众所周知,IBM前总裁Louis Gerstner(路易斯·郭士纳)在很大程度上扭转了IBM局面,并带领IBM公司冲出重围。然而,在加入IBM之前他还是个局外人,他拥有丰富的职业经历,例如他一毕业便加入麦肯锡管理咨询公司、在美国运通公司担任执行副总载、担任过美国最大的食品烟草公司老板等,他的职业生涯经历了11个职位、10家公司和6个行业。那么,Louis Gerstner加入IBM之前的职业路径是否与后来的IBM创新突破息息相关呢?被称为“创新之神”的Steve Jobs(史蒂夫·乔布斯)曾经说过:“创造力只不过是将事物连结起来……我们(IT)行业中的很多人尚缺少多元化经历,所以他们没有太多可以连结的‘点’,面对问题时没有广阔的视野,只能提出单一而线性的解决方案,缺乏创造力。一个人的人生阅历越丰富,就会拥有越好的设计。”无论是郭士纳还是乔布斯,是否正是由于他们早期的多元化职业或生活经历,才凝聚了后来众多的“闪光点”,进而激发被众人推崇的企业家创新精神?
在创新驱动的现实背景下,在极力弘扬优秀企业家精神、发挥企业家作用的政策导向下,企业家在提升企业创新能力中扮演着重要角色。尤其随着行为金融的演进,管理者行为决策与企业创新关系已成为学术界关注的焦点。Galasso等[1]首先关注了管理者过度自信对企业创新的影响,认为过度自信的管理者通过提升创新能力来证明自己的价值。随后学者们开始检验管理者过度自信与企业创新的关系 [2-9]。除过度自信外,近期还有学者将研究目光转向管理者海归背景 [10]、学术背景 [11]及爱好特征 [12]等。关于管理者职业背景与企业创新关系的研究集中于高管是否从事过技术、研发和销售等特殊工作 [13-17]。近期,郝盼盼等 [18]从高管早期晋升经历的新视角出发,得出管理者早年晋升越快越能促进创新投资。可见,在企业创新领域关于管理者职业背景的研究越来越多,然而针对高管具体职业路径的研究并不多见。一方面,多元化的职业经历有助于高管综合运用多维度、多领域知识,激发创造力;另一方面,专一的职业经历更容易使高管成为某领域专家,突破更多技术难题。那么,高管早年职业路径是多元化还是专一性更能够促进企业创新呢?该问题有待进一步通过实证检验来回答。
为了弥补已有文献不足,有必要探究高管早年职业路径对企业创新的影响。首先通过构建高管早年职业路径指数,对比分析高管多元化和专业性职业经历对企业创新投资的影响;为了深化已有研究,需进一步剖析二者之间的影响渠道,检验高管层面的失败容忍机制和信息学习机制;最后,验证高管职业路径到创新投资再到创新产出整个过程的作用,这有助于客观评价企业家及企业家精神在创新活动中的真实作用。
不同于已有研究基于管理者职业特征等传统角度,本研究一方面从高管职业路径新视角出发,探究其对创新决策的影响,并进一步剖析内在影响渠道,这补充和深化了管理者特质及财务决策方面的研究,为管理者特质研究提供了新思路。另一方面,沿袭高阶理论中将创新投资到产出再到产出质量整个过程纳入分析体系的分析思路,探析管理者职业路径的影响效果。这不仅丰富了企业创新理论,为企业创新影响因素找到了新证据,而且有助于企业客观评析备选高管,为培育和激发企业家创新精神、提高企业创新绩效提供政策建议。
企业创新是一项高风险、高挑战性、高创造性活动,企业创新决策与预算往往落于高管(尤其CEO)肩上,因此企业高管在创新活动中将面对极大的风险及挑战。由Hambrick & Mason提出的高阶理论认为,高管认知偏差会影响组织绩效。Becker[19]、Elder[20]均认为早年经历对高管的偏好和信念形成至关重要。那么,高管早年的职业路径将对企业创新造成什么影响呢?Fondas & Wiersema[21]提出,高管的职业经历包括之前的职责、职位、从事行业和公司部门等,涵盖了曾经任职组织或机构的类型与数量。基于此,高管的职业路径分为多元化和专一性两类,前者是指高管具有多个行业、职位及部门任职经历等;后者则是指高管任职于单一的部门及职位等。由于管理者的职业经历在某种程度上反映了其知识积累、个人偏好,从而折射出其认知水平、心理状态、价值取向等,因此多元化和专一性的职业路径会对企业创新决策造成不同影响。
一种观点认为,拥有多元化职业经历的高管更可能开展创新项目。首先,创新活动从新观点、新概念产生到最终形成新产品以及得到市场认可,需要经历漫长过程,而且很有可能半途而废以失败告终。因此,一个成功的创新项目往往建立于数次失败基础上。已有研究表明,能够提高创新回报的最优机制是能够容忍失败[22-24]。拥有多元化职业经历的高管由于具有丰富的知识经验,更容易在不同行业或不同企业之间游走,其在劳动力市场上的外部选择更多,因此某一方面的偶尔失败并不能挫败其创新决心。同时,其广阔的外部选择造就高管对失败的容忍力较强,因此他们会倾向于创新投资。其次,考虑到创新研发决策的高度私密性,能够获取最前沿研发信息显得十分重要,而拥有多元化职业经历的高管是信息学习的最佳个体。由于多元化的职业经历不仅开阔了其认知广度且带给他们丰富的社会人际网络,所以这类高管在获取行业研发信息上具有得天独厚的优势,将有利于提高创新投资效率。
另一种观点认为,拥有专一性职业经历的高管由于其技术知识更专业,促使他们能有效提高创新绩效。企业研发创新是一项技术知识含量较高的活动,且往往发生在类似生物技术、信息技术等高科技领域[25],因此更需要专业性较强的高管来客观地作出决策。当高管曾经从事过与本行业类似的职业,那么他所拥有的丰富专业知识将有利于在创新活动中突破技术难题。有研究表明,聘请有技术背景的董事或高管有助于提高企业技术效率[15-17]。尤其当技术类高管在早年执着于该行业时,这种提升效果会更明显。此外,专一性职业经历的高管由于其眼光独到,在识别可能的研发机会时将更敏锐,他们拥有的专业知识结构及技能有助于从专业角度去辨别信息,从而优化决策。
基于以上分析,高管多元化或专一性的职业经历都有可能促进企业创新投资,为了揭开谜底,需要通过实证分析来解答。鉴于企业CEO是高管团队中的核心决策者,本文以企业CEO为研究对象,提出假设:
