中国上市公司银行高管团队背景特征与组织绩效关系的实证研究

1、 中国上市银行高层管理团队背景特征与组织绩效关系的实证研究 内容摘要高层管理团队的背景特征的影响其认知和价值观，最终影响战略选择正确与否。基于前人研究，针对性探讨银行业的高管背景特征的影响。通过对16个上市银行样本进行多元线性回归分析可知，平均年龄和年龄、背景和任期异质性都与银行绩效之间负相关。团队规模和教育水平与银行绩效的实证都没有得到支持。基于实证结果，本文建议银行打造一支年龄集中于4550岁、学术背景和任期相似的高层管理队伍。关键词：高层管理团队 上市银行 异质性 背景特征AbstractThe character of top management team members has a

2、n impact on their cognition and sense of worth,finally affecting on the validity of strategic selection.This article is investigated on effects of TMT character specially in banking industry on the basic of fomer research.After havingmultiple regression analysis on 16 listed banks,I found that avera

3、ge age ,age, heterogeneity,background heterogeneity and working period heterogeneity have negative correlation with bank performance.The correlation between both team size and average education level ,however,wasnt gotten practical support.As a result,it was suggested to build top management team in

4、 banking industry whose menbers are aging from 45 t0 50 and have similar academic backgroud and working period.Key words: Top Management Team Listed Bank Heterogeneity Background Character 我国上市银行的TMT背景特征与组织绩效关系的实证研究一、引言1984年，Hambrick 和Mason 提出“高层梯队理论”,该理论认为由于战略决策者所处的环境非常复杂,管理者已有认知结构和价值观决定了其对相关信息的解释力

5、，影响其对战略的选择，而管理者的认知和价值观主要产生于管理者本人的背景特征。1也就是说，管理者特质影响着他们的战略选择，并进而影响企业的行为。而战略选择的正确与否，可通过企业的绩效来体现。如今，国内外对高层管理团队的（Top management team,TMT）的研究愈加重视，因为人们意识到在如今动荡的市场环境中，战略的选择仅仅依靠单个管理者的知识与能力往往是不够的。然而，以后关于高层管理团队背景特征的实证研究存在两种现象：（1）国内外的实证研究存在差异。如魏立群和王智慧在2002年通过对沪、深两市的114家上市公司高管的有关特征与其业绩之间关系的实证分析，得出的结论与西方研究差异。2（2

6、）王博在2009年对上市商业银行高层管理团队背景特征与战略选择进行实证研究，得出年龄与多元化战略选择呈正相关关系，3与国内跨行业研究结果都不一致。因此，本文将研究范围限定于国内单一行业中，希望结论更加有针对性。除此，本文也有一定现实意义：我国银行业仍处于转型改革期的，需要严格打造一支优质管理团队在发展期做出正确的战略选择以提高绩效。由于高层管理团队的决策偏好与团队成员的背景特征有很大的联系，那么本文的实证结果可对处中国银行业高层管理团队人员的选拔和变换提供参考性建议二、文献综述与研究假设高层管理团队组是指人口统计学角度的性别、年龄、工作年限、所学专业、教育程度、职能经验等基本背景。2研究表明，

7、背景特征对组织绩效有重要的影响。由于银行女性高层管理员所占人数非常少，故本文不对性别特征与银行绩效进行研究。（一）团队规模 团队的规模是指高层管理成员的人数,是一个关键的人口特征。一般，公司高层管理界定为董事长、董事( 不包括独立董事) 、总经理、副总经理、财务总监、董事会秘书等成员4。从社会资源整合角度看，大团队的丰富的成员背景整合提高了整体解决问题能力，丰富的成员社会资本拓宽了企业的网络关系。从团队冲突角度看，团队人数的增加会导致得团队内的情感冲突与认知冲突的增加，从而增加成员之间抵触和不满情绪, 妨碍交流和影响团队的凝聚力。在我国，金融组织的发展需要丰富的社会人际资源，这是由于金融市场信

