论文复制作业1 9刘舂霞 0

1、20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 1 延付高管薪酬对银行风险承担的政策效应延付高管薪酬对银行风险承担的政策效应 基于银行盈余管理动机视角的基于银行盈余管理动机视角的 PSM-DIDPSM-DID 分析分析 论文复制报告论文复制报告 何 靖 1、论文概述、论文概述 2008 年国际金融危机后，延付银行高管薪酬是降低银行风险承担的重要举 措之一。2010 年，中国银行业监督管理委员会（简称银监会）发布商业银行 稳健薪酬监管指引 （以下简称监管指引 ） ，对银行高管薪酬作了必须延期支 付和追索、扣回的规定，以达到薪酬机制对风险防控

2、的约束作用，提出以下几个 问题： 该政策的实施情况如何？是否减轻薪酬机制对风险防控的约束作用？这种 影响短暂还是持久？基于股东债权人利益冲突视角与收益波动性与盈余管理 动机视角，提出当控制其他因素时，延付银行高管薪酬很可能降低银行的收益波 动性，进而降低银行高管通过 LLP 进行盈余管理的动机。 本文利用 2010 年监管指引这一外部政策冲击，对中国银行业 2009 年 2013 年的数据运用双重差分倾向得分匹配法 （PSMDID） ， 检验延付银行高管薪 酬是否有效降低银行的收益波动性， 进而降低银行高管通过 LLP 进行盈余管理的 动机， 来评估延付银行高管薪酬对银行风险承担的政策效应及动

3、态边际效应。从 检验结果分析可以看出，延付银行高管薪酬确实有效降低了银行的收益波动性， 同时反而增强了银行高管通过 LLP 进行盈余管理的动机。 由于当前中国银行高管 延付薪酬的考核期为三年，基于稳健性薪酬的目的，高管在延付薪酬届满时有更 强的动力和能力通过 LLP 进行盈余管理，即银行高管通过 LLP 进行盈余管理的动 机在第三年更为显著， 从而可能令延付高管薪酬对银行风险承担的政策效果不那 么明显。因此，加强银行实施延付高管薪酬的监管力度、优化高管薪酬的延期支 付时间、引入激励性的养老金制度、改革高管薪酬考核的绩效指标，是更好的发 挥延付高管薪酬对银行风险承担的约束作用，实现银行健康可持续

4、发展。 2、简述倾向匹配得分（、简述倾向匹配得分（PSM）和双重差分（）和双重差分（DID）方法的基本思想和计量模型）方法的基本思想和计量模型 倾向匹配得分（PSM）的基本思想：分析 2009 年未实施延付高管薪酬，但 从 2010 年实施延付高管薪酬（处理组，treatment group）与 20092013 年均未 实施延付高管薪酬（对照组 comparison group） 。但是，现实可以观测到的是实 施延付高管薪酬的事实， 而处理组没有实施延付高管薪酬会怎样是不可能观测到 的， 这种状态也成为反事实。即在未实施延付高管薪酬的对照组中找到某个银行 j，使其与实施了延付高管薪酬的处理组

5、中的银行 i 的可观测变量尽可能相似（匹 配） ，即 xi=xj，当银行的个体特征对是否实施延付高管薪酬的作用完全取决于可 观测的控制变量，银行 j 和银行 i 实施延付高管薪酬政策的概率相近。PSM 法根 据多维匹配指标进行倾向得分p的计算并根据处理组和对照组之间p值的相近度 对二者进行匹配，使匹配结果更理想。 双重差分法（DID）的基本思想：经过 PSM 处理后，得到实施延付高管薪酬 的处理组银行，令虚拟变量 treated=1，获得未实施延付高管薪酬的对照组银行， 令 treated=0。同时，设置时间虚拟变量 t，令延付高管薪酬后的年份 t=1，其他 20172017 级企业管理级企业

6、管理刘舂霞刘舂霞220170910050220170910050 1 2 年份 t=0。在其他条件完全相同的情况下，通过实施延付高管薪酬（处理组）与 未实施延付高管薪酬（对照组）在银行收益波动性与贷款损失准备（LLP）的差 异，来判断实施延付高管薪酬与银行收益波动性和贷款损失准备（LLP）之间的 因果关系。 但是， 在对比时还必须考虑到所有银行在 2010 年前后会由于其他因 素（如外部经济环境或银行其他行为）发生变化，这些因素在对比时必须剔除。 因此，双重差分法（DID）不仅要将处理组和对照组银行进行对比，还要将 2010 年之前的所有银行和 2010 年之后的所有银行进行对比，综合考虑这两