H1a:CEO的多元化职业路径有助于促进企业创新投资;
H1b:CEO的专一性职业路径有助于促进企业创新投资。
如果假设H1a成立,在上述理论分析基础上,进一步剖析其影响渠道。鉴于创新投资的高风险、高创造性以及长期性等特征,其一方面能够在漫长的创新过程中容忍失败,这对创新成功至关重要;另一方面创新信息的私密性决定了能够获得更多信息从而占据得天独厚的信息优势。因此,能够容忍失败和获取有利信息在某种程度上影响创新成败。相对于职业经历专一性的高管,多元化职业经历的高管在上述两方面更具优势,那么拥有多元化经历的CEO能否通过这两个重要因素进一步影响企业创新呢?本文将尝试检验上述两种机制。
1.2.1 失败容忍渠道
一方面,从行为心理角度出发,职业经历多元化高管的风险抵抗能力较强,敢于面对失败。心理学及劳动经济学研究成果表明,人们的职业变更反映出其潜在的性格差异,流动性较强的CEO往往更加开放且偏好风险;钟情于特定领域的CEO一般性情稳重且更喜欢求稳。Ryan & Wang[26]研究得出,曾经任职多家企业的CEO具有较强的风险承担力,从而喜欢从事风险高的活动;Crossland 等[27]、孟祥展等[28]也发现,多样化的职业生涯有助于提高公司战略新颖性,促进战略变革。因此,多元化职业经历的高管更倾向于承担风险,容忍失败,而这是促进企业创新投资的关键机制。
另一方面,从业务能力角度出发,多元化职业经历丰富了CEO的认知库存和技能经验,这样导致他们并不惧怕失败。Fiske & Taylor[29]提出,职业变动有助于塑造一个人的认知地图,且管理者在决策中会参考之前的经验和规范[30]。随着认知的日趋丰富,其技能和经验不断扩充,这为高管转换职业提供了有利的砝码,形成一种良性循环。当高管在某个公司研发失败时,其拥有的多样化知识体系和技能使其较易在劳动力市场找到新机会。因此,“身怀绝技”使这类高管面对创新失败时具有高度的容忍力。
基于这两方面考虑,提出以下假设:
H2:拥有多元化职业路径的CEO通过失败容忍渠道促进企业创新投资。
1.2.2 信息学习渠道
Bikhchandani等[31]认为,当管理者仅参考自有信息进行决策时,这样既费时又费力,且成本较高。因此,他们往往会参考其他同行的信息,尤其参考那些行业领导者的优质信息[32]。鉴于研发创新信息的专业性和私密性,拥有多元化职业经历的CEO具有获取这类信息的最大优势。因为,一方面多元化职业经历的CEO往往拥有多方面知识体系和多层面认知,当他们捕捉到一些有用信息时,可以通过内在转化和演变,较容易地提出创造性观点和新概念,从而有效学习和利用已有信息,最终转变为自有信息,提高研发成功率。另一方面,多元化的职业经历赋予CEO更丰富的社会关系网络资源,这种隐形资源同样是一种重要财富。尤其在中国人情文化背景下,这种资源优势会为CEO的信息获取提供便利条件,有利于他们第一时间获取最前沿、最有价值的研发信息,优化研发决策。
基于此,提出以下假设:
H3:多元化职业路径的CEO通过信息学习渠道促进企业创新投资。
为了选取具有代表性的研发创新类企业,本文以2002-2017年在沪、深A股上市的制造业和信息技术类企业为样本。此外,进行如下数据处理:第一,剔除财务数据和CEO信息异常的企业;第二,出于研究需要,为保证研发滞后数据的完整性,剔除未连续三年披露数据的企业;最后,对特殊的极端值进行Winsorize处理。最终获得观测值2 484个。本研究的研发数据通过两种方式获得,由于新会计准则出台之前企业研发信息披露不完整,因此2007年之前的研发数据通过手工搜索公司年报获取,主要来自财务报告附注的“支付的其它与经营活动有关的现金流量”项目。2007年之后的研发数据通过CSMAR数据库获得。CEO职业背景数据通过手工整理高管个人简历获得,其它财务数据均来自CSMAR数据库。此外,涉及到企业所在地失业率等数据主要来自各地统计年鉴。
2.2.1 变量定义
(1)CEO职业路径指数(Career path index)。该指数构建主要参考Custódio等[33]的研究,是指该公司CEO任职之前所担任过的不同组织、不同部门、不同行业以及不同职位等,从事种类越多,说明该CEO的职业路径越多元化。具体测算模型如下:
CPIi,t=0.268X1i,t+0.312X2i,t+0.309X3i,t+0.218X4i,t+0.153X5i,t
(1)
其中,X1是指在成为本公司CEO之前担任过的职位数量;X2是指CEO服务过的公司数量;X3是指CEO任职过的行业数量(具体行业划分依据2012年证监会发布的《上市公司行业分类指引》所规定的二级行业标准);X4和X5为虚拟变量,如果CEO曾担任过其它公司的CEO,X4取1,否则取0;如果CEO曾经在多部门工作过(例如除主营业务外还有很多其它业务),X5取1,否则取0。CPI指数值越大,说明CEO的职业路径越多样化。
(2)创新投资(RD)。企业创新投资主要以研发支出为主,本文的创新投资通过企业研发投入强度刻画,具体是指研发费用与总资产之比。
(3)创新产出数量。除企业创新投资外,为了全面解决所提出的问题,进一步分析CEO职业路径对创新产出的影响,从产出数量和质量两个层面刻画。其中,创新产出数量主要通过样本企业当年申请的专利数量度量。为了研究方便,对专利申请数取对数。
(4)创新产出质量。为了刻画产出质量,将申请的专利进一步分类,分为发明专利、实用新型和外观设计,上述专利从高到低反映出创新活动的原创性程度。类似于前面的做法,对3种专利申请数分别取对数。
(5)其它控制变量。参考David等的方法,在模型中控制可能影响企业创新的现金流变量、托宾Q值、资产负债率、销售收入等指标,以及CEO年龄和任期等个人特征变量,具体见表1。
2.2.2 研究模型
为了实证检验CEO早年职业路径对企业创新投资的影响,对比多元化和专一性路径的不同作用,参考David等的研究,将控制变量纳入模型且考虑到研发活动的滞后性,将解释变量均滞后一期,模型如下:
RDi,t=α+β0CPIi,t-1+β1CFi,t-1+β2logsalesi,t-1+β3salesgrowthi,t-1+β4ROAi,t-1+β5Bookleveragei,t-1
+β6log(PPE/Emp)i,t-1+β7Qi,t-1+β8log(1+age)i,t-1+β9log(1+tenure)i,t-1+dt+νi+εi,t
(2)
本文主要通过检验β0的显著性验证假设。
表2报告了创新变量和CEO特征变量的描述性统计结果。可以发现,本文统计的制造业和信息技术类企业的平均研发强度为2.4%,这与发达国家还存在一定差距。Brown等 [34] 通过对美国高新技术企业研发情况的统计得出,其研发投入与总资产之比已达到17%。因此,我国高新技术类企业的创新投入还有待提高。此外,专利申请量均值为1.581,令人欣喜的是发明专利申请平均值(1.145)均高于实用新型(0.431)和外观设计专利(0.338),这说明我国企业逐渐重视原创性高的创新投入。由CEO的特征统计结果可见,CEO早年职业路径指数的平均值为1.55,CEO学历均值为0.422,这说明42%的样本企业CEO具有硕士以上学历。
表1 变量定义及说明
含义 代码说明创新投资RD研发费用/年初总资产因变量专利申请数Logpatent企业当年专利申请数取对数发明专利申请数Logpatent1企业当年发明专利申请数取对数实用新型专利申请数Logpatent2企业当年实用新型专利申请数取对数外观设计专利申请数Logpatent3企业当年外观设计专利申请数取对数自变量CEO职业路径指数CPI表示CEO早年职业路径指数,测算见模型(1)资产收益率ROA净利润/资产总额托宾QQ市场价值/资产重置成本销售收入Sales营业收入/资产总额控制变量销售增长率Sales growth营业收入增长率现金流CF经营性现金流量净额资产密集度PPE/Emp固定资产净额/员工数资产负债率Book leverage长期债务与短期债务之和/资产总额任期TenureCEO在其职位的任职时间年龄Age公司数据年份-CEO出生年份学历DegreeCEO学历为硕士及以上,取1;否则取0
表2 主要变量描述性统计结果
变量MEANMEDIANMAXMINSTDRD0.0240.0140.52900.073Logpatent4.8534.6409.52500.686创新变量Logpatent11.1451.6993.57500.688Logpatent20.4310.3252.87700.575Logpatent30.3380.2342.74500.331CPI1.6671.16513.25501.420CEO特征变量logTenure0.6250.6022.13300.557logAge1.6681.6721.8631.4140.060Degree0.4220100.453
为了对比分析CEO不同职业路径对企业创新影响的差异,根据CPI指数计算结果对样本进行分类,大于中位值则为多元化职业路径样本,否则为专一性职业路径样本,然后对两类样本进行差异化检验,结果见表3。可见,与职业路径专一化的CEO相比,路径多元化CEO所在企业的研发投资均值(0.030)和中位值(0.015)均较高,这与本文的假设H1a一致。此外,多元化CEO所在企业的ROA、销售收入、托宾Q及资产密集度都显著较高,这与Harley & Lingling[35]的观点一致,他们认为多元化经历的CEO能够创造出更高的生产绩效,提升股东价值。此外,多元化职业路径的CEO年龄相对偏大,任期较长,这与理论逻辑基本相符。
表3 分类样本差异化检验结果
变量CEO职业多元化CEO职业专一性DifferenceRDMean0.0300.0220.008***Median0.0150.0000.015***ROAMean0.0370.0310.006***Median0.0350.036-0.001SalesMean0.5560.4870.069growthMedian0.1130.121-0.008logSalesMean0.4320.4150.017*Median0.3700.3590.011***QMean2.6282.1410.486***Median1.8921.5740.318***BookMean0.4300.445-0.015**leverageMedian0.4270.437-0.010*CFMean0.0420.045-0.003Median0.0360.0240.012Log(PPE/Emp)Mean5.7745.4690.305***Median5.4945.3940.100logAgeMean1.6731.6660.006***Median1.6811.6630.018***logTenureMean0.9400.5290.411***Median0.8450.6020.243***
本文对模型(2)进行回归分析,以验证CEO职业路径对企业创新投资的影响,回归结果见表4。其中,第(1)列为未控制CEO其它特征的回归结果,可见,现金流和成长机会托宾Q仍然是影响企业创新投资的主要变量,这与张信东等[36]的研究一致。本文关注的关键变量CPI与企业创新投资在5%的显著性水平下呈正相关关系。在第(2)列中控制了CEO年龄和任期特征后,二者关系仍然成立,说明CPI指数越大越会促进企业创新投资,即CEO早年职业路径越多元化,企业创新投资越多。为了保证结论的稳健性,再次构建CEO多元化指数(CEOdiversification),当CPI指数大于中位值时,CEOdiversification取1,否则取0。重新回归结果见表4第(3)列和第(4)列,可见,CEO职业路径多元化后的指数在5%的显著性水平下正向影响企业创新投资,这与前述结论一致,因此验证了假设H1a。
以上研究验证了CEO多元化职业路径对企业创新投资的提升作用,为了深化研究,进一步检验两种渠道。
