高管货币性私有收益Unpay与非货币性私有收益Unperks数据2005-2020年

高管货币性私有收益Unpay与非货币性私有收益Unperks数据2005-2020年

高管货币性私有收益 。用非正常的高管薪酬来衡量, 采用管理层的实际薪酬与由经济因素

决定预期高管正常薪酬之间的差额表示(Firth , 2006 ;Core et al, 2008)。预期正常的高管薪酬水平由

以下模型估计:

其中

, Lnsizeit 为公司规模;Roait 为公司会计业绩;Roait -1 为上一年的公司会计业绩 ;Areawageit为上市公司所处地区城镇职工平均工资;Centralit表示上市公司处于中部地区的虚拟变量;Westit为上市公司处于西部地区的虚拟变量。

首先利用模型(1)对样本企业分年度分行业进行回归 ,通过模型回归得到的因变量预测值即表示正常的高管薪酬, 实际薪酬与正常薪酬之间的差额即为非正常的薪酬

计算结果：

高管非货币性私有收益。用非正常的高管在职消费来衡量, 采用管理层在职消费与由经济

因素决定的高管预期正常的在职消费之间的差额表示(Luo et al , 2009)。预期正常的高管在职消费

水平用以下模型(2)估计:

其中, Perksit为高管在职消费 ,数据取自管理费用中扣除了董事 、高管以及监事会成员薪酬 、计提的坏账准备、存货跌价准备

①

以及当年的无形资产摊销额等明显不属于在职消费的项目后的金额;Assetit -1为上期期末总资产 ;Δsaleit 为本期主营业务收入的变动额 ;PPEit 为本期厂场 、财产和设备等固定资产的净值 ;Inventoryit为本期存货总额 ;LnEmployeeit 为企业雇佣的员工总数的自然对数 。

利用模型(

2)先对样本企业分年度分行业进行回归, 通过模型回归得到的因变量预测值即表示正常的在职消费 ,实际在职消费与正常在职消费的差额即为非正常在职消费。其他变量的定义参

计算结果：

参考文献：

管理层权力_私有收益与薪酬操纵_权小锋

• 面板数据格式为：excel格式（2001-2020年）
• 代码格式：do文件
• 行业标准选择2012年证监会行业分类标准，其他行业用一级分类，制造业用二级分类（取前两位）
• 选取2005—2020年沪深两市的A股上市公司
• 剔除金融行业，剔除当年IPO及上市以前的数据，剔除已退市的上市公司，剔除ST或PT上市公司，剔除了行业观察值小于10的样本，以便有效估计，具体筛选标准可以根据需求调整
• 对变量进行Winsorize（缩尾）处理，小于1%分位数与大于99%分位数的变量，令其分别等于1%分位数和99%分位数