7、种差异。 为了验证当控制其他因素时，延付高管薪酬导致银行更低的收益波动性，提 出回归模型如下： Earnings Volatilityit=0+1treatedit+2tit+3treatedittit+Xit+ct+ci+it（1） 其中，Earnings Volatilityit衡量银行 i 在第 t 期的收益波动性，包含以下三 个维度： 银行的核心业务是信贷业务，而净息差（NIM）是衡量银行信贷业 务收入的关键指标，因此本文用净息差波动率（VNIM）衡量银行在核心业务上 的收益波动性。 除了信贷业务以外， 银行在其他业务上也可能是有风险的， 比 如它们可能在投资方面非常进取，从而导致总体

8、经营收益的波动性更大。因此， 本文用税和贷款损失准备前利润的波动率（VEBTP）来衡量银行总体经营收入的 波动性。用 ZSCORE 衡量银行的总体财务稳健性，ZSCORE 值越高，意味着银 行财务状况良好、越不容易破产、经营越持续稳定。回归模型中 X 是一组随时 间变化的可观测的影响银行收益波动性的控制变量。ct是年度固定效应。ci是非 观测效应，控制随时间不变的不可观测因素。it是随机误差项，代表因银行因 时而变且影响因变量的非观测扰动因素。 由式（1）可以看出，对于对照组银行（treated=0） ，延付高管薪酬实施年份 前后的收益波动性分别是0和0+2，因此，不受延付高管薪酬政策影响的银

9、行 在延付薪酬实施年份前后的收益波动性差异为 diff0=2，这一差异可视为排除了 延付高管薪酬政策影响时银行收益波动性存在的时间趋势差异。 对于处理组银行 （treated=1） ，延付高管薪酬前后的收益波动性分别是0+1和0+1+2+3，差 异为 diff1=2+3，这一差异不仅包含了延付高管薪酬政策的影响3，还包含了 上述时间趋势差异2。因此，延付高管薪酬对收益波动性的净影响效应为 diff=diff 1 -diff 0 = 2+3-2=3。如果从原始方程看，即3是 DID 估计量，即延付 高管薪酬的政策效应， 如果延付高管薪酬降低了银行的收益波动性， 则3的系数 应该显著为负，当因变量

10、为 ZSCORE 时，3的系数则应为正。需要注意的是，当 利用混合截面数据进行 OLS 时，如果非观测效应 c i 与解释变量是相关的，那 么回归结果将是有偏且不一致的。 使用面板数据通过组内差分可以消掉非观测效 应 ci从而得到一致估计。因此，本文采用面板双重差分模型来估计式（1） 。 为了验证当控制其他因素时， 延付高管薪酬能降低银行通过 LLP 计提进行盈 余管理的动机。提出回归模型如下： LLPit=0+1EBTPit+2tit+3treatedit+4titEBTPit+5treatedit EBTPit+6treatedittit+7treatedittitEBTPit+Zit+t

11、+i+it（2） 其中，LLPit衡量银行 i 在 t 时计提的贷款损失准备，银行 i 在 t 期计提的贷 款损失准备除以第 t-1 期的贷款余额计算 LLPit，以反映这一预提概念，同时降低 可能引致的潜在“内生性”问题。与已有文献的普遍做法一致，本文用税和贷款 损失准备前利润（EBTP）测度银行的盈余状况，如果银行存在通过 LLP 进行盈余 管理的行为，则系数1 预期为正。Z 是除了盈余管理动机外，影响 LLP 的资本 管理动机、信号传递动机以及其他因素的一组随时间变化的可观测变量。 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 3

12、 从式（2）可以看到，对于对照组银行（treated=0） ，延付高管薪酬实施年份 前后银行通过 LLP 进行盈余管理的动机分别是1 和1 +4，可见，不受延付 高管薪酬政策影响的银行在延付高管薪酬实施年份前后的盈余管理动机差异为 diff 0 =4，这一差异可视为排除了延付高管薪酬政策时银行盈余管理动机存在 的时间趋势差异。 对于处理组银行 （treated=1） ， 延付高管实施前后银行通过 LLP 进行的盈余管理的动机分别是1 +5 和1 +4 +5 +7，差异为 diff 1 =4 +7， 这一差异不仅包含了延付高管薪酬政策的影响，还包含了上述时间趋势差 异4。因此，延付高管薪酬政策对