表4 CEO职业路径对企业创新投资的回归结果
变量(1)(2)(3)(4)CPI0.007**0.005**0.002**0.005**(1.97)(2.02)(1.99)(2.20)CEOdiversification0.002**0.005**(1.99)(2.20)cf0.066***0.070*8*0.065***0.069***(4.32)(4.35)(4.28)(4.29)roa-0.013-0.019-0.012-0.019(-0.56)(-0.78)(-0.52)(-0.79)Sale growth-0.001-0.001-0.001-0.001(-0.27)(-0.27)(-0.25)(-0.24)Log ppe/emp0.0280.004*0.0030.004*(1.34)(1.69)(1.34)(1.67)Log sales-0.023*-0.027*-0.023*-0.027*(-1.69)(-1.87)(-1.66)(-1.85)Book leverage0.0190.0180.0190.017(1.14)(1.05)(1.12)(1.03)Q0.005***0.007***0.003***0.003***(3.11)(3.77)(3.81)(2.45)Log(1+age)0.082***0.084***(3.24)(3.32)Log(1+tenure)0.0140.017(0.55)(0.65)年份固定效应YesYesYesYes公司固定效应YesYesYesYesR-squared0.1030.1050.1020.104observations2 4842 3682 4842 368
3.4.1 失败容忍渠道检验
已有研究在检验CEO行为特征与创新活动关系时,往往关注CEO的风险态度,并利用企业的风险类决策,如股票波动率、杠杆及并购活动等代替管理者风险态度。与已有研究不同,考虑到企业的风险类决策并不能完全映射管理者的风险态度,本文将从管理者自身情况出发,在劳动力市场场景下基于CEO外部选择视角来构建失败容忍渠道,当CEO外部选择越多时,越能容忍失败。首先,参考Kedia & Rajgopal[37]提出的劳动力市场紧缩性理论,即当处于紧缩性劳动力市场(失业率较低)时,CEO的外部选择更多,尤其是多元化职业路径的CEO获利更多。因此,根据公司所在地失业率情况建立变量(Tight labor market),当公司所在地失业率小于中位值时,该变量取1,否则取0。通过引入CPI * Tight labor market检验,结果如表5第(2)列所示,在紧缩性劳动力市场下CEO多元化职业路径更能够促进企业创新投资。
其次,由Oyer等[38]提出的工资指数化理论认为,员工的外部选择机会可能与同地区的其它公司有关。基于此,本文通过计算同一城市企业股票收益的关联度测算地区β系数。系数越小,说明同地区企业关联度越小,这时拥有多元化职业经历的CEO凭借其多样化知识和技能获得的外部机会越多,越能促进企业创新投资。本文将地区β系数取其后1/3时,Low local β取1,否则取0。引入CPI *Low local β检验,结果如表5第(3)列所示,可见,在β系数较低的地区,多元化职业路径的CEO外部选择机会越多,越能容忍失败,从而促进创新投资。
最后,考虑到当地员工竞争力也会影响CEO外部选择,即企业所在地同行业企业越多,员工竞争越激烈。这时相对于专一性职业路径的CEO,多元化的CEO更具选择优势。本文利用企业所在城市同行业企业数量衡量当地员工竞争力,再次检验该渠道。由表5第(4)列可见,当地员工竞争力越强,多元化职业经历的CEO越能容忍失败,从而促进企业创新投资。通过3种测算方法,假设H2均较稳健地通过了检验。
表5 失败容忍机制检验结果
变量紧缩性劳动力市场地区β系数当地员工竞争力CEOdiversity0.009*0.011**0.008**(1.89)(2.12)(1.99)Tight labor market0.003(0.55)CPI * Tight labor market0.010**(2.01)Low local β0.001(0.66)CPI* Low localβ0.006**(1.98)Number of Firms同行业同地区-0.001(-0.59)CPI* Number of Firms同行业同地区0.001**(1.98)roa-0.067-0.433***-0.167(-0.06)(-3.69)(-1.09)cf0.046***0.416***0.341***(3.78)(15.87)(8.97)Sale growth0.0010.0010.001(0.04)(0.77)(0.06)Log ppe/emp0.0100.006*0.006(1.05)(1.87)(0.78)Log sales-0.004**-0.009**-0.007(-1.98)(-2.21)(-0.95)Q0.003**0.004***0.004***(2.32)(3.99)(2.78)Log(1+age)0.0110.0140.006(0.25)(0.55)(0.43)Log(1+tenure)0.0010.001-0.005(0.84)(0.11)(-0.33)R-squared0.1010.1290.168observations2 1091 8561 969
3.4.2 信息学习渠道检验
