摘要:本文基于2018-2023年中国A股非金融类上市公司面板数据,系统探究高管海外背景对企业对外投资行为的影响效应,并从企业产权性质、研发创新水平、融资约束程度三个维度切入,剖析企业异质性的调节作用。通过固定效应模型、稳健性检验与异质性分组检验开展实证分析,研究结果表明:具备海外背景的高管能够显著推动企业对外投资扩张,提升企业对外投资规模与投资概率;企业异质性在二者关系中发挥显著调节作用,非国有企业、高创新水平、低融资约束企业中,高管海外背景对对外投资的促进效应更强。本文研究结论为上市公司优化高管团队结构、精准开展国际化投资布局、提升企业国际竞争力提供实证支撑与决策参考。
关键词:高管海外背景;企业异质性;对外投资行为;国际化投资;调节效应
中图分类号:F272.91;F832.6 文献标识码:A
一、引言
随着我国“走出去”战略与高水平对外开放政策的持续推进,中国企业国际化进程持续提速,对外直接投资已成为企业整合全球资源、拓展市场空间、实现转型升级的核心路径。据商务部统计数据显示,2023年我国对外直接投资流量达1702.6亿美元,连续11年位列全球对外投资大国前列,A股上市公司已成为我国企业对外投资的核心主体。但当前企业国际化投资仍面临海外市场制度壁垒、信息不对称、跨国经营经验不足等诸多问题,多数企业对外投资存在盲目布局、投资效率偏低、风险抵御能力较弱等短板。
高管团队作为企业投资决策的核心主体,其认知能力、资源储备、国际视野直接决定企业国际化战略布局与投资行为。高管海外背景作为重要的人力资本特征,能够帮助企业打破跨国经营信息壁垒、适配海外市场规则、整合国际优质资源,对企业对外投资决策产生关键影响。同时,企业自身产权属性、创新能力、融资条件等异质性特征,会进一步改变高管海外背景的资源转化效率,使得二者关联关系呈现差异化特征。
现有学界围绕高管特征与企业对外投资的研究已形成一定成果。在高管海外背景相关研究中,宋建波等(2017)研究发现具有海外经历的高管能够显著提升企业国际化程度,降低跨国经营风险;李蕊等(2020)实证得出高管海外工作经历对企业对外投资的促进作用显著强于海外求学经历;王浩等(2022)认为高管海外背景能够通过缓解融资约束、提升创新能力间接推动企业海外投资布局。在企业异质性与对外投资研究领域,张宇等(2019)指出国有企业凭借资源优势对外投资意愿更强,而民营企业投资灵活性更高;刘畅(2021)研究证实高研发投入企业更易通过技术优势开展海外扩张;陈明(2023)发现融资约束会显著抑制企业对外投资行为,弱化管理层决策效率。
梳理现有文献可知,多数研究单独验证高管海外背景或企业异质性对对外投资的单一影响,鲜有研究将三者纳入同一分析框架,系统探究企业异质性在高管海外背景影响企业对外投资过程中的调节效应,且针对不同维度企业异质性的差异化作用机制缺乏细化实证检验。
基于此,本文以2018-2023年A股非金融类上市公司为研究样本,构建固定效应实证模型,聚焦高管海外背景对企业对外投资行为的核心影响,并从产权性质、研发创新、融资约束三个维度开展异质性检验,厘清不同企业特征下二者关系的差异规律。以期弥补现有研究短板,为企业优化高管团队配置、精准推进国际化投资、提升对外投资质量提供理论依据与实证支撑。
二、研究假设与模型设计
(一)研究假设
1. 高管海外背景与企业对外投资行为
具备海外背景的高管拥有成熟的国际市场认知、丰富的跨国经营经验、广泛的海外人脉资源,能够精准识别海外投资机遇、预判跨国经营风险,有效缓解企业国际化过程中的信息不对称与制度适配难题。同时,海外高管具备先进的国际化管理理念,能够优化企业海外投资决策流程,降低投资盲目性,提升企业对外投资意愿与投资规模。据此,本文提出假设H1:
H1:高管海外背景能够显著正向促进企业对外投资行为,即拥有海外背景高管的企业对外投资概率更高、投资规模更大。
2. 企业异质性的调节效应
企业自身资源禀赋、治理特征的差异,会直接影响高管海外资源的转化效率,使得高管海外背景对对外投资的影响呈现异质性特征,本文从产权性质、研发创新水平、融资约束三个维度提出调节假设。
从产权性质来看,国有企业受政策干预较强,国际化投资决策多具备政策导向性,管理层自主决策空间有限,海外高管的资源与认知优势难以充分发挥;而非国有企业决策灵活、市场化程度更高,能够快速依托高管海外资源开展海外投资布局。据此提出假设H2a:
H2a:相较于国有企业,非国有企业中高管海外背景对对外投资的促进效应更显著。
从研发创新水平来看,高创新水平企业拥有核心技术与产品优势,在海外市场具备更强的核心竞争力,能够将高管海外资源快速转化为海外投资优势;低创新企业缺乏核心竞争力,即便拥有海外高管资源,也难以有效开展规模化海外投资。据此提出假设H2b:
H2b:相较于低创新企业,高创新企业中高管海外背景对对外投资的促进效应更显著。
从融资约束来看,企业对外投资存在资金投入大、回收周期长的特征,低融资约束企业能够为海外投资提供充足资金支撑,保障高管海外投资决策落地;高融资约束企业受资金限制,即便高管识别出优质海外项目,也难以开展实质性投资布局。据此提出假设H2c:
H2c:相较于高融资约束企业,低融资约束企业中高管海外背景对对外投资的促进效应更显著。
(二)样本选择与数据来源
本文选取2018-2023年中国A股上市公司为初始研究样本,并进行如下筛选处理:(1)剔除金融、保险类上市公司,此类企业财务结构与投资模式具备特殊性;(2)剔除ST、*ST及退市企业,规避异常经营样本干扰;(3)剔除核心变量数据缺失的样本;(4)对所有连续变量进行1%和99%分位的缩尾处理,消除极端值影响。最终得到1862家上市公司、共计9310个年度面板观测值。
本文所有研究数据均来自国泰安CSMAR数据库、Wind金融终端,其中高管海外背景数据、企业对外投资数据、企业财务特征数据均取自CSMAR数据库,融资约束指标、研发创新数据由Wind终端补充匹配,数据真实可靠,满足实证研究要求。实证分析软件采用Stata17.0。
(三)变量定义
1. 被解释变量
企业对外投资行为(OFDI):本文从投资概率与投资规模两个维度衡量。一是对外投资虚拟变量(OFDI_dum),企业当年存在对外直接投资则赋值为1,否则为0;二是对外投资规模(OFDI_size),采用企业当年对外直接投资金额的自然对数衡量,数值越大代表企业对外投资规模越大。
2. 核心解释变量
高管海外背景(OverSea):参考主流研究界定,高管包含董事长、总经理、副总经理、财务总监、董事会秘书等核心管理层。若企业当年至少有1名高管拥有海外求学或海外工作经历,赋值为1,否则为0。
3. 调节变量
(1)产权性质(SOE):国有企业赋值为1,非国有企业赋值为0;
(2)研发创新水平(RD):以企业研发投入占营业收入的比值衡量,以年度行业均值为分界,高于均值为高创新企业(赋值1),低于均值为低创新企业(赋值0);
(3)融资约束(SA):采用SA指数衡量企业融资约束程度,SA指数绝对值越大,融资约束越高,以年度行业均值为分界,划分高、低融资约束两组。
4. 控制变量
参考现有研究,选取企业规模(Size)、企业年龄(Age)、资产负债率(Lev)、净资产收益率(ROE)、总资产周转率(TAT)、股权集中度(Top1)、董事会规模(Board)、独立董事比例(Indep)作为控制变量,同时控制年度固定效应与行业固定效应。各变量具体定义如表1所示。
(四)模型构建
为验证研究假设,本文构建多元回归模型如下:
OFDI = α + αOverSea + ∑Control + Year + Industry + ε
其中,OFDI为企业i第t年的对外投资行为(含虚拟变量与投资规模),OverSea为高管海外背景,Control为各控制变量,Year、Industry分别为年度、行业固定效应,ε为随机扰动项。在此基础上,通过分组回归验证企业异质性的调节效应。
三、实证结果与分析
(一)描述性统计
本文对所有核心变量及控制变量进行描述性统计,包含观测值、均值、标准差、最小值、最大值,结果如表1所示。
变量符号 | 变量名称 | 观测值 | 均值 | 标准差 | 最小值 | 最大值 |
OFDI_dum | 对外投资概率 | 9310 | 0.426 | 0.494 | 0.000 | 1.000 |
OFDI_size | 对外投资规模 | 9310 | 8.352 | 6.217 | 0.000 | 22.365 |
OverSea | 高管海外背景 | 9310 | 0.381 | 0.486 | 0.000 | 1.000 |
SOE | 产权性质 | 9310 | 0.352 | 0.478 | 0.000 | 1.000 |
RD | 研发创新水平 | 9310 | 0.048 | 0.036 | 0.001 | 0.215 |