13、银行盈余管理动机的净影响效应为 diff=diff1 -diff0 =4 +7 -4 =7。 ，即7 是 DID 估计量，如果延付高管薪酬降低了银 行通过 LLP 进行盈余管理的动机，则7 应该显著为负。与式（1）相同，本文 使用面板数据差分模型估计式（2） ，通过组内差分消掉非观测效应 vi以得到一致 估计。 3、抽样和数据获取、抽样和数据获取 为获取中国银行业延付高管薪酬的实施情况数据， 我们通过银监会网站获得 相关银行名录， 并手工查阅各银行网站的公开信息披露， 经统计发现， 截至 2013 年底，共有 70 家银行实施了延付高管薪酬政策（表 1） ，其中包括了 4 家大型商 业银行、9

14、 家股份制银行、47 家城商行和 10 家农商行。 表 120052013 年中国实施延付高管薪酬的银行 年份银行 2005杭州银行 2006平安银行（原深圳发展银行） 、日照银行 2008招商银行、兴业银行、浙商银行、南京银行 2009中国民生银行、富滇银行 2010中国工商银行、中国建设银行、上海浦发银行、徽商银行、锦州银行、 洛阳银行、柳州银行、江苏张家港农商行、浙江泰隆银行、齐商银行、 德阳银行、莱商银行、嘉兴银行、常熟农商行、长安银行 2011中信银行、广发银行、上海银行、哈尔滨银行、苏州银行、温州银行、 湖北银行、贵阳银行、郑州银行、攀枝花银行、桂林银行、东营银行、 唐山银行、泸州

15、银行、凉山州商行、晋商银行、丹东商行、江苏吴江农 商行、江苏昆山农商行、江苏紫金农商行、江苏太仓农商行 2012中国农业银行、华夏银行、江苏银行、盛京银行、昆仑银行、浙江稠州 银行、福建海峡银行、内蒙古银行、绵阳城商行、泰安银行、大连银行、 东莞银行、济宁银行、广东华兴银行、葫芦岛银行、江苏高淳农商行、 无锡农商行 2013中国交通银行、金华银行、河北银行、威海城商行、宁夏银行、晋城银 行、广东揭阳农商行、安徽石台农商行 资料来源：原作者整理。 4、数据分析方法、数据分析方法 数据分析方法是以 2010 年监管指引的出台作为政策的起始点，考察期 为 20092013 年，使用依托于“准自然实验

16、”的 PSM-DID 法对延付高管薪酬的 政策效应进行评估。为了处理延付高管薪酬政策的内生性问题，本文采用倾向评 分匹配方法（PSM） ，从资本充足率、贷款拨备率等多个配对指标对延付高管薪 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 4 酬政策的自选择效应进行控制。通过 PSM 处理，本文为每一家实施延付高管薪 酬的银行挑选可供比较的配对银行， 即配对银行是那些在考察期内未实施延付高 管薪酬的银行。 在其他条件完全相同的情况下， 通过实施延付高管薪酬 （处理组） 与未实施延付高管薪酬（对照组）在银行收益波动性与贷款损失准备（LLP）的

17、 差异，来判断实施延付高管薪酬与银行收益波动性和贷款损失准备（LLP）之间 的因果关系。 但是， 在对比时还必须考虑到所有银行在 2010 年前后会由于其他 因素 （如外部经济环境或银行其他行为） 发生变化， 这些因素在对比时必须剔除。 这样， 本文不仅要将处理组和对照组银行进行对比，还要将 2010 年之前的所有 银行和 2010 年之后的所有银行进行对比，综合考虑这两种差异的方法，本文采 用双重差分模型（DID） 。 5、数据分析过程与数据分析结果解释、数据分析过程与数据分析结果解释 （1）倾向得分匹配处理 本文分别绘制了经 PSM 处理后的处理组和对照组的 VNIM、 VEBTP 和 Z