为了检验信息学习渠道,将样本企业划分为行业主导者和跟随者,主要分析多元化职业路径的CEO是否对行业主导者的研发信息进行学习。参考陆蓉等[39]的方法,分别根据企业市场占有率(公司经营收入占行业营业收入的比例)、利润率和公司规模对公司进行排序,排列于前1/3的公司视为行业主导者。这里的行业划分遵循2012年证监会发布的《上市公司行业分类指引》所规定的二级行业标准。在模型(2)中加入RD行业主导者(行业主导者的研发投入)和CPI * RD行业主导者,结果见表6。可见,在按利润率划分时,行业主导者的研发投入对企业研发投入具有显著正向影响,其它两种分类方法并不存在此关系。这说明企业研发投入并不一定受到主导行业研发情况的影响,但是引入交叉变量后,除按公司规模划分外,该交叉变量与企业创新投资均存在显著的正相关关系。由于样本均为高新技术类企业,可能按公司规模划分是否为行业领军者并不科学,因此结果有误差。总体上来说,多元化职业经历的CEO更容易对行业领导者的信息进行学习,从而促进本公司创新投资,假设H3得到验证。
由于从研发投入到创新产出还需要经历一定过程,因此研发投入增加并不意味着创新产出提升。我国一直存在研发投入增加而创新水平并未提高的现实问题。为了更全面客观地检验CEO早年职业路径对企业创新的影响,进一步从创新产出数量和产出质量两个层面进行实证分析。为此,构建如下模型:
LogPatenti,t=α+β0CPIi,t-1+β1RDi,t-1+β2CPIi,t-1*RDi,t-1+β3CFi,t-1+β4logsalesi,t-1+β5salesgrowthi,t-1+β6ROAi,t-1+β7Bookleveragei,t-1+β8log(PPE/Emp)i,t-1+β9Qi,t-1+β10log(1+age)i,t-1+β11log(1+tenure)i,t-1+dt+νi+εi,t
(3)
表6 公司对行业主导者的信息学习效应检验
变量按利润率划分按市场占有率划分按公司规模划分CPI0.011*0.010**0.003**(1.82)(2.01)(1.99)RD行业主导者0.549***-0.020-0.001(3.08)(-0.19)(-0.66)CPI * RD行业主导者0.411**0.722***0.003(1.99)(3.89)(0.67)cf0.078*0.066*0.064*(1.82)(1.89)(1.90)roa-0.033-0.011-0.025(-0.57)(-0.11)(-0.37)Sale growth0.0010.0010.001(0.09)(0.26)(0.04)Log ppe/emp0.003*0.017*0.010(1.84)(1.86)(0.99)Log sales-0.001-0.005*-0.004(-0.09)(-1.89)(-0.10)Q0.005***0.003*0.003***(2.89)(1.79)(2.62)Log(1+age)-0.0580.001-0.004(-1.24)(0.76)(-0.09)Log(1+tenure)0.0100.0160.009(0.33)(1.09)(0.84)R-squared0.0690.1030.119observations1 5691 3721 499
模型中,因变量logPatenti,t为i企业在t年专利申请量的对数,当因变量依次转换为logPatent1i,t、logPatent2i,t、logPatent3i,t时,分别表示发明专利、实用新型和外观设计专利申请量等创新质量指标。
考虑到创新投入到产出的滞后性,回归分析时将解释变量分别滞后一年和两年以获取最佳滞后期,回归结果见表7。可见,CEO职业路径与滞后一年的专利申请量并不存在显著相关性,然而在1%的显著性水平下与滞后两年的专利申请量存在显著正相关关系,这说明CEO多元化职业经历有利于提升两年后的专利产出。为再次验证CEO职业路径从研发投入到创新产出的作用,表7中的第(4)列引入CPI * RD,发现该交叉变量与专利申请量存在显著正相关关系,说明CEO的多元化职业经历会通过研发投入提高专利产出。
为检验CEO职业路径对创新质量的影响,回归分析CEO职业路径指数对滞后两年的发明专利、实用新型和外观设计专利申请量的影响,结果见表7后三列。可见,与实用新型和外观设计专利相比,CEO早年职业路径通过研发投资对发明专利的影响更显著,交叉变量系数为0.724,均大于其它两类,说明CEO职业经历越多元化,越能够通过创新投入提高发明专利申请量,因此多元化的职业经历导致CEO创新的原创性更高。
表7 CEO职业路径对创新产出的回归结果
变量滞后一年滞后两年滞后两年(列入交叉变量)发明专利实用新型外观设计CPI1.0892.395***2.375***0.153**0.270**0.311*(0.79)(8.55)(6.38)(1.98)(2.04)(1.88)RD0.995*1.606***1.373**1.354**1.412*0.200**(1.88)(3.22)(1.80)(2.00)(1.88)(1.99)CPI * RD0.583*0.724*0.615*0.007*(1.88)(1.91)(1.93)(1.91)cf0.195*-1.2270.373**-0.4550.6500.025(1.79)(-0.91)(1.96)(-1.05)(1.39)(0.05)roa-2.459*-2.208-1.190*0.2140.545-0.392*(-1.82)(-1.41)(-1.69)(0.18)(0.55)(-1.76)Sale growth0.0010.0030.2270.1340.0460.040(0.05)(0.02)(1.38)(0.95)(0.95)(0.99)Log ppe/emp0.246*0.1300.066-0.2310.047-0.004(1.87)(0.49)(0.23)(-1.54)(0.73)(-0.07)Log sales2.242**3.009*3.929***0.835**-0.442-0.165**(2.76)(1.83)(3.34)(2.49)(-1.02)(-1.99)Book leverage0.020-3.214-3.410**-0.5750.5100.019(0.06)(-1.21)(-2.21)(-0.68)(0.78)(0.04)Q-0.0330.191**0.351***0.086***0.002**0.005**(-1.04)(2.22)(3.64)(3.16)(2.10)(1.99)Log(1+age)1.8051.648**0.422-0.7940.0650.638(0.79)(2.35)(1.54)(-0.60)(0.07)(0.74)Log(1+tenure)2.086*2.407***2.804***0.197**0.371***0.225***(1.83)(9.13)(10.43)(2.38)(6.24)(3.68)年份固定效应YesYesYesYesYesYes公司固定效应YesYesYesYesYesYesR-squared0.1190.1250.1870.2160.3010.191observations1 5661 6751 644299223204