8、息膨胀数量和扩散速度是惊人，而人作为市场中的主要参与者，对市场的发展进程和改革方向有着深远影响，因此金融圈中人际关系整合会创造巨大的价值。因此，本文假设：H1:高层管理团队规模与组织绩效呈正相关关系。（二）平均年龄 员工的年龄会影响其进行学习和创新能力、工作满意度、调整战略的意愿和生产效率。研究表明,年龄小的员工灵活性较高, 变通能力较强, 更倾向于对企业的战略性改革。随着，年龄的增长，人的生理机能和心理机逐步下降，对于新的知识、理念和改变的接受存在一定困难。然而，一方面，专业性的员工对工作的满意度会随着年龄的增长而提高，即年龄较大的员工对组织现状更具感情。5另一方面，年长的高层管理员往往累积

9、了一定的社会关系资源和工作经验。 虽然管理者的灵活性和创新能力在一定程度上决定了组织的学习和创新能力， 也就影响一个企业的竞争力，年轻的管理者也更能适应不断转型变革的银行业，但发展不成熟的中国的银行业更需要年长的高层管理员。一方面，政府在许多层面上对银行进行干预，媒体对各种金融信息进行披露，客户对于服务质量的要求比以往更高，所以管理员的社会关系资源异常重要；另一方面，中国不成熟的银行业面临着许多挑战和难题，因此成熟的判断经验非常可贵。基于此，本文假设:H2:高层管理团队平均年龄与组织绩效呈正相关关系。（三）教育水平 高层管理员的教育水平可以在一定程度上反映其的知识和技能基础水平，进而体现个人的

10、认知能力和获取所需信息的能力。从人力资本理论的角度看，教育水平越高说明人力资本投资的成本越高，也就意味着需要追求更高的回报以达到收支平衡，那么受教育程度高的高层管理员就更加追求企业高绩效。6其次，银行业的高层管理团队平均学历越高，所执行的战略变革更可能成功。7再者，高层管理团队的社会认知复杂度与平均教育水平呈相关关系, 而高的社会认知复杂度能够帮助高层管理团队在当前复杂的多元化经营环境中快速定位适合企业自身的经营业务。当今金融行业的产品、发展区域和业务都呈多元化的发展趋势，所以本文假设：H3:高层管理团队平均受教育水平与组织绩效呈正相关关系。（四）异质性异质性是指人口特征方面的差异程度。已有的

11、研究表明，企业高层管理团队成员的相似或差异程度可以通过其决策过程影响到组织的绩效。银行业经常通过招聘管理培训生，要求他们在一定期限内在各部门进行轮岗，提高团队成员之间的差异性，以提升组织的创新能力。异质性可为团队在决策过程中带来多样的信息来源和信息解读能力。根据信息决策理论可知，多样的信息来源和解读能力可保证异质性的高层管理团队有比较高的决策质量。8然而，团队成员在经验上的多样性使得成员间非正式的交流减少, 具有相似人口特征的个体更加倾向具有相类似的社会、教育以及工作经历，而这些类似的经历能够为他们创造沟通所需要的共同语言，从而形成和谐的工作关系。处于不同年龄层次的高层管理员的价值观可能有所不

12、同，年龄较高者保守，年纪轻者偏好改变。背景差异大的高层团队会从不同的角度分析一个复杂的问题，但可能会降低决策效率。再者，一个团队频繁性调动成员会降低成员归属感，短时间的合作减少了成员间相互了解、非正式沟通的机会。因此，本文假设：H4a:高层管理团队年龄差距与组织绩效呈负相关关系。H4b:高层管理背景差异与组织绩效呈负相关关系。H4c:高层管理团队任职年限差异与组织绩效呈负相关关系。三、样本、数据来源于变量选取（一）样本与数据来源本文选取2012年中国上市银行为样本, 共获得16 个有效样本。数据主要来源于广发证券的数据库, 上市公司的2012年中期年报，对于不足的数据通过查找新浪财经网站、凤凰