18、SCORE 均值变动趋势， 如下图所示。 不难看到， 无论是处理组还是对照组的 VNIM、 VEBTP 和 ZSCORE 均值，均持续处于递减（递增）趋势，这说明 20102013 年样本银 行的收益波动性稳步下降。 图 1VNIM 均值变动趋势图 2VEBTP 均值变动趋势 图 3ZSCORE 均值变动趋势图 4 盈余波动性变量组间均值差变动趋势 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 5 根据研究设计，该研究进行 PSM 的处理组为 2010 年实施延付高管薪酬的 15 家银行，对照组为 20092013 年始终未实施延付高管

19、薪酬的银行，共计 87 家，通过 Probit 模型来估计倾向得分，采用核匹配法。 表 1 Stata 统计分析结果 将数据进行随机排序 以 loan10 为结果变量进行匹配 检验匹配后数据的平衡 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 6 绘制条形图，显示倾向得分匹配的共同取值范围 0.1.2.3.4.5 Propensity Score Untreated: Off supportUntreated: On support Treated 从上图中可以看出，大多数观测值均在共同取值范围内（on support） ，因此 在进行

20、倾向匹配得分时仅会损失少量样本。 以 roa10 为结果变量进行匹配 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 7 0.1.2.3.4.5 Propensity Score Untreated: Off supportUntreated: On support Treated 从上图中可以看出，大多数观测值均在共同取值范围内（on support） ，因此 在进行倾向匹配得分时仅会损失少量样本。 经过 PSM 检验的结果如表 1 所示： 表 1 2010 年实施延付高管薪酬银行的匹配平衡检验结果（20102013） variable

21、Unmatched Matched mean%reductt-test treatedcontrol%bias|bias|p|t| CAPU14.01712.95423.70.312 M14.01713.8763.286.70.932 LRPU2.41532.8396-37.60.278 M2.41532.418-0.299.40.994 LEVU7.01136.584318.00.515 M7.01136.97661.591.90.968 LDRU63.71176.608-16.30.658 M63.71163.5370.298.70.956 20172017 级企业管理级企业管理刘舂霞刘舂

22、霞220170910050220170910050 1 8 LOANU52.26251.1514.40.643 M52.26252.759-6.455.40.858 NPLU1.17532.3936-49.60.177 M1.17531.1766-0.199.90.996 ROAU1.0767.8790852.10.126 M1.07671.04488.483.90.827 相比匹配前，匹配后的处理组和对照组在资本充足率（CAP） 、贷款拨备率 （LPR） 、杠杆率（LEV） 、贷存比（LDR） 、贷款规模（LOAN） 、不良贷款率（NPL） 和资产收益率（ROA）水平等方面的差异大幅下降，各

23、匹配变量标准偏差的绝对 值均显著小于 10（Rosenbaum and Donald 指出，当匹配变量的标准偏差值的绝 对值大于 20 时可认为匹配效果不好） 。 从均值 T 检验的相伴概率值可知，匹 配后处理组和对照组在 2009 年的可观测变量上不存在显著差异。 因此， 可认为 作者选取的可观测变量合适且匹配方法得当，核匹配估计可靠。 （2）双重差分检验 表 2 stata 操作步骤 生成交互项，设置面板数据 结果显示为平衡面板数据 针对于因变量 VNIM 进行两次回归，第一次对交乘项和时间进行回归，第二 次加入控制变量后进行回归： 20172017 级企业管理级企业管理刘舂霞刘舂霞220

24、170910050220170910050 1 9 针对于因变量 VEBTP 进行两次回归， 第一次对交乘项和时间进行回归， 第二 次加入控制变量后进行回归： 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 10 针对于因变量 ZSCORE 进行两次回归，第一次对交乘项和时间进行回归，第 二次加入控制变量后进行回归： 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 11 针对于假设 1，也即当控制其他因素时，延付高管薪酬将导致更低的收益波 动性，采用平均处理效应进行检验，检验结果如表

25、 2 所示： 表 2 延付高管薪酬影响银行收益波动性的平均处理效应 变量 VNIMVEBTPZSCORE （1）（2）（3）（4）（5）（6） t *treated-0.3249*-0.2873*-0.1717*-0.1204*1.3989*1.5714* -4.1082-3.4964-3.1487-2.12702.59752.7140 t-0.08550.0241-0.0707*-0.03960.54631.0664 -1.59420.1734-1.9109-0.41311.46701.0824 LOANG0.0033*0.00070.0020 1.78680.56390.1572 CAP0

