Page 81 - 《社会》2018年第2期
P. 81

社会· 2018 · 2

       (三)分析模型
       对于第一个因变量“董事长和总经理两职分任”,本文采用“事件史
   分析”( 犲狏犲狀狋犺犻狊狋狅狉 狔犪狀犪犾 狔 狊犻狊 )的 犔狅 犵 犻狋 模型来估计董事长和总经理两
   职分任的可能性,建立以下模型:
      犾狀 [ 犘狉 ( 狊犲 狆 犪狉犪狋犻狅狀 )/ 1犘狉 ( 狊犲 狆 犪狉犪狋犻狅狀 )] =α+ β +γ 犣 +狌
                                                  犡
   其中, 狊犲 狆 犪狉犪狋犻狅狀 是因变量“董事长和总经理两职分任”,公司当年发
   生董事长和总经理两职分任取值为 1 ,否则取值为 0 。犡 是自变量矢
   量, β 是要估算的自变量矢量的系数。 犣 是控制变量矢量, γ 是控制变
   量矢量的系数。 α 是要估算的常数项, 狌 是干扰项。
       对于第二个因变量“独立董事比例”,笔者构建如下多元线性回归
   模型,验证前面提出的研究假设:

                        犢 =α+ β +γ 犣 + ε
                                 犡
   式中, 犢 为独立董事比例, 犡 为自变量矢量, 犣 是控制变量矢量, ε 为误
   差值。
       需要说明的是,在上面两个估算模型中,本研究都用“随机效应模
   型”进 行 数 据 分 析,之 所 以 使 用 “随 机 变 量 模 型 ”( 狉犪狀犱狅犿 犲犳犳犲犮狋狊
   犿狅犱犲犾狊 )而不是“固定效应模型”( 犳犻狓犲犱犲犳犳犲犮狋狊犿狅犱犲犾狊 ),主要有两个原
   因:一方面,模型中的因变量“董事长和总经理两职分任”是一个反复出
   现的事件(比如,有的企业可能前年分设了董事长和总经理,去年又两
   职合一,今年又进行了分设),而不是像通常的“事件史分析模型”一样,
   因变量是单独事件( 狊犻狀 犵 犾犲犲狏犲狀狋 ),而“随机变量模型”更有助于解决同
   一公司多次董事长和总经理两职分任之间的相互依赖和相关问题对估
   计系数的扭曲和影响;另一方面,本研究中一些独立变量,如“企业行政
   级别”“是否沿海企业”“所属行业”等,都是相对稳定的随时间没有变化
   的变量,如果使用“固定效应模型”,就很可能使得许多解释性变量都出
   现值等于“零”或相关自变量数据被剔除( 狅犿犻狋狋犲犱 )的情况,因此,在这
   种情况下,更适合使用“随机效应模型”。
       六、模型分析结果


       (一)董事长和总经理两职分任
       表 2 中的模型 1 和模型 2 是董事长和总经理两职分任的回归分析
   结果,其中显示了三种主要社会力量———金融市场、全球化与国家———

    · 7 4 ·
   76   77   78   79   80   81   82   83   84   85   86