.921) Loss −0.225*** 0.063** (−4.731) (2.346) Growth 0.007* 0.002 (1.701) (0.785) Lev 1.204*** −0.126** (17.116) (−3.171) Cash −0.660*** 1.111*** (−4.166) (12.449) Fix −2.426*** −0.858*** (−28.648) (−18.220) Age 0.233*** 0.169*** (5.936) (7.677) H1 0.835*** −0.022 (9.015) (−0.412) H2−10 0.028 0.118** (0.271) (2.016) IBD 0.199 0.372*** (0.896) (2.973) SEP −0.002 0.003*** (−1.170) (3.785) SOE 0.042 0.216*** (1.395) (12.815) Constant −6.757*** 5.962*** (−24.072) (37.741) Year Yes Yes Industry Yes Yes District Yes Yes N 30252 30270 Adj R2 0.212 0.161 注:***、**、*分别表示在1%、5%、10%水平上显著;括号内提供的t值经过异方差稳健修正,Adj R2为组内方差。 -
我国新兴加转轨的市场经济特征,决定了我国市场经济运行和企业经营决策不可避免地要受到政府行政指令干预(Shleifer和Vishny,1994),产权性质差异导致国有企业和民营企业在经营目标、资源获取等方面存在显著差异。与民营企业相比,国有企业更容易获得银行信贷、政策补贴等稀缺资源;与此同时,国有企业需要承担解决就业、维护社会稳定等社会责任。女性高层在国有企业中对价格加成的影响比民营企业更加显著。表7列(1)和列(2)显示,在国有企业中,高层中女性占比(T_SEX)每上升1个单位,企业价格加成(MP)上升0.088个单位,显著高于在民营企业中女性管理人员对价格加成的提升水平(0.021个单位)。对比国有企业回归结果,民营企业女性高层回归系数统计结果不显著,一定程度上说明国有企业可能更兼顾男女平等,更能充分发挥女性高层的作用。因此,国有产权性质在公司高层女性提升价格加成的机制中起到正向促进作用。
表 7 分组检验
变量 MP SOE=1
(1)SOE=0
(2)MARKET=1
(3)MARKET=0
(4)DUAL=1
(5)
DUAL=0
(6)T_SEX 0.088*** 0.021 0.052*** 0.017 0.015 0.045*** (3.924) (1.509) (3.402) (0.938) (0.751) (3.123) Constant −0.840*** −0.718*** −0.717*** −0.789*** −0.652*** −0.781*** (−16.313) (−17.818) (−17.465) (−17.196) (−11.142) (−21.726) Controls Yes Yes Yes Yes Yes Yes Year Yes Yes Yes Yes Yes Yes Industry Yes Yes Yes Yes Yes Yes District Yes Yes Yes Yes Yes Yes N 11514 18770 16332 13952 8000 22284 Adj R2 0.311 0.196 0.204 0.255 0.192 0.244 注:***、**、*分别表示在1%、5%、10%水平上显著;下方括号内提供的t值经过异方差稳健修正,Adj R2为组内方差。 -
公司高层女性参与率与价格加成之间的关系也可能受到企业外部环境的影响。当企业所处地区市场化程度较高时,人们思想意识更加开放,职场性别歧视问题较为缓和,女性高层在企业日常经营决策中扮演更加重要的角色。而且,市场化程度较高的地区,资源配置效率更加高效,女性高层参与对企业价格加成的影响更加显著。本文采用王小鲁等(2017)市场化进程总指数衡量企业所在地区的市场化程度,并按照年度中位数将样本划分为市场化程度高和市场化程度低两组。表7列(3)显示,在市场化程度较高的地区,高层女性影响力发挥效果更好。高层中女性占比(T_SEX)上升一个单位,企业价格加成(MP)将显著提升0.052个单位;表7列(4)显示,在市场化程度较低的地区,女性高层对企业价格加成的影响要远远低于高市场化地区,其统计结果不显著(不再报告其结果)。这也说明,竞争的市场环境是促进女性发挥影响力的重要因素。女性高层影响价格加成的机制受到区域市场化进程的影响,市场化进程越高,增加高层中女性占比越有利于提高企业价格加成,提升市场势力。而在低市场化的地区,公司高层女性对价格加成的影响机制不明确。
-