以上研究表明,多元化职业路径的CEO更容易促进企业创新投资,进而提升创新产出数量和质量。但是,这类创新水平较高的企业一般倾向于雇佣经历丰富的高管,这样就存在很强的内生性问题。本文采用外生工具变量法处理内生性问题,根据Lewbel[40]选取工具变量的方法,构建如下工具变量:
Instrumental Variable=(RD-RD均值)*(CPI-CPI均值)
(4)
该方法的优势是不需要借助外部变量就可以构建有效的工具变量。本文通过两阶段回归法(2SLS)对工具变量进行估计,结果见表8。可见,第一阶段回归中的工具变量与CPI存在显著正相关关系,这符合工具变量理论;在第二阶段CEO职业路径指数仍与企业创新投资呈显著正相关关系,说明消除内生性后,CEO的多元化职业路径依旧能促进企业创新投资,再次验证了本文结论。
表8 工具变量2SLS检验结果
变量第一阶段CPI第二阶段RDCPI0.023**(2.22)Instrumental Variable2.011***(3.00)cf1.632***0.189***(2.39)(3.88)roa0.003-0.167**(0.66)(-2.11)Sale growth0.001-0.001(0.35)(-0.69)Log ppe/emp0.0610.005(0.99)(0.57)Log sales-0.053-0.001(-0.01)(-0.58)Book leverage1.042***-0.042***(3.69)(-3.08)Q-0.0010.005(-0.87)(1.01)Log(1+age)2.839***-0.691*(4.38)(-1.87)Log(1+tenure)-0.391**0.001(-2.54)(0.23)年固定效应YesYes公司固定效应YesYesF统计量26.71observations2 1092 109
为了保证本文结论的稳健性,考虑到CEO其它特征也可能对企业创新产生一定影响,因此通过控制其它可能影响企业创新的CEO特征变量进行稳健性检验。
考虑到CEO过度自信对企业创新投入具有显著正向影响(David et al. 2012;Chang et al. 2015;孔东民等,2015;易靖韬等,2015;于长宏等,2015;张信东等,2017;郝盼盼等,2017),为了剔除多元化职业经历的CEO过度自信的心理特征,在模型(2)基础上控制CEO过度自信变量,再次进行回归。其中,CEO过度自信的度量参照郝颖等[41]、张信东和郝盼盼[35]的方法,回归结果见表9第(2)列。可见,CEO过度自信与企业创新投资之间存在显著正相关关系,再次验证了已有学者观点,且控制该变量后,CEO的多元化职业路径仍能够显著促进企业创新投资,检验了本文结论。
考虑到企业创新投资的高风险性和高复杂性,能力强的CEO更坚信创新成功且有能力提高创新绩效,为了保证结论的稳健性,再次控制CEO能力。根据已有研究, CEO学历背景可用来刻画CEO能力,若其学历为硕士及以上时,则CEO能力较高,变量ability取1,否则取0。控制该变量后重新进行回归,结果见表9第(3)列,可见,控制该变量后,CEO职业路径与企业创新投资依然呈正相关关系,说明本文结论具有稳健性。
本文重点对比了CEO不同职业路径对企业创新的影响,有研究证实工作背景也会影响企业创新,尤其是与研发相关的工作,因此,再次控制CEO是否有过研发工作经历的变量,如果CEO个人简历里涉及研发工作背景,则CEOR&Dexperience取1,否则取0。表9第(4)列报告了该结果,可见,有过研发经历的CEO会促进企业创新投资,控制该变量后,本文结论依然成立,再次证明结论具有稳健性。
以上研究均从静态角度出发,检验CEO职业路径对企业创新的影响,为了让结论更加稳健,根据CEO变更事件,从动态角度检验该结论。依据DID(Difference-in-Difference)方法的思想,在模型(2)的基础上引入变量Afteri,t-1,如果企业当年发生CEO更换事件时,变量Afteri,t-1取1,否则取0。引入变量CEOdiversification,当CEO的职业路径指数CPI大于中位数时,该变量取1,否则取0。引入交叉变量CEOdiversification* Afteri,t-1,表示由专一性职业路径CEO转变为多元化职业路径CEO。本文主要利用交叉变量系数检验多元化职业经历CEO对企业创新投资的净效应,结果见表10。可见,在控制CEO其它特征变量前后,该交叉变量均与企业创新投资存在显著正相关关系,说明企业将专一性职业路径CEO更换为多元化职业路径CEO后,企业创新投资明显增加,这从动态角度再次验证了本文结论。
表9 稳健性检验结果