13、财经网站和搜索引擎来补充。（二）变量选取1.因变量本文选取净息差（NIM）与净利差（NIS）作为评价银行绩效的指标。选取这两个指标而非净资产收益率和资产净利率，是因为银行不同于一般企业，主要收入来源是利息。已有的实证分析证明，净息差比起净资产收益率和资产净利率更能体现中国商业银行的绩效9。而净利差与净息差一起作为指标，更全面判断银行绩效的质量。2.自变量（1）团队人数（T M T Si z e,TS）该指标是指每家银行的高层管理团队成员的总数。本文对高层管理团队界定是根据公司2012年半年报中确定的高层管理员。（2）平均年龄（Average Age,AA）该指标是根据每个银行的高层管理团队成员

14、年龄的平均数表示。（3）平均受教育水平（Average Education level,AEL）本文将受教育水平划分为大专、本科、硕士、博士四个层次，并分别附值为1- 4 分。该指标是根据各成员受教育水平的平均数表示。（4）异质性（Heterogeneity）本文用Herfindahl指数来表示异质化程度, 计算公式为:。其中H代表异质化程度, 指每个类别人数占高层管理团队总人数的比例。H取之于0到1之间，值越大则表示异质化程度越高。在本研究中，年龄异质化程度（AGEH）被划分7个阶段，背景异质化程度（BACH）被分为9个类型，团队任期异质化程度（PERH）被化为8个阶段。具体划分标准可见表1

15、。其中，高层管理成员背景的类型主要依据成员最高学历的专业背景，若无相关资料，则依据其所获得的专业资格证书如高级经济师、注册会计师进行归类。表1 TMT异质性划分标准TMT年龄划分TMT背景TMT任期划分（年）<35为经济<136-40为金融1-241-45为管理2-346-50为会计3-451-55法学4-556-60营销5-660以上保险6-7理工科7以上其他3.控制变量(1)银行规模（Bank Size,BS）银行规模的对其绩效有一定影响, 本文用各银行2012年中期的利息收入的自然对数表示银行规模。（2）利息支出比（Cost to income ratio，CI）类比资本负债

16、率作为ROA与ROE的控制变量，将利息支出与利息收入的比率作为NIM与NIS的控制变量。（三）描述性统计根据附表1可得出自变量和因变量的描述性统计，结果见表2表2 自变量和因变量的描述性统计变量观察值最小值最大值平均数标准差TS1661510.38 2.45AA1644.456.951.84 3.03AEL162.43.63.10 0.33AGEH160.570.790.67 0.06BACH160.240.760.59 0.15PERH160.520.900.72 0.11NIM162.13.472.760.32NIS162.083.342.600.33从表2可看出，银行高层管理团队的团队规

17、模人数最多为15人，最小为6人，所有银行高层管理团队的平均规模约为10人，离散程度一般；平均年龄最小约44岁，最高的约57岁，所有银行平均52岁，标准差不大。 平均受教育水平最小的是本科水平, 最高的达到硕士以上水平, 所有公司平均达到硕士以上水平, 标准差不大; 三个高层管理团队异质性指标最小值分别是0.57,0.24和0.52，可见异质性，尤其是年龄和任期的异质性差别较大, 而最大值都达到0. 75 以上, 即异质性比较高, 三个指标的均值约等于中间值, 标准差不大。企业绩效两个指标, 平均值也较偏向于中间值, 标准差比较小, 即离散程度比较低。四、实证研究（一）相关系数分析根据表2可得出

18、因变量和自变量的Pearson相关系数，且根据附表2可得出相关系数的显著水平，具体可见表3表3 因变量和自变量的Pearson相关系数（N=16)123456781.TS12.AA0.317 13.AEL0.451* 0.459* 14.AGEH0.415 -0.241 0.191 15.BACH0.705* 0.324 0.572* 0.374 16.PERH0.187 0.606* 0.466 0.088 0.399 17.NIM-0.089 -0.605* -0.440 -0.135 -0.489* -0.524* 18.NIS-0.150 -0.543* -0.493* -0.301