管理层权力是指在公司治理存在缺陷、外部约束机制不健全的情况下,管理层压制不同意见、强制执行个人意愿的能力。当董事长与总经理两职合一、长期在位时,公司更有可能出现“一言堂”现象,女性高层影响力存在被削弱的可能。本文设置公司董事长和总经理两职合一的虚拟变量(Dual)。表7列(5)(两职合一)和列(6)(两职分离)回归结果显示,在两职合一的上市公司,公司高层女性数量的提升对价格加成的影响不显著;在两职分离的上市公司,公司高层女性占比每上升1个单位,价格加成上升0.045个单位。这说明,当公司管理层权力集中时,女性高层在公司决策和管理中发挥的作用可能被削弱;而董事长和总经理两职分离则对女性高层提升价格加成的机制起促进作用。
-
本文从性别差异影响企业价格加成的问题出发,构造了劳动力性别差异影响企业价格加成的理论模型,得出了一系列有关劳动力性别影响企业价格加成的结论。基于中国2008−2019年沪深两市A股非金融类上市公司样本,使用CSMAR数据库中董监高个人特征子数据库数据,对理论模型进行了检验。在进一步分析中,本文检验了女性参与率提高价格加成的作用机制,以及产权性质、市场化进程以及管理层权力集中度对女性参与率提升价格加成机制的影响,得出如下研究结论:
其一,总体来看,公司高层中女性参与率上升显著提升价格加成,且女性高层的实际影响力存在低估的可能。研究发现,公司高层中女性占比越高,价格加成越高。稳健性检验发现,女性董事长对价格加成的作用显著为正,说明女性决策的重要程度对女性占比影响价格加成的机制起到显著促进作用,女性领导者作出的决策,导致负面营收的风险可能更低;在把女性影响政策的时效考虑进去后,女性高层占比上升对企业市场势力的提升作用进一步加大。在控制了女性人口特征以及可能的内生性问题后,结果依然稳健。
其二,从女性参与率影响企业价格加成的机制角度出发,验证了女性参与可能影响企业价格加成的双重机制渠道,即员工生产效率提升和整体成本支出降低的双重影响机制。一方面,女性高层参与公司治理,提高了员工工作积极性,进而提高生产效率;另一方面,女性高层人员占比与公司整体平均薪酬水平显著负相关,女性高层的增加,有助于降低企业成本。从这两个方面女性高层对企业价格加成起到了提升作用。
其三,从产权性质、市场化进程、管理层权力的角度考察,上述因素对公司高层女性占比提升价格加成的机制存在显著影响:首先,从产权性质考虑,与民营企业相比,国有企业更注重社会责任,因而国有企业能够更大程度地促进女性领导影响力发挥,进而助力企业价格加成提升。其次,自由竞争的市场环境是促进女性发挥影响力的重要因素。市场化程度越深,资源配置效率越高,越有利于公司高层女性对企业价格加成的拉动影响。最后,公司管理层权力集中,不利于女性高层在公司决策和管理中发挥应有的作用,董事长和总经理两职分离对女性高层提升价格加成起显著促进作用。
本文拓展了劳动力异质性对企业价格加成作用机制的研究理论,所构建模型解释了女性高层提高企业价格加成的路径渠道。并通过实证检验证实了劳动力多元化对劳动力市场以及公司治理的重要作用,因此需要注意女性在劳动力市场中职业隔离的问题,尤其是女性高层在公司治理过程中发挥的重要作用。研究结果隐含的政策启示主要体现在以下三个方面:
一是积极践行统一大市场的顶层战略,大力推动全国市场化进程,促进劳动力市场多元化,进而助推企业价格加成提升,提高企业创新水平,提升微观企业“动力源”,释放市场经济活力。二是畅通女性在劳动力市场中职业晋升机制渠道,尤其是在国有企业中应该充分保障女性劳动者的话语权,充分发挥女性领导者的优势。三是防止企业“一言堂”现象,使企业决策更专业更公平,充分发挥公司差异化的个人能力,保障女性高层的决策权,进一步提升协作效率,实现内外部价值资源的高效整合。为女性在参与公司治理、公司职业发展空间等方面塑造更为良好的参与环境,并进一步培育女性董事的创新意识,通过塑造良好的创新激励环境增强女性董事在创新战略决策过程中的参与程度。
-
摘要: 劳动力市场理论中,性别分化带来的劳动力异质性不仅源于劳动力本身在物理、生理等方面的差距,还源于社会环境以及现存职场性别隔离的情况。文章基于女性参与率的不同对企业生产效率和利润水平产生的影响,构造了劳动力性别特征影响企业价格加成的理论模型,分析了其理论机制;并以2008−2019年中国沪深两市A股非金融类上市公司为样本进行实证检验。结果发现,女性高层主要通过提高生产率、降低成本两个渠道影响企业价格加成,公司高层中女性参与率对企业价格加成具有正向影响。进一步研究发现,在国有产权性质、市场化程度较高、两职分离的上市公司,女性高层的影响力更显著。回归结果支持了理论推导预测,并为相关机构制定女性就业政策提供了理论支撑和经验证据。
The Influence of Female Top Executives’ Participation on Price Markup: Promote or Inhibit?