SA | 融资约束指数 | 9310 | -3.862 | 0.524 | -5.126 | -2.317 |
Size | 企业规模 | 9310 | 22.685 | 1.326 | 19.852 | 26.987 |
Lev | 资产负债率 | 9310 | 0.418 | 0.203 | 0.052 | 0.896 |
ROE | 净资产收益率 | 9310 | 0.086 | 0.092 | -0.352 | 0.421 |
表1 变量描述性统计结果
由表1可知,样本企业对外投资概率均值为0.426,表明仅有42.6%的样本企业开展对外直接投资,我国A股上市公司对外投资参与度整体偏低;高管海外背景均值为0.381,说明38.1%的企业拥有海外背景高管,高管海外人力资本配置仍有较大提升空间。产权性质均值0.352,表明样本中非国有企业占比更高,符合A股市场企业结构特征。各变量标准差处于合理区间,无极端异常数据,样本分布较为均衡,适合开展实证分析。
(二)相关性分析
为规避多重共线性问题,本文对核心变量进行Pearson相关性检验,结果如表2所示。
变量 | OFDI_dum | OFDI_size | OverSea | SOE | RD | SA |
OFDI_dum | 1.000 | |||||
OFDI_size | 0.862*** | 1.000 | ||||
OverSea | 0.325*** | 0.308*** | 1.000 | |||
SOE | 0.112*** | 0.105*** | 0.083*** | 1.000 | ||
RD | 0.246*** | 0.231*** | 0.192*** | -0.068** | 1.000 | |
SA | -0.218*** | -0.204*** | -0.156*** | 0.092*** | -0.125*** | 1.000 |
表2 变量相关性分析结果
注:***、**、*分别代表在1%、5%、10%水平上显著,下同。
相关性结果显示,高管海外背景(OverSea)与企业对外投资概率、投资规模均在1%水平上显著正相关,初步验证假设H1,即高管海外背景能够推动企业对外投资。同时,各变量间相关系数绝对值均小于0.9,不存在严重多重共线性,模型设定合理。
(三)基准回归结果
为精准验证高管海外背景对企业对外投资行为的影响,分别以对外投资概率、对外投资规模为被解释变量开展基准回归,控制年度、行业固定效应,结果如表3所示。
变量 | (1)OFDI_dum | (2)OFDI_size |
OverSea | 0.286***(8.92) | 1.852***(9.65) |
Size | 0.152***(10.36) | 0.968***(11.25) |
Lev | 0.085**(2.42) | 0.526**(2.58) |
ROE | 0.126***(3.85) | 0.892***(4.26) |
常数项 | -2.856***(-15.62) | -18.652***(-16.89) |
年度固定效应 | 控制 | 控制 |
行业固定效应 | 控制 | 控制 |
N | 9310 | 9310 |
R² | 0.286 | 0.312 |
表3 基准回归结果
由基准回归结果可知,在控制企业财务、治理特征及固定效应后,高管海外背景的回归系数分别在1%水平上显著为正。其中,高管海外背景对对外投资概率的系数为0.286,对投资规模的系数为1.852,说明拥有海外背景高管的企业,对外投资概率显著提升,且对外投资规模明显扩大,正式验证本文假设H1。究其原因,海外背景高管的国际资源、经营经验与专业能力,能够有效破解企业国际化投资的信息壁垒与经验短板,显著提升企业对外投资意愿与投资质量。
(四)异质性检验
为验证企业异质性的调节作用,本文从产权性质、研发创新水平、融资约束三个维度进行分组回归,结果如表4所示。
变量 | 产权性质分组 | 研发创新分组 | 融资约束分组 | |||
国企 | 非国企 | 高创新 | 低创新 | 低约束 | 高约束 | |
OverSea | 0.152***(3.26) | 0.348***(9.12) | 0.392***(10.25) | 0.185***(4.02) | 0.365***(9.86) | 0.172***(3.85) |