19、-0.512* -0.539* 0.979* 1注: * 表示在1%水平上显著, * 表示在5%水平上显著, * 表示在10%水平上显著。从表3可得出, 两个评价银行绩效三个相关性比较大, 在1% 水平上显著正相关, 这两指标相互影响, 表明本文选择的绩效指标比较合理。高层管理团队特征六个指标中，背景异质性和团队规模在1% 水平上显著正相关, 即教育异质性程度越高, 团队规模越大; 背景异质性又与平均受教育水平在5%水平上正相关, 即背景异质性程度越高, 平均受教育水平越高;任期异质性和平均年龄在5%水平正相关，即任期异质性程度越高，团队平均年龄越高。平均受教育水平同时与团队规模和团队平均年龄

20、在10%水平上正相关，即平均受教育水平越高，团队规模越大，团队平均年龄越高。绩效指标与高层管理团队特征六个指标关系中,净息差与平均年龄和任职期异质性均在5% 水平上负相关，与背景异质性在10%水平上负相关; 净利差与平均年龄、背景异质性、任期异质性在5% 水平上负相关, 与平均受教育水平在10% 水平上负相关。（二）多元线性回归分析在进行多元线性回归分析时, 本文将评价银行绩效的两个指标分别作为因变量。 自变量分两个步骤进入回归方程, 首先对控制变量与因变量进行回归分析, 再加入自变量进行回归。结果可见表4,而分析过程可见附表3-6表3 多元线性回归分析变量NIMNIS模型1模型2模型1模型2

21、常数项0.7050.9400.6270.922BS-0.200*-0.121*-0.171*-0.091*CI-0.045*-0.030*-0.042*-0.029*TS0.069*0.060*AA-0.054*-0.045*AEL0.018*-0.129*AGEH-1.882*-2.010*BACH-0.879*-0.722*PERH-0.340*-0.513*F检验6.4076.6694.2034.974R0.4960.8840.3930.850调整后R0.4190.7510.2990.679注: * 表示在1%水平上显著, * 表示在5%水平上显著, * 表示在10%水平上显著。从表3可

22、得, 除了NIS的模型1，其他3个模型都通过了F检验, 即模型等等整体显著水平比高。从模型2的调整后的可决系数都比模型1的值高，可看出模型中加入变量, 都提高了对因变量的解释力。高层管理团队背景特征在模型中对净息差解释能力为0.231，对净利差的解释能力为0.38，这说明上市银行的高层管理团队的背景特征对组织绩效有不小的影响。团队规模与净利差的的回归系数在1%水平上显著，与净息差的回归系数在10%水平上显著，且回归系数都为正，但与相关系数分析不一致，因此假设H1不明确。而平均年龄与两个银行绩效指标的回归系数都在1%水平上显著, 且回归系数为负, 所以假设H2得到反向验证。平均受教育水平与两个绩

23、效指标都在1%显著，但回归系数为一正一负，虽然平均受教育水平与净息差的相关系数为负，但显著水平低，故回归系数的分析正确度较高，则假设H3结果待定。异质性指标与净利差、净息差都在1%水平上显著，回归系数为负，则假设H4a、H4b和H4c都得到支持。在控制变量与企业财务绩效的回归分析中，可以发现: 控制变量对银行绩效指标的有一定的显著性影响，但影响较小。而年龄异质性和背景异质对银行绩效的解释程度更占分量，前者与净息差和净利差的回归系数分别为-1.882和-2.01，而后者与与净息差和净利差的回归系数分别为-0.879和-0.722，四个数值的绝对值远远大于其他回归系数的绝对值。五、结论与展望（一）

24、总结与建议综上所述, 我国上市银行高层管理团队的一些背景特征对组织绩效是一定影响，且影响不小。这说明高管团队对组织的绩效发挥一定作用，打造一支适应银行业特征的高层管理队伍对有效提高银行绩效具有重大作用。我国上市银行高层管理团队规模与组织绩效的相关系数为负数，而与组织绩效的多元回归分析的系数为正数，这说明只有与其他背景特征共同作用，规模大的高层管理团队才能够对企业绩效带来正面影响。我国上市银行高层管理团队平均年龄与组织绩效呈负相关。这说明金融创新和战略变革对银行绩效提高十分重要，而伴随着市场经济的完善，政府对银行的影响也下降了。通过分析16家上市银行的166人高层管理员的年龄，发现仅有3人年龄低