Abstract: In the theory of labour market, the heterogeneity of the workforce brought about by gender differentials stems not only from the physical and physiological disparities in the workforce itself, but also from the specific social environment and the existing occupational segregation. Different female participation rate can have different impact on the productivity and profit level of firms. Based on this impact, this paper creatively constructs a theoretical gender model, analyzes its theoretical mechanism, and then makes the empirical tests taking the A-share non-financial listed companies in Shanghai and Shenzhen stock exchange from 2008 to 2019 as samples. The results show that female executives mainly influence the companys’ price markup by improving productivity and reducing costs, and the female participation rate in the company’s executives has a positive impact on the company’s price markup. Further analysis shows that the impact of female participation rate on price markup is more significant in state-owned companies, higher level of marketization regions and non-duality companies. The empirical results support the theoretical proposition, and also provide guiding supports for government agencies to formulate relevant female employment policies.-
Key words:
- female participation rate /
- price markup /
- labor cost /
- occupational segregation
-
图 1 1990−2020年全球与中国女性劳动参与率变动趋势②
表 1 主要变量定义
变量 符号 定义 价格加成 MP 折旧及息税前利润/销售额 性别结构 T_SEX 女性董监高人数/公司董监高总人数 公司规模 Size 总资产的自然对数 亏损情况 Loss 虚拟变量,如果当期净利润为负取值为1,否则为0 成长潜力 Growth (当期净利润−上期净利润)/上期净利润 资产负债率 Lev 总负债/总资产 现金持有比例 Cash 经营活动现金净流量/当期资产均值 固定资产持有水平 Fix 固定资产/总资产 公司年龄 Age 公司已成立年数的自然对数 股权集中度 H1 第一大股东持股比例 股权制衡度 H2−10 第二大股东到第十大股东 董事会独立程度 IBD 独立董事人数/董事会人数 两权分离率 SEP 控制权与所有权之间的差值 产权性质 SOE 虚拟变量,国有企业取值为1,否则为0 行业虚拟变量 Industry 按照中国证监会2001年行业分类标准分成A,B,C0-C9,D-M共22个行业,
设置了21个行业虚拟变量年度虚拟变量 Year 共设置11个年度虚拟变量 地区虚拟变量 District 共31个省、自治区、直辖市,设置30个虚拟变量 表 2 主要变量描述性统计
变量 mean min p25 p50 p75 max sd MP 0.168 −0.807 0.071 0.137 0.227 1.461 0.246 T_SEX 0.182 0.000 0.100 0.167 0.250 0.529 0.116 Size 22.000 19.204 21.055 21.833 22.752 25.979 1.310 Loss 0.096 0 0 0 0 1 0.295 Growth −0.405 −22.615 −0.416 0.048 0.346 8.936 3.347 Lev 0.430 0.050 0.260 0.421 0.590 0.904 0.211 Cash 0.047 −0.202 0.005 0.047 0.093 0.269 0.079 Fix 0.219 0.002 0.089 0.184 0.313 0.719 0.166 Age 2.818 1.609 2.639 2.890 3.091 3.466 0.370 H1 0.350 0.088 0.232 0.330 0.452 0.754 0.151 H2−10 0.237 0.020 0.126 0.227 0.334 0.569 0.135 IBD 0.374 0.333 0.333 0.333 0.429 0.571 0.053 SEP 4.598 0 0 0 7.379 28.313 7.414 SOE 0.380 0 0 0 1 1 0.485 表 3 主要变量Spearman相关系数矩阵