控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
N | 3277 | 6033 | 4652 | 4658 | 4586 | 4724 |
R² | 0.241 | 0.325 | 0.358 | 0.226 | 0.342 | 0.218 |
表4 异质性检验结果(被解释变量:OFDI_dum)
从产权性质异质性来看,非国有企业组高管海外背景系数(0.348)显著大于国有企业组(0.152),说明非国有企业中高管海外背景对对外投资的促进效应更强,验证假设H2a。国有企业投资决策受政策、监管约束较强,管理层自主决策空间有限,海外高管资源难以充分释放;非国有企业市场化决策机制灵活,能够快速依托海外高管资源开展国际化投资。
从研发创新异质性来看,高创新企业组系数(0.392)远高于低创新组(0.185),验证假设H2b。高创新企业具备核心技术与产品竞争力,能够依托高管海外资源快速适配海外市场需求,实现投资落地;低创新企业缺乏核心竞争优势,海外投资竞争力不足,弱化了高管海外背景的赋能效果。
从融资约束异质性来看,低融资约束企业组系数(0.365)显著高于高约束组(0.172),验证假设H2c。企业对外投资属于重资产、长周期投资行为,低融资约束企业资金充足,能够为高管海外投资决策提供资金支撑;高融资约束企业资金短缺,即便识别优质海外投资项目,也难以落地实施,限制了高管海外背景的投资赋能作用。
(五)稳健性检验
为验证实证结论的可靠性,本文采用替换核心变量、缩短样本区间两种方式开展稳健性检验。一是将高管海外背景替换为“海外高管人数占高管总人数比例”的连续变量;二是将样本区间缩短为2019-2023年,剔除疫情初期数据干扰。稳健性检验结果如表5所示,核心变量系数符号、显著性与基准回归一致,说明本文研究结论具备良好的稳健性与可靠性。
变量 | 替换变量法 | 缩短样本区间 |
OverSea | 2.125***(8.76) | 0.279***(8.53) |
控制变量 | 控制 | 控制 |
固定效应 | 控制 | 控制 |
N | 9310 | 7758 |
R² | 0.305 | 0.291 |
表5 稳健性检验结果
四、研究结论与对策建议
(一)研究结论
本文以2018-2023年A股非金融类上市公司面板数据为研究样本,实证检验高管海外背景对企业对外投资行为的影响,并探究企业异质性的调节效应,最终得出以下结论:第一,高管海外背景对企业对外投资行为存在显著正向促进作用,拥有海外背景高管的企业对外投资概率更高、投资规模更大,海外高管的人力资本与资源优势能够有效赋能企业国际化投资;第二,企业异质性发挥显著调节作用,相较于国有企业、低创新企业、高融资约束企业,非国有企业、高创新企业、低融资约束企业中,高管海外背景对对外投资的促进效应更显著;第三,经过替换变量、缩短样本区间的稳健性检验后,本文核心研究结论依然成立,研究结果具备可靠性。
(二)对策建议
基于本文研究结论,结合企业国际化发展现状,提出以下对策建议:
1. 优化高管团队结构,引进海外高端人才。企业应重视高管海外人力资本的赋能价值,积极引进具备海外求学、海外工作经历的高端管理人才,充实高管团队国际资源与管理经验,依托海外高管的国际视野与资源优势,精准布局海外投资项目,提升企业国际化投资的科学性与有效性。
2. 立足企业异质性,精准推进国际化布局。国有企业应优化市场化决策机制,放宽管理层自主决策空间,充分释放海外高管的资源优势;低创新企业需加大研发投入,培育核心技术竞争力,为海外投资奠定产业基础;高融资约束企业应拓宽融资渠道、优化资本结构,缓解资金压力,保障海外投资决策落地实施。
3. 完善人才赋能机制,强化资源转化效率。企业应建立完善的海外高管激励与赋能机制,搭建国际资源整合平台,推动高管海外人脉、经验、信息资源转化为企业对外投资优势,规避海外投资风险,提升企业对外投资质量与国际市场竞争力,助力企业高质量“走出去”。
(三)研究不足与展望
本文仅从投资概率与投资规模维度衡量企业对外投资行为,未进一步区分投资类型、投资区位的差异化影响,后续研究可细化对外投资细分维度,深入探究高管海外背景对不同类型、不同区位对外投资的影响机制;同时,可进一步探究制度距离、行业竞争等外部因素的调节作用,丰富高管特征与企业国际化领域的研究成果。