变量控制CEO过度自信控制CEO能力控制CEO研发工作经历CPI0.011***0.009**0.008*(3.65)(2.11)(1.87)cf1.214*0.983**0.024**(1.88)(2.01)(2.08)roa-0.029-0.036-0.032(-0.65)(-0.61)(-0.55)Sale growth-0.001-0.001-0.001(-0.11)(-0.51)(-0.65)Log ppe/emp0.004*0.002**0.009(1.88)(2.04)(0.16)Log sales0.003-0.001-0.003**(1.05)(0.01)(-2.03)Book leverage-0.022*-0.018-0.018*(-1.87)(-1.12)(-1.83)Q0.007**0.003***0.003***(1.97)(3.89)(2.30)Log(1+age)0.014-0.0010.013*(0.06)(-0.89)(1.79)Log(1+tenure)1.0620.1540.101(1.03)(0.61)(0.08)ability0.008(0.09)oc0.011*(1.88)CEOR&Dexperience0.009*(1.76)R-squared0.1230.0990.081observations195921372137
表10 基于CEO变更事件的DID分析结果
变量(1)(2)After* CEOdiversification0.021**0.019*(2.14)(1.79)After0.0010.002(0.69)(1.00)CEOdiversification0.015***0.012***(2.99)(2.38)cf0.652**0.033*(1.99)(1.72)roa-0.001-0.034(-1.10)(-0.08)Sale growth-0.0010.001(-0.44)(0.83)Log ppe/emp0.010*0.001*(1.83)(1.89)Log sales0.018-0.006*(0.66)(-1.89)Book leverage-0.182**-0.005*(-2.00)(-1.83)Q0.0010.001(0.09)(1.00)Log(1+age)0.182*(1.88)Log(1+tenure)0.001(0.99)R-squared0.1710.182observations2 1162 009
到底是多元化还是专一性职业路径对CEO的创新行为更有利?为解决该疑问,通过静态面板回归、动态DID检验以及工具变量2SLS等方法,得出以下结论:①与专一性职业路径的CEO相比,多元化职业路径的CEO更能够促进企业创新投资;②从劳动力市场角度检验CEO外部选择来构建失败容忍机制,发现多元化职业路径的CEO更能够承受创新失败,通过失败容忍渠道加大企业创新投资。根据企业市场占有率、利润率和公司规模划分行业主导者与跟随者,发现多元化职业经历的CEO倾向于学习有用的研发信息,通过信息学习渠道加大企业创新投资;③多元化职业路径的CEO通过加大创新投入提高滞后两年的创新产出,且能提升产出质量,对发明专利的影响更显著。
基于以上结论,通过实证研究再次验证乔布斯对管理者多元化经历的认可,尤其对高新技术类企业。因此,企业选聘高管时不仅要关注其学历、专业背景等特征,还应了解他们早年的职业经历,不仅关注是否拥有与本企业相关的职业经历,还应熟悉他们的职业路径。为了提升企业创新水平,可以适当选聘职业路径多元化、职业经历广泛化的高管。拥有多元化职业经历的高管不仅倾向于容忍创新失败,而且具有跨界吸收信息、交换知识的能力,这对企业长期价值创造至关重要。同时,该逻辑也与现实中很多举措相符,如鼓励官员异地挂职锻炼、高管外派轮换等。因此,为了激发企业家创新精神、提升企业创新动力,拓宽高管职业路径也是可行之举。
企业高管的职业背景到底是多元化还是单一性,对企业长期发展更有利?这是学术界和实务界持续讨论的话题。本研究以企业创新为切入点,从职业路径新视角验证了乔布斯的观点,并对富有争议性的问题给出答案,且基于管理者学历、任期、爱好特征、技能及学习背景等众多特质补充了管理者特质的相关理论。此外,沿袭高阶理论,不仅探讨了二者关系,且通过构建高管失败容忍机制和信息学习机制,深入剖析了影响渠道,并扩展到产出数量和质量层面检验其经济后果,丰富了熊彼特的企业家创新理论,夯实了企业家在创新过程中的作用及发挥机制,为有效发挥企业家创新精神提供了有力证据。
[1] GALASSO A, SIMCOE T S. CEO overconfidence and innovation [J]. Managment Science, 2011, 57(8): 1469-1484.
[2] DAVID H, ANGIE L, SIEW H T. Are overconfident CEOs better innovators [J]. The Journal of Finance, 2012, 67(4): 1457-1498.
[3] LÜDTKE J P, LÜTHJE C. The impact of overconfidence on the evaluation of innovations, social science research network[C]. Working Paper, 2012.
[4] HERZ H, SCHUNK D, ZEHNDER C. How do judgmental overconfidence and overoptimism shape innovative activity [J]. Games & Economic Behavior, 2013, 83(1): 1-23.
[5] CHANG S C, WONG Y J, LEE C Y. Does CEO overconfidence influence a firm's ambidextrous balance of innovation Social Science Research Network[C].Working Paper, 2015.
[6] 易靖韬,张修平,王化成.企业异质性、高管过度自信与企业创新绩效[J].南开管理评论,2015 (6):101-112.
[7] 于长宏, 原毅军.CEO过度自信与企业创新[J].系统工程学报,2015 (5):636-641.