变量 MP T_SEX Size Loss Growth Lev Cash Fix Age H1 H2−10 IBD SEP SOE MP 1.000 T_SEX 0.017 1.000 Size 0.099 −0.123 1.000 Loss −0.354 0.025 −0.059 1.000 Growth 0.267 −0.004 0.077 −0.362 1.000 Lev −0.233 −0.094 0.474 0.174 -0.078 1.000 Cash 0.264 −0.021 0.045 −0.181 0.200 −0.153 1.000 Fix 0.036 −0.147 0.046 0.076 −0.082 0.069 0.248 1.000 Age −0.003 0.109 0.226 0.066 −0.053 0.188 −0.027 −0.040 1.000 H1 0.071 −0.079 0.158 −0.106 0.051 0.043 0.107 0.072 −0.139 1.000 H2−10 0.123 0.067 −0.128 −0.084 0.098 −0.225 0.053 −0.103 −0.136 −0.367 1.000 IBD −0.005 0.098 −0.006 0.019 −0.018 −0.014 −0.023 −0.062 −0.004 0.026 0.003 1.000 SEP −0.009 −0.022 0.045 0.005 −0.001 0.056 0.026 0.045 0.044 0.072 −0.047 −0.060 1.000 SOE −0.067 −0.198 0.328 0.030 −0.044 0.301 0.008 0.174 0.162 0.207 −0.332 −0.071 −0.139 1.000 表 4 女性董监高参与率与价格加成
变量 MP (1) (2) (3) (4) T_SEX 0.057*** 0.050*** 0.051*** 0.038*** (4.837) (4.171) (4.295) (3.181) Size 0.045*** 0.041*** 0.045*** 0.040*** (36.312) (33.556) (36.744) (31.470) Loss −0.192*** −0.186*** −0.190*** −0.190*** (−36.986) (−35.559) (−36.000) (−36.878) Growth 0.005*** 0.005*** 0.005*** 0.005*** (11.570) (11.341) (11.404) (11.601) Lev −0.177*** −0.172*** −0.175*** −0.178*** (−23.870) (−22.682) (−23.426) (−23.352) Cash 0.184*** 0.220*** 0.224*** 0.188*** (10.646) (12.735) (12.830) (10.923) Fix 0.116*** 0.077*** 0.109*** 0.082*** (14.243) (8.396) (12.892) (8.911) Age 0.030*** 0.029*** 0.031*** 0.019*** (7.362) (7.723) (8.057) (4.538) H1 0.072*** 0.067*** 0.072*** 0.076*** (7.339) (6.594) (7.193) (7.627) H2−10 0.088*** 0.090*** 0.093*** 0.091*** (7.959) (7.899) (8.288) (8.077) IBD −0.005 0.021 −0.015 0.006 (−0.252) (0.822) (−0.619) (0.210) SEP −0.001* −0.001 −0.001 −0.001 (−1.909) (−1.056) (−1.389) (−1.007) SOE −0.006* −0.017*** −0.008** −0.019*** (−1.936) (−5.494) (−2.446) (−5.757) Constant −0.890*** −0.807*** −0.888*** −0.754*** (−30.330) (−29.804) (−33.065) (−24.762) Year Yes No No Yes Industry No Yes No Yes District No No Yes Yes N 30284 30284 30284 30284 Adj R2 0.203 0.196 0.177 0.228 注:***、**、*分别表示在1%、5%、10%水平上显著;括号内为经过异方差稳健修正的t值,Adj R2为组内方差。 表 5 稳健性检验
变量 MP (1) (2) (3) (4) D_SEX 0.011* (1.821) T_SEX 0.037** 0.030*** 0.038** (2.333) (3.046) (2.006) T_SEXt−3 0.024** (2.028) Female_age −0.000 (−0.234) Female_edu 0.002 (1.233) Controls Yes Yes Yes Yes Year Yes Yes Yes Yes Industry Yes Yes Yes Yes District Yes Yes Yes Yes Firm No No No Yes N 30302 23973 25561 30302 Adj R2 0.228 0.257 0.335 0.228 注:***、**、*分别表示在1%、5%、10%水平上显著;括号内为经过异方差稳健修正的t值,Adj R2为组内方差;样本总量不一致系滞后期数据、部分董监高个人特征数据缺失所致。 表 6 作用机制检验
变量 Efficiency
(1)Pay