26、.0652*0.0371*0.1142 3.38722.80230.8384 SIZE-0.0679-0.1003-0.3773 -0.4932-1.0584-0.3875 LPR0.0709*0.0631*-0.0050 2.27572.9405-0.0228 LDR0.0057-0.00360.0173 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 12 1.1852-1.08700.5104 GDPG0.0265-0.00810.0766 0.9601-0.42360.3927 LEV-0.0625*-0.02870.0716 -

27、1.8063-1.20260.2919 ROE0.01170.0128*0.0807 1.54432.44551.5036 _CONS0.5088*-0.18470.3743*1.14904.4636*3.3945 15.9165-0.104716.98620.945320.57330.2719 样本量182174182174177175 R20.23600.35170.180.31290.12370.1636 F 值10.04*5.20*7.44*4.36*4.45*1.89* 银行数484748474747 上表列示了式（1）的面板双重差分检验结果，其中列（1） 、列（3） 、列（5） 是

28、没有加入其他控制变量的估计结果，列（2） 、列（4） 、列（6）是加入了其他 控制变量的结果。 可以看出， 无论是否加入其他控制变量， 交互项 ttreated 的 系数均显著为负（因变量为 ZSCORE 时则显著为正） ，这说明延付高管薪酬政策 显著降低了银行的收益波动性，从而证实了假设 1。 以上结果表明，如果仅比较平均处理效应而不考虑动态边际影响，延付高管 薪酬政策对于银行风险承担影响的净效应为： 延付高管薪酬降低了银行的收益波 动性，但同时反而提高了银行通过 LLP 进行盈余管理的动机。这与文中的假设存 在一定的矛盾。 表 3 stata 操作步骤 生成交互项，设置面板数据 针对于因变

29、量 VNIM 进行两次回归，第一次对交乘项和时间进行回归，第二 次加入控制变量后进行回归： 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 13 针对于因变量 VEBTP 进行两次回归， 第一次对交乘项和时间进行回归， 第二 次加入控制变量后进行回归： 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 14 针对于因变量 ZSCORE 进行两次回归，第一次对交乘项和时间进行回归，第 二次加入控制变量后进行回归： 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050

30、220170910050 1 15 因此，为了进一步检验延付高管薪酬对于收益波动性的影响，进行动态边际 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 16 效应检验，检验结果如表 3 所示： 表 3 延付高管薪酬影响银行收益波动性的动态边际影响效应 变量 VNIMVEBTPZSCORE （1）（2）（3）（4）（5）（6） t2011*treated-0.3190*-0.2790*-0.0934-0.06130.68450.9272 -3.2919-2.8528-1.4221-0.92031.06201.3752 t2012*treat

31、ed-0.3470*-0.3141*-0.1975*-0.1460*1.2815*1.5440* -3.5519-3.1374-2.9829-2.14181.97182.2348 t2013*treated-0.3085*-0.2655*-0.2294*-0.1743*2.3251*2.5599* -3.1328-2.5311-3.4371-2.44143.51383.5301 t2011-0.0395-0.0599-0.0201-0.03800.0678-0.1410 -0.7166-0.7353-0.5374-0.68480.1843-0.2513 t2012-0.0710-0.0777-

32、0.0413-0.06080.15880.0195 -1.2558-0.6378-1.0778-0.73320.42080.0231 t2013-0.09130.0143-0.04970.00040.18420.4175 -1.57770.0979-1.26670.00420.46350.4134 控制变量否是否是否是 _CONS0.5088*-0.16040.3739*1.09244.4682*4.3982 15.8033-0.090117.13880.902020.93910.3574 样本量182174182174177175 R20.23700.35310.21460.33070.16

33、580.2023 F 值6.63*4.41*5.83*3.99*4.11*2.06* 银行数484748474747 上表列示了式（3）的回归结果，当因变量为 VNIM 时，treatedt2011、 treatedt2012 和 treatedt2013 系数均显著为负，说明 2010 年延付高管 薪酬后银行的净息差波动率在 2011 年、2012 年和 2013 年均显著下降，且其 边际效应表现为先增后减。 当因变量为 VEBTP 时，交互项均为负，但只有 treatedt2012 和 treatedt2013 显著，说明延付高管薪酬政策对银行总体 经营收入波动性的影响表现出滞后性，效果在