25、于40岁，10人年龄高于退休年龄60，且年龄最高者为71岁，大部分年龄层为50-60岁之间。一般，45岁的研究生毕业者都具有20岁的工龄。本文建议在保证高层管理员具有一定工作经验前提下，降低整体高层管理团队的平均年龄。我国上市银行高层管理团队平均受教育水平与净息差呈正相关，但与净利差呈负相关，故对组织绩效的相关性不明确。净息差表示的是银行资金的运用结果，净利差表示资金收益与成本的差额，这就说明团队教育水平越高有助于资金的运用结果，但可能存在导致资金成本高的影响。我国上市银行高层管理团队的异质性与组织绩效呈负相关。首先，结合平均年龄与组织绩效负相关这一结论，本文建议更多的高层管理团队选拔的年龄层

26、次集中于4550这一年龄段，促进在探讨战略变革、改革创新的问题研究的和谐沟通。其次，本文建议要选拔相似背景的高层管理员以创造沟通所的共同语言，促进和谐的工作关系，分析166名上市银行高层管理员，大多数管理员的背景为经济、金融和管理。前两者在宏观上可归为一类，但是微观上经济背景管理员可能更关注整个市场环境而金融背景管理员则更关注货币资源。管理背景的高层管理员则更加关注银行内部人力资源。最后，同一时段的任职可促进团队文化的发展，高层管理团队的换届可采取固定任期制。（二）意义与不足综上述, 本文的主要研究意义于: ( 1) 选取了上市银行作为研究样本, 弥补了该银行行业高层管理团队背景特征与组织绩效

27、关系实证研究的不足；( 2) 根据实证研究发现,银行业高层管理团队平均年龄与组织绩效并非呈正相关关系, 证明我国金融市场逐渐走向成熟。由于研究过程中一些客观条件的限制, 本文还存在一些不足之处: ( 1) 高层管理团队范围仍是一个不明确的问题, 本文选择的依据是根据各银行自身的报表，而没有统一标准 ；( 2) 本论文的样本数据仅取半年年报, 数据期限较短, 忽略了高层管理团队背景特征对银行绩效的影响是滞后性的, 因此, 基于时间序列的实证研究将更有意义；( 3) 本文在控制变量指标和银行绩指标直接借鉴学者实证研究成果， 但由于样本的差异可能导致直接使用无法得到相同结论。注 释1 Hambric

28、k D, Mason P, 1984, “Upper Echelons: the organization as a reflection of its top managers”，Academy of Management Review, Vol. 9, No. 3，pp.193. 2 魏立群、王智慧.我国上市公司高管特征与企业绩效的实证研究J.南开管理评论，2002年，(4):16-21.3 王博.我国上市商业银行高层管理团队人口背景特征与多元化战略选择关系的实证研究D.成都：西南财经大学，2009 .4 陈晓红、张泽京、曾江洪.中国中小上市公司高管素质与公司成长性的实证研究J.管理现代化

29、,2006 年,(3):7-10.5 Wiersema M，Bantel K， 1992，“Top managementteam demography and corporate strategicchange”，Academy of Management Journal，Vol.35,No.1,:pp.91.6 林勇、周妍巧.高层管理者的教育背景与公司绩效_基于创业板数据的实证研究J.中南大学学报，2011,17(5):60-65.7 Bantel K,Jackson S,1989“Top management and innovations in banking:Dose the comp

30、osition of top team make a difference”，Strategic Management Journal,October ,pp.107.8 张平.高层管理团队异质性与企业绩效的实证研究J.管理学报，2007年,4(4)：501-508.9 Heffernan S, “The Determinant of Bank Performance in China”,参 考 文 献Bantel K，Jackson S, 1989，“Top management and innovations in banking:Dose the composition of top t

31、eam make a difference”，Strategic Management Journal.张平. 国外高层管理团队研究综述J.科技进步与对策，2005,(7).孙法海，伍晓奕.企业高管团队研究进展J.管理科学学报，2003(6).Katz，1982，“The effects of group longevity on project communication and performance.”Administrative Scinece Ouartely.Adams R, Mehran.H,“Corporate Performance, Board Structure and

