独立董事与公司绩效的关系——基于制造类上市企业的实证研究(下)(1)

4、独立董事出席董事会的比例。
一个负责任的独立董事会认真履行自己职责，按时参加董事会，参与公司的重大决策，发挥监督管理层的功能，为股东争取利益。这样，如果独立董事出席董事会的比率比较高，就有可能是比较负责的董事，但是如果独立董事出席董事会的比例很低，以各种借口缺席，说明这个独立董事很不负责任，职责没有认真履行。从表3-9独立董事参加董事会的比例结构可以看出，样本公司大部分是独立董事全部出席的，占89.71%，说明样本公司独立董事履行职责的情况较好。
提出假设4：独立董事出席董事会的比例越高，履行职责的情况越好，公司的绩效越好。

(四) 建立模型以及检验
正如上面所分析的，独立董事影响公司绩效主要从独立董事的年龄、独立董事的薪酬、独立董事占董事会的比例和独立董事出席董事会的比例这四个方面。因此为了检验以上四个假设，建立线性回归基本模型：

H0: Y=C0+C1*LNAGE+C2*LNSALARY+C3*RATIO1+C4*RATIO2+C5*LNSALES+ ε

其中Y为公司绩效，以摊薄的净资产收益率表示。LNAGE是对独立董事年龄取对数，LNSALARY是对独立董事的薪酬取对数，RATIO1为独立董事占董事会的比例，RATIO2为独立董事出席董事会的比例，LNSALES是对公司的主营业务收入求对数，ε为随机误差。使用EXCEI对多元线性回归模型H o进行分析。
1、对H 0的回归分析。

表3-10、表3-11和表3-12都是在95%置信水平下得出的结论。在从表3-10可知：回归的指标，相关系数为0.1367，判定系数为0.0186，标准误差为9.8266，表明模型的拟合优度较低。从表3-12可知各自变量的偏回归系数，其中LNAGE、RATIO1、RATIO2、LNSALES的偏回归系数是正数，而LNSALARY的偏回归系数是负数。但是通过表3-12研究自变量的的偏回归系数检验发现，偏回归系数的P值均大于 /2(0.025)，说明偏回归系数都没有通过检验。同时Significance F的数据为0.945103大于 (0.05)，回归模型没有通过整体F检验。
这样就需要对模型加以改进，提高模型的拟合优度。考虑到独立董事的年龄、独立董事的薪酬和独立董事出席董事会的比例这三个自变量数据统计上都是取的平均数，都与独立董事占董事会的比例这一自变量有关。因此，在模型的改进上考虑自变量之间的交叉因素，建立以下多元交叉模型：
同样也使用EXCEL中回归对模型逐一进行数据分析。

H1: Y=C0+C1*LNAGE+C2*LNSALARY+C3*RATIO1+C4*RATIO2+C5*LNSALES
+C6*LNAGE*RATIO1+ε

H2: Y=C0+C1*LNAGE+C2*LNSALARY+C3*RATIO1+C4*RATIO2+C5*LNSALES
+C6*LNAGE*RATIO1+C7*LNSALARY* RATIO1+ε

H3: Y=C0+C1*LNAGE+C2*LNSALARY+C3*RATIO1+C4*RATIO2+C5*LNSALES
+C6*LNAGE*RATIO1+C7*LNSALARY* RATIO1+C8* RATIO2* RATIO1+ε

表3-13、表3-14和表3-15都是在95%置信水平下得出的结论。从表3-13与表3-10对比可以看出：H1模型的R2稍大于Ho模型的R2，两者的数值相差不大，说明模型的拟合优度有所改进，但是效果不明显。从偏回归系数的符号来看，LNAGE、LNSALARY和RATIO 1的偏回归系数符号是负的，RATIO 2和LNSALES的偏回归系数符号是正的。而同样在模型检验中，偏回归系数P值的大小也都大于 /2（0.025）,偏回归系数都没有通过检验。Significance F值也大于 ，模型没有通过整体显著性检验。
3、对H2的回归分析。

共3页: 1 [2] [3] 下一页