[8] 张信东, 郝盼盼. 企业创新投入的原动力: CEO个人品质还是早年经历——基于CEO过度自信品质与早年饥荒经历的对比[J]. 上海财经大学学报, 2017, 19(1): 61-74.
[9] 郝盼盼, 张信东. 融资约束下CEO过度自信是否会导致企业R&D投资扭曲[J]. 科技进步与对策, 2017, 34(2): 147-152.
[10] 张信东, 吴静. 海归高管能促进企业技术创新吗[J]. 科学学与科学技术管理, 2016 (1): 115-128.
[11] 沈艺峰, 王夫乐, 陈维. “学院派”的力量:来自具有学术背景独立董事的经验证据[J]. 经济管理, 2016 (5): 176-186.
[12] SUNDER J, SUNDER S V, ZHANG J. Pilot CEOs and corporate innovation[J]. Journal of Financial Economics, 2016, 123(1): 209-224.
[13] BARKER V L, MUELLER G C. CEO characteristics and firm R&D spending[J].Management Science, 2002,48(6): 782-801.
[14] 康华, 王鲁平, 康健. 基于高阶理论的企业家特征与研发支出关系研究 [J].经济经纬,2012 (6): 82-86.
[15] 胡元木. 技术独立董事可以提高创新产出效率吗——来自中国证券市场的研究 [J].南开管理评论, 2012, 15(2): 136-142.
[16] 韩忠雪, 崔建伟, 王闪. 技术高管提升了企业技术效率吗[J].科学学研究, 2014, 32(4): 559-569.
[17] 韩忠雪, 崔建伟. 技术高管、制度环境与技术效率[J].软科学, 2015,29(3): 33-37.
[18] 郝盼盼,张信东,贺亚楠. 晋升越快越好吗——CEO 早年晋升经历与企业创新投资[J].当代财经,2018 (12):65-76.
[19] BECKER G S. Habits, addictions, and traditions[J]. Kyklos,1992, 45(3):327-345.
[20] ELDER G H, GIMBEL C, IVIE R. Turning points in life: the case of military service and war[J]. Military Psychology, 2013, 3(4): 215-231.
[21] FONDAS N, WIERSEMA M. Changing of the guard: the influence of CEO socialization on strategic change[J]. Journal of Management Studies, 1997, 34(4):561-584.
[22] LERNER J, WULF J. Innovation and incentives: evidence from corporate R&D[J]. Review of Economics and Statistics,2007, 89(4): 634-644.
[23] MANSO G. Motivating innovation[J].Journal of Finance, 2011, 66(5): 1823-1869.
[24] TIAN X, WANG T. Tolerance for failure and corporate innovation[J]. Review of Financial Studies, 2014, 27:211-255.
[25] CUSTODIO C, FERREIRA M A, MATOS P. Do general managerial skills spur innovation social science research network[C].Working Paper, 2015.
[26] RYAN H E, WANG L. CEO Mobility and the CEO-firm match: evidence from CEO employment History[EB /OL]. https: / /papers.ssrn.com /sol3 /papers.cfm abstract_id = 1772873, 2012-07-18.
[27] CROSSLAND C, ZYUNG J, HILLER N J et al. CEO career variety: effects on firm-level strategic and social Novelty[J]. Academy of Management Journal, 2014, 57(3): 652-674.
[28] 孟祥展, 张俊瑞, 白雪莲. 外聘CEO职业经历、任期与公司经营战略变革的关系[J].管理评论, 2018,30(8): 168-181.
[29] FISKE S T, TAYLOR S E.Social cognition,2nd[M]. New York: McGraw-Hill,1991.
[30] SCHWENK C R. The cognitive perspective on strategic decision making[J].Journal of Management Studies, 1988, 25(1): 41-55.
[31] BIKHCHANDANI S,HIRSHLEIFER D,WELCH I. Learning from the behavior of others: conformity,fads, and informational cascades[J].Journal of Economic Perspectives, 1998, 12(3):151- 170.
[32] BERKOWITZ M K, KOTOWITZ Y. Incentives and efficiency in the market for management services: a study of canadian mutual funds[J]. Canadian Journal of Economics,1993,26(4):850 -866.
[33] CUSTDIO C, M FERREIRA, P MATOS. Generalists versus specialists: lifetime work experience and chief executive officer pay[J]. Journal of Financial Economics, 2013, 108:471-492.
[34] BROWN J R, FAZZARI B C PETERSEN.Financing innovation and growth: cash flow, external equity, and the 1990s R&D boom[J].Journal of Finance,2009,(64):151-185.
[35] HARLEY E R, WANG L L. The variety of CEO experience and CEO-Firm Match: Evidence from CEO employment history[M].Social Science Electronic Publishing,2011.
[36] 张信东, 于静. 企业投资主导要素研究[J].科研管理, 2018(2): 125-134.
[37] KEDIA S,RAJGOPAL S.Neighborhood matters:the impact of location on broad-based stock option plans[J].Journal of Financial Economics,2009,92(8): 109-127.
[38] OYER P. Why do firms use incentives that have no incentive effects [J]. Journal of Finance,2004,59(9):1619-1649.
[39] 陆蓉, 王策, 邓鸣茂. 我国上市公司资本结构“同群效应”研究[J].经济管理, 2017 (1): 181-194.
[40] LEWBEL A. Constructing instruments for regressions with measurement error when no additional data are available, with an application to patents and R&D[J]. Econometrica,1997,65(5):1201-1213.
[41] 郝颖, 刘星, 林朝南. 我国上市公司高管人员过度自信与投资决策的实证研究[J].中国管理科学, 2005, 13(5): 142-148.