(2)T_SEX 0.391*** −0.105* (3.585) (−2.369) Size 0.330*** 0.126*** (27.879) (18.921) Loss −0.225*** 0.063** (−4.731) (2.346) Growth 0.007* 0.002 (1.701) (0.785) Lev 1.204*** −0.126** (17.116) (−3.171) Cash −0.660*** 1.111*** (−4.166) (12.449) Fix −2.426*** −0.858*** (−28.648) (−18.220) Age 0.233*** 0.169*** (5.936) (7.677) H1 0.835*** −0.022 (9.015) (−0.412) H2−10 0.028 0.118** (0.271) (2.016) IBD 0.199 0.372*** (0.896) (2.973) SEP −0.002 0.003*** (−1.170) (3.785) SOE 0.042 0.216*** (1.395) (12.815) Constant −6.757*** 5.962*** (−24.072) (37.741) Year Yes Yes Industry Yes Yes District Yes Yes N 30252 30270 Adj R2 0.212 0.161 注:***、**、*分别表示在1%、5%、10%水平上显著;括号内提供的t值经过异方差稳健修正,Adj R2为组内方差。 表 7 分组检验
变量 MP SOE=1
(1)SOE=0
(2)MARKET=1
(3)MARKET=0
(4)DUAL=1
(5)
DUAL=0
(6)T_SEX 0.088*** 0.021 0.052*** 0.017 0.015 0.045*** (3.924) (1.509) (3.402) (0.938) (0.751) (3.123) Constant −0.840*** −0.718*** −0.717*** −0.789*** −0.652*** −0.781*** (−16.313) (−17.818) (−17.465) (−17.196) (−11.142) (−21.726) Controls Yes Yes Yes Yes Yes Yes Year Yes Yes Yes Yes Yes Yes Industry Yes Yes Yes Yes Yes Yes District Yes Yes Yes Yes Yes Yes N 11514 18770 16332 13952 8000 22284 Adj R2 0.311 0.196 0.204 0.255 0.192 0.244 注:***、**、*分别表示在1%、5%、10%水平上显著;下方括号内提供的t值经过异方差稳健修正,Adj R2为组内方差。 -
[1] 陈茹, 张金若, 王成龙. 2020. 国家审计改革提高了地方国有企业全要素生产率吗? (11): 18−36. [2] 葛玉好, 曾湘泉. 2011. 市场歧视对城镇地区性别工资差距的影响. 经济研究 (6): 45−56, 92. [3] 金智, 宋顺林, 阳雪. 2015. 女性董事在公司投资中的角色. 会计研究 (5): 80−86, 95. doi: 10.3969/j.issn.1003-2886.2015.05.011 [4] 李兰, 仲为国, 王云峰. 2017. 中国女企业家发展:现状、问题与期望——2505位女企业家问卷调查报告.管理世界(11): 50−64. [5] 李维安, 刘振杰, 顾亮. 2014. 董事会异质性、董事会断裂带与银行风险承担——金融危机下中国银行的实证研究. 财贸研究 (5): 87−98. [6] 李小荣, 刘行. 2012. CEOvsCFO: 性别与股价崩盘风险. 世界经济 (12): 102−129. [7] 刘斌, 李磊. 2012. 贸易开放与性别工资差距.经济学(季刊) 11(2): 429−460. [8] 钱学锋, 潘莹, 毛海涛. 2015. 出口退税、企业成本加成与资源错配. 世界经济 (8): 80−106. [9] 权小锋, 吴世农, 文芳. 2010. 管理层权力、私有收益与薪酬操纵. 经济研究 (11): 73−87. [10] 任曙明, 张静. 2013. 补贴、寻租成本与加成率——基于中国装备制造企业的实证证研究. 管理世界 (10): 124−135. [11] 王璐, 吴群锋, 罗頔. 2020. 市场壁垒、行政审批与企业价格加成. 中国工业经济 (6): 100−117. [12] 王美艳. 2005. 中国城市劳动力市场上的性别工资差异. 经济研究 (12): 35−44. [13] 王清, 周泽将. 2015. 女性高管与R&D投入:中国的经验证据. 管理世界 (3): 178−189. [14] 汪祥耀, 叶正虹. 2011. 执行新会计准则是否降低了股权资本成本——基于我国资本市场的经验证据.中国工业经济 (3): 119−128. [15] 王小鲁, 樊纲, 余静文. 2017. 中国分省份市场化指数报告(2016). 北京: 经济科学出版社. [16] 吴昊旻, 杨兴全, 魏卉. 2012. 产品市场竞争与公司股票特质性风险——基于我国上市公司的经验证据. 经济研究 (6): 101−115. [17] 杨静, 王重鸣. 2013. 女性创业型领导:多维度结构与多水平影响效应. 管理世界 (9): 102−117. [18] 杨菊华. 2020. 市场化改革与劳动力市场参与的性别差异——20年变迁的视角. 人口与经济 (242): 7−24. [19] 杨志强, 王华. 2014. 公司内部薪酬差距、股权集中度与盈余管理行为——基于高管团队内和高管与员工之间薪酬的比较分析. 会计研究 (6): 57−65, 97. doi: 10.3969/j.issn.1003-2886.2014.06.008 [20] 於嘉, 谢宇. 2014. 生育对我国女性工资率的影响. 人口研究 38(1): 19−29. [21] 张龙鹏, 蒋为, 周立群. 2016. 行政审批对创业的影响研究———基于企业家才能的视角. 中国工业经济 (4): 57−74. [22] 赵瑞丽, 孙楚仁, 陈勇兵. 2018. 最低工资与企业价格加成. 世界经济 (2): 121−144. [23] Acemoglu, D., D. H. Autor, and D. Lyle. 2004. Women, war, and wages: The effect of female labor supply on the wage structure at midcentury. Journal of Political Economy 112(3): 497−551. doi: 10.1086/383100 [24] Adams, R. 2016. Women on boards: The superheroes of tomorrow? Leadership Quarterly27(3): 371–386. [25] Adams, R., and D. Ferreira. 