34、政策实施后的第 2 年（2012 年） 开始显现，其边际效应呈递增态势。 当因变量为 ZSCORE 时，交互项系数均为 正， 其系数的显著性说明延付高管薪酬对 ZSCORE 的影响也具有滞后性，系数的 大小则表明 ZSCORE 在 2013 年有明显更高的提升幅度。 表 4 stata 操作步骤 平均处理效应 生成交互项 进行两次差分回归： 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 17 动态边际影响效应 生成交互项 进行两次差分回归： 20172017 级企业管理级企业管理刘舂霞刘舂霞22017091005022017091005

35、0 1 18 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 19 针对于假设 2，也即当控制其他因素时，延付高管薪酬能降低银行通过 LLP 计提进行盈余管理的动机，进行 DID 检验，结果如表 4 所示： 表 4 延付高管薪酬对银行盈余管理动机影响的 DID 检验 变量 LLP 平均处理效应动态边际影响效应 （1）（2）（3）（4） EBTP0.1391*-0.10330.1376*-0.0868 2.0826-0.93572.1228-0.7939 t-0.1017-0.1750 -0.9962-1.0521 t*EBTP0.0496

36、0.1501* 1.00832.1514 treated*EBTP-0.1577-0.0102-0.1381-0.0042 -1.2450-0.0744-1.1129-0.0309 t*EBTP-0.6013*-0.3757 -2.4467-1.3585 t*treated*EBTP0.3761*0.2496* 3.27951.9265 t2011-0.1112-0.2338 -0.9837-1.4498 t2012-0.1280-0.2200 -0.9677-1.1835 t2013-0.2509-0.2828 -1.6018-1.1555 t2011*EBTP0.03430.1318* 0

37、.65381.6997 t2012*EBTP0.04400.1367* 0.70941.7021 t2013*EBTP0.11930.1812* 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 20 如上表，列（1） 、 （2）为平均处理效应结果列示。其中列（1）为没有加入 其他控制变量的估计结果，可以看到，EBTP 的系数显著为正，这说明样本银行 存在显著的、通过 LLP 进行盈余管理的动机。 交互项 ttreatedEBTP 的系 数显著为正，说明延付高管薪酬加剧了银行通过 LLP 进行盈余管理的动机。 列 （2）为加入了其他控制变量

38、的回归结果，可以看到，交互项 ttreatedEBTP 的系数依然显著为正。 因此，列（1） 、列（2）的结果与假设 2 的预期相反， 即延付高管薪酬后银行通过 LLP 进行盈余管理的动机反而明显增强。 列（3）和列（4）则是动态边际影响效应的列示，它报告了式（4）的回归 结果， 可以看到， 三项交互项是 t2011treatedEBTP、 t2012treatedEBTP 和 t2013treatedEBTP 的系数均为正，从各系数的显著性和大小看，t2013 treatedEBTP 的系数明显更大且在 1%的水平上显著，这说明银行在延付高管 薪酬后的第 3 年有明显更强的盈余管理动机。结合

39、监管指引中对延期支付 的相关要求，作者认为 “ZSCORE 的组间均值差在 2013 年大幅提升”的现象 可能是由于高管在延付薪酬考核期满时通过 LLP 进行盈余管理的行为所致。 （3）稳健性检验： 该文研究以 2010 年监管政策出台作为高管延付薪酬政策的起始点，考 察期为 20092013 年。为了检验文中数据的可靠性，考虑处理组和对照组考察 期的变化，对处理组和对照组考察期进行如下改动：1）将原来的 20092013 年考察期缩短为 20092011 年， 即处理组为“2010 年开始延付高管薪酬的银行”， 共计15家， 对照组为“2009年2011年始终未实施延付高管薪酬的银行”， 在

40、2012 年和 2013 年实施延付高管薪酬的 25 家银行划入对照组。2）将原来的 2009 年 2013 年考察期缩短为 20092012 年，即处理组为“2010 年开始延付高管薪酬 的银行”，共计 15 家，对照组为“20092012 年均未实施延付高管薪酬的银行”， 在 2013 年实施延付高管薪酬的 8 家银行划入对照组。对重新处理后的处理组和 对照组进行和基本回归一样的回归分析。 表 5 stata 操作步骤 1.57071.7602 t2011*treated-0.5774*-0.3644 -2.0794-1.1495 t2012*treated-0.1649-0.0780 -

