Stata连享会 主页 || 视频 || 推文 || 知乎 || Bilibili 站
温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。
New!
lianxh
命令发布了:
随时搜索推文、Stata 资源。安装:
. ssc install lianxh
详情参见帮助文件 (有惊喜):
. help lianxh
连享会新命令:cnssc
,ihelp
,rdbalance
,gitee
,installpkg
⛳ Stata 系列推文:
作者:梁淑珍 (华侨大学)
邮箱:13514084150@163.com
目录
推介论文:Kaplan, S. N., M. Sorensen, 2021, Are CEOs different?, Journal of Finance, 76 (4): 1773-1811. -Link-, -PDF1-, -PDF2-, -Appendix-, -Replication-
什么样的人更容易被选为 CEO?
管理者想要成为 CEO 的同时,董事会也想聘任高效的 CEO 人才。然而,现有研究对以下问题所知甚少:
作者使用芝加哥咨询公司(ghSMART)提供的 2603 名高管职位候选人评估数据集,利用因子分析把高管特质归纳为四个因素:
研究发现:
本文使用 2000—2013 年高级管理人员(CXO)和其他人员(Other)的职业评估数据,共 2603 个观察样本,其中 CXO 的样本总数为 1319,Other 的样本总数为 1284。ghSMART 从五个层面 30 个具体特征对候选人进行打分。此外,作者通过公开信息收集被评估人员是否受雇及其职位,并跟踪后续的职业发展情况。
通过公开信息搜索招聘公司的相关信息,如 Orbis、CapitalIQ、Zoominfo.com、LexisNexis 等。招聘公司按照所有制类型、区位和规模进行分组。
研究助理从好人、风险承担者、个性、擅长销售和职业道路五个方面进行主观评价,有助于增强四个因素的解释力度。
作者提供的因子分析代码:
*-下载作者提供的压缩包,解压。网址为:
* https://onlinelibrary.wiley.com/action/downloadSupplement?doi=10.1111/jofi.13019
*-导入作者提供的源数据
import excel "other_sub_kaplan_MS_20170622.xlsx", firstrow clear
*-定义全局暂元
global varlist_chars s_hiresaplayers s_developspeople s_removesunderperformers s_treatspeoplewithrespect s_efficiencyofexecution s_networkoftalentedpeople s_flexibleadaptable s_integrityhonesty s_organizationandplanning s_calmunderpressure s_aggressive s_movesfast s_followsthroughoncommitments s_brainpowerlearnsquickly s_analysisskills s_strategicthinking s_creativeinnovative s_attentiontodetail s_enthusiasm s_persistent s_proactivity s_workethic s_setshighstandards s_listeningskills s_opentocriticism s_oralcommunication s_teamwork s_persuasion s_holdspeopleaccountable
*-因子分析
factor $varlist_chars, factors(4) ml blank(0.15) altdivisor protect(50)
因子分析是指从变量群中提取共性因子的统计技术,将众多的解释变量减少为几个公因子。factor(4)表示报告 4 个因子,表 1 中的空值表示|因子载荷|<0.15。从表 2 可以看出前 4 个因子可以解释 51.2%的特征变化。因子 1 在所有具体特质上均为正载荷,作者将其解释为综合能力;因子 2 的值有正有负,负载荷对应的特质更能体现候选人的执行能力,正载荷则更体现人际交往能力;因子 3 的正载荷解释为分析能力,负载荷解释为个人魅力;因子 4 的正载荷解释为战略能力,负载荷解释为管理能力。
表 1
表 2
作者根据职位、候选人是否受雇、所有权性质和规模分别计算四个因子得分,得到以下结果:
表 3
表 4
不论是否受雇,CXO 在四个因子得分的正负号保持一致。从得分情况上来看,CEO 与 CFO 有明显不同,CEO 平均综