2009. Women in the Boardroom and Their Impact on Governance and Performance. Journal of Financial Economics 94(2): 291−309. doi: 10.1016/j.jfineco.2008.10.007 [26] Bantel, K. A., and S. E. Jackson. 1989. Top management and innovations in banking: Does the composition of the top team make a difference? Strategic management journal 10(S1): 107−124. doi: 10.1002/smj.4250100709 [27] Barth, M. E., W. R. Landsman, M. Lang, and W. Christopher. 2012. Are IFRS-based and US GAAP-based accounting amounts comparable? Journal of Accounting and Economics 54(1): 68−93. [28] Blau, F. D., and L. M. Kahn. 1994. Rising wage inequality and the US gender gap. The American Economic Review 84(2): 23−28. [29] Blau, F. D., and L. M. Kahn. 2002. Gender differences in pay. Journal of Economic perspectives 14(4): 75−99. doi: 10.1257/jep.14.4.75 [30] Black, S. E., and C. Juhn. 2000. The rise of female professionals: Are women responding to skill demand? American Economic Review 90(2): 450−455. doi: 10.1257/aer.90.2.450 [31] Beck, E. M., P. M. Horan, and I. I. CM. Tolbert. 1978. Stratification in a dual economy: A sectoral model of earnings determination. American Sociological Review 43(5): 704−720. doi: 10.2307/2094545 [32] Bertrand, M., and K. F. Hallock. 2001. The gender gap in top corporate jobs. ILR Review 55(1): 3−21. doi: 10.1177/001979390105500101 [33] Boserup, E. 1970. Woman’s role in economic development. London: St. Martin’s Press. [34] Bridges, W. P. 1980. Industry marginality and female employment: A new appraisal. American Sociological Review 45(1): 58−75. doi: 10.2307/2095243 [35] Chu, S. Y. 2020. A note on labor share, price markup and monetary policy. Economics Letters 192(4): 109−113. [36] Dass, N., O. Kini, V. Nanda, B. Onal, and J. Wang. 2013. Board expertise: Do directors from related industries help bridge the information gap. Review of Financial Studies 27(5): 1533−1592. [37] De Loecker, J., and F. Warzynski. 2012. Markups and firm-level export status. American economic review 102(6): 2437−71. doi: 10.1257/aer.102.6.2437 [38] Du, P., and S. Wang. 2020. The effect of minimum wage on firm markup: Evidence from China. Economic Modelling 86: 241−250. doi: 10.1016/j.econmod.2019.10.012 [39] Faccio, M., M. T. Marchica, and R. Mura. 2016. CEO gender and corporate risk-taking. and the efficiency of capital allocation. Journal of Corporate Finance 39: 193−209 [40] Fernández, R., A. Fogli, and C. Olivetti. 2004. Mothers and sons: Preference formation and female labor force dynamics. The Quarterly Journal of Economics 119(4): 1249−1299. doi: 10.1162/0033553042476224 [41] Goldin, C. A., and L. F. Katz. 2002. The power of the pill: Oral contraceptives and women’s career and marriage decisions. Journal of political Economy 110(4): 730−770. doi: 10.1086/340778 [42] Goldin, C. A. 2014. Grand gender convergence: Its last chapter. American Economic Review 104(4): 1091−1110. doi: 10.1257/aer.104.4.1091 [43] Green, C., and S. Homroy. 2018. Female directors, board committees and firm performance. European Economic Review (102): 19−38. [44] Gregory-Smith, I., B. G. Main, and C. A. O’ReillyIII. 2014. Appointments, pay and performance in UK boardrooms by gender. The Economic Journal 124(574): 109−128. doi: 10.1111/ecoj.12102 [45] Hambrick, D. C., and P. A. Mason. 1984. Upper echelons: The organization as a reflection of its top managers. Academy of management review 9(2): 193−206. doi: 10.2307/258434 [46] Jacoby, H. G. 1991. Productivity of Men and Women and the Sexual Division of Labor in Peasant Agriculture of the Peruvian Sierra. Journal of Development Economics 37(1-2): 265−287. doi: 10.1016/0304-3878(91)90090-I [47] Katz, L. F. and A. B. Krueger. 1992. The effect of the minimum wage on the fast-food industry. Industrial and Labor relations review 46(1): 6−21. doi: 10.1177/001979399204600102 [48] Katz, L. F., and K. M. Murphy. 1992. Changes in relative wages, 1963-87: Supply and demand factores. Quarterly Journal of Economics 107(1): 35−78. doi: 10.2307/2118323 [49] Lewis, V., and A. Stevens. 2015. Entry and markup dynamics in an estimated business cycle model. European Economic Review 74: 14−35. doi: 10.1016/j.euroecorev.2014.11.005 [50] Melitz, M. J., and G. I. P. Ottaviano. 2008. Market size, trade, and productivity. The Review of Economic Studies 75(1): 295−316. doi: 10.1111/j.1467-937X.2007.00463.x [51] Ottaviano, G. I. P., and G. Peri. 2005. Cities and cultures. Journal of Urban Economics 58(2): 304−337. doi: 10.1016/j.jue.2005.06.004 [52] Shleifer, A., and R.Vishny. 1994. Politicians and firms. Quarterly Journal of economics 109(4): 995−1025. doi: 10.2307/2118354 [53] Villemez, J. 1977. The Functional substitutability of blacks and females in the labor market: A closer look. The Sociological Quarterly 18(4): 548−63. doi: 10.1111/j.1533-8525.1977.tb01144.x [54] Wahab, N. S. A., C. G. Ntim, M. M. Adnan, and W. L.Tye. 2018. Top management team heterogeneity, governance changes and book-tax differences. Journal of International Accounting, Auditing and Taxation, 32: 30−46. doi: 10.1016/j.intaccaudtax.2018.07.002 [55] Wang, M., and E. Kelan. 2013. The gender quota and female leadership: Effects of the Norwegian gender quota on board chairs and CEOs. Journal of business ethics 117(3): 449−466. doi: 10.1007/s10551-012-1546-5

下载:


