41、0.4838-0.2119 t2013*treated-1.1898*-0.9797* -3.3295-2.4408 t2011*treated*EBTP 0.3576*0.2411 2.83351.6510 t2012*treated*EBTP 0.17700.1101 1.15130.6622 t2013*treated*EBTP 0.6670*0.5570* 3.91422.9300 控制变量否是否是 样本量183163183163 R20.28890.39650.36310.4504 F 值6.454.234.933.61 银行数48444844 20172017 级企业管理级企业管理

42、刘舂霞刘舂霞220170910050220170910050 1 21 首先将数据进行随机排序 接着进行匹配，这一步骤的结果变量是 loan10 检验匹配后数据是否平衡，并绘制条形图 0.2.4.6 Propensity Score Untreated: Off supportUntreated: On support Treated 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 22 从上图中可以看出，大多数观测值均在共同取值范围内（on support） ，因此 在进行倾向匹配得分时仅会损失少量样本。 以npl10、roa10 为结

43、果变量的回归过程同上，即与以 loan10 为结果变量的 回归结果。 表 5 2010 年实施延付高管薪酬银行的匹配平衡检验结果（20102012） variable Unmatched Matched mean%reductt-test treatedcontrol%bias|bias|p|t| CAPU14.01712.87725.50.267 M14.01714.095-1.893.10.963 LRPU2.41532.8461-38.90.259 M2.41532.4895-6.782.80.836 LEVU7.01136.539520.10.460 M7.01137.0264-0.6

44、96.80.986 LDRU63.71176.222-16.40.656 M63.71163.1130.895.20.851 LOANU52.26251.59.90.748 M52.26252.561-3.960.80.918 NPLU1.17532.3841-50.80.167 M1.17531.2175-1.896.50.856 ROAU1.0767.8629357.20.092 M1.07671.0477.986.10.837 表 6 stata 操作步骤 生成交互项，设置面板数据 结果显示为平衡面板数据 针对于因变量 VNIM 进行两次回归，第一次对交乘项和时间进行回归，第二 次加入控

45、制变量后进行回归： 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 23 针对于因变量 VEBTP 进行两次回归， 第一次对交乘项和时间进行回归， 第二 次加入控制变量后进行回归： 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 24 针对于因变量 ZSCORE 进行两次回归，第一次对交乘项和时间进行回归，第 二次加入控制变量后进行回归： 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 25 表 6 延付高管薪酬影响银行收益波动

46、性的平均处理效应 变量 VNIMVEBTPZSCORE （1）（2）（3）（4）（5）（6） t *treated-0.223*-0.270*3.8821.3350.710*0.738* -2.447-2.8370.9620.3152.5882.478 t-0.142*-0.031-3.751-3.5660.253-0.317 -2.495-0.196-1.456-0.5081.455-0.646 LOANG-0.002-0.0910.004 -0.950-0.8410.523 CAP0.025-1.430-0.040 1.007-1.272-0.513 SIZE-0.017-7.1950.7

47、83 -0.090-0.8441.303 LPR0.059-2.038-0.028 1.158-0.877-0.179 LDR0.019*0.543*-0.006 2.8701.831-0.273 GDPG0.047-1.630-0.061 1.100-0.826-0.452 LEV-0.0270.7300.069 -0.6450.3740.522 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 26 ROE0.011-0.310-0.015 1.132-0.678-0.495 _CONS0.501*-1.5676.188*99.5264

48、.529*-2.600 14.398-0.6673.9470.94842.955-0.354 样本量135131133129132131 R20.23110.32860.03580.16010.17220.2061 银行数464546454545 表 7 stata 操作步骤 针对于因变量 VNIM 进行两次回归，第一次对交乘项和时间进行回归，第二 次加入控制变量后进行回归： 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 27 针对于因变量 VEBTP 进行两次回归， 第一次对交乘项和时间进行回归， 第二 次加入控制变量后进行回归： 2

49、0172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 28 针对于因变量 ZSCORE 进行两次回归，第一次对交乘项和时间进行回归，第 二次加入控制变量后进行回归： 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 29 表 7 延付高管薪酬影响银行收益波动性的动态边际影响效应 变量 VNIMVEBTPZSCORE （1）（2）（3）（4）（5）（6） t2011*treated-0.211*-0.232*4.4272.7160.4280.444 -2.014-2.1630.9560.5691