32、its Determinants in the Banking Industry”, 2005-08-8/2013-04-01孙海法、姚振华、严茂胜.高管团队人口统计特征对纺织和信息技术公司经营绩效的影响J.南开管理评，2006(6) 斯蒂芬.P.罗宾斯，蒂莫西.A.贾奇.组织行为学M.北京:中国人民大学出版社,2008.林新奇、蒋瑞. 高层管理团队特征与企业财务绩效关系的实证研究以我国房地产上市公司为例J.浙江大学学报.2011，41(3) 曾五一，肖红叶.统计学导论M.北京:科学出版社,2007附 录附表1 因变量与自变量数据银行TSAAAELAGEHEDUHPERHNIMNIS中信105

33、2.23.30.570.660.782.892.68中国银行1055.93.10.660.760.782.12.08招商银行1356.93.10.60.580.843.112.98兴业银行750.72.40.610.240.573.022.99浦发银行1051.82.90.660.580.642.642.43平安银行1452.23.40.770.760.72.422.22农业银行6513.20.610.30.672.852.71宁波银行944.42.40.690.490.523.473.34南京银行949.62.890.790.590.92.612.34民生银行13483.40.730.730

34、.583.142.93交通银行1052.13.10.660.680.782.612.47建设银行1553.43.10.70.650.722.712.53华夏银行950.13.30.660.490.772.82.59光大银行1052.73.20.720.490.662.72.48工商银行1254.83.60.740.70.832.662.48北京银行953.63.20.620.670.722.52.34资料来源：广发证券同花顺数据库附表2 相关系数显著性水平检验TSAAAELAGEHEDUHPERHNIMNISTSAA1.252 AEL1.892 1.934 AGEH1.706 -0.928 0

35、.727 EDUH3.721 1.282 2.609 1.511 PERH0.711 2.853 1.971 0.329 1.627 NIM-0.358 -2.787 -1.688 -0.783 -1.973 -2.139 NIS-0.567 -2.419 -2.121 -1.181 -2.230 -2.397 17.946 由于N小于30（N=16），则相关系数r的显著性采用t-检验来确定。根据表1的值与公式t=可得出每个相关系数的t值，结果可见附表2。根据自由度为14的t分布临界值表，当2.977,则r在1%水平上显著；当2.9772.145，则r在5%水平上显著；当2.1451.761，

36、则r在10&水平上显著。附表3 控制变量与NIM的回归系数分析回归统计（N=16）方差分析Multiple R0.705 dfSSMSFSignificance FR Square0.496 回归分析2.0.774 0.387 6.407 0.012 调整后R Square0.419 残差130.785 0.060 标准误差0.246 总计151.559 回归系数估值分析系数标准误差t StatP-valueLower 95%Upper 95%下限 95.0%上限 95.0%Intercept8.1051.5125.3590.0004.83811.3724.83811.372BS-0.

37、2000.066-3.0460.009-0.341-0.058-0.341-0.058CI-0.0450.014-3.2120.007-0.075-0.015-0.075-0.015本分析中，F=6.407>F(1,14)=4.6,因此该回归分析呈显著性水平。附表4 自变量和控制变量与NIM的回归系数分析回归统计（N=16）方差分析Multiple R0.940dfSSMSFSignificance FR Square0.884回归分析81.378 0.172 6.669 0.011 调整后R Square0.751残差70.181 0.026 标准误差0.161总计151.559 回归

38、系数估值分析系数标准误差t StatP-valueLower 95%Upper 95%下限 95.0%上限 95.0%Intercept10.1471.2737.9680.0007.13613.1587.13613.158TS0.0690.0322.1640.067-0.0060.144-0.0060.144AA-0.0540.029-1.8310.110-0.1230.016-0.1230.016AEL0.0180.1850.0970.925-0.4200.457-0.4200.457AGEH-1.8820.931-2.0220.083-4.0820.319-4.0820.319EDUH-0.8790.492-1.7860.117-2.0420.285-2.0420.285PERH-0.3400.688-0.4950.636-1.9661.286-1.9661.286BS-0.12