50、.3821.350 t2012*treated-0.235*-0.315*3.328-0.3070.997*1.087* -2.229-2.8160.715-0.0623.2073.172 t2011-0.079-0.039-4.542*-3.9980.082-0.273 -1.328-0.392-1.703-0.9030.461-0.896 t2012-0.139*0.000-3.564-2.4390.154-0.556 -2.3070.001-1.319-0.3360.859-1.120 LOANG-0.002-0.0920.004 -0.957-0.8450.558 CAP0.022-1

51、.537-0.017 0.878-1.347-0.223 SIZE-0.023-7.3820.826 -0.119-0.8621.401 LPR0.061-1.965-0.042 1.189-0.841-0.271 LDR0.020*0.566*-0.011 2.9351.889-0.517 GDPG(omitted)-1.466-0.095 -0.734-0.711 LEV-0.0220.9070.032 -0.5260.4580.246 ROE0.011-0.320-0.013 1.096-0.698-0.424 _CONS0.501*-1.5916.187*98.3104.529*-2.

52、418 14.317-0.6753.9250.93243.593-0.335 样本量135131133129132131 R20.23160.33390.03650.16480.20570.2451 银行数464546454545 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 30 表 8 stata 操作步骤 平均处理效应 生成交互项、进行两次差分回归： 动态边际影响效应 生成交互项 进行两次差分回归： 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 31 20172017 级企

53、业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 32 表 8 延付高管薪酬对银行盈余管理动机影响的 DID 检验 变量 LLP 平均处理效应动态边际影响效应 （1）（2）（3）（4） EBTP-0.001-0.5030.117-0.520 -0.140-1.1860.622-1.192 t0.096-0.427 0.893-0.999 t*EBTP0.0000.305* 0.1641.851 treated*EBTP0.4530.2690.2720.179 1.3270.6200.6930.410 t*EBTP-0.2260.089 -0.3510.129 t

54、*treated*EBTP0.2980.151 1.0220.467 t2011-0.063-0.1080.079-0.464 -0.684-0.6000.603-1.283 t2012(omitted)(omitted)0.165-0.673 1.030-1.356 t2011*EBTP-0.0380.252 -0.6201.467 t2012*EBTP-0.0480.392* -0.6212.014 t2011*treated-0.633-0.415 -0.910-0.554 t2012*treated0.6931.173 0.7551.238 20172017 级企业管理级企业管理刘舂霞

55、刘舂霞220170910050220170910050 1 33 t2011*treated*EBTP 0.5030.385 1.5871.105 t2012*treated*EBTP -0.094-0.332 -0.228-0.767 _CONS0.4326.722-2.4887.148 1.6551.554-0.5241.631 样本量136116136116 R20.22060.37950.24690.4134 银行数46444644 表 9 stata 操作步骤 首先将数据进行随机排序 接着进行匹配，这一步骤的结果变量是 loan10 检验匹配后数据是否平衡，并绘制条形图 201720

56、17 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 34 0.2.4.6 Propensity Score Untreated: Off supportUntreated: On support Treated 从上图中可以看出，大多数观测值均在共同取值范围内（on support） ，因此 在进行倾向匹配得分时仅会损失少量样本。以npl10、roa10 为结果变量的回归 过程同上，即与以 loan10 为结果变量的回归结果。 表 9 2010 年实施延付高管薪酬银行的匹配平衡检验结果（20102011） variableUnmatched Matche

57、d mean%reductt-test treatedcontrol%bias|bias|p|t| CAPU14.01712.93824.10.280 M14.01713.6488.365.80.817 LRPU2.41532.7674-32.90.335 M2.41532.5935-16.649.40.603 LEVU7.01136.531619.50.484 M7.01136.82017.860.10.822 LDRU63.71174.375-15.10.681 M63.71163.2560.695.70.881 LOANU52.26251.13514.90.625 M52.26252.5

58、14-3.377.60.927 NPLU1.17532.2375-47.80.192 M1.17531.233-2.694.60.794 ROAU1.0767.8459164.50.054 M1.07671.030812.880.10.665 表 10 stata 操作步骤 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 35 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 36 20172017 级企业管理级企业管理刘舂霞刘舂霞220170910050220170910050 1 37 表 10 延付高管薪酬影响银行收益波动性的稳健性检验 变量 VNIMVEBTPZSCORE （1）（2）（3）（4）（5）（6） t *treated-0.200-0.252*-0.108-0.0950.4530.235 -1.480-1.763-1.386-1.0811.2930.628 t-0.116-0.185-0.037-0.0000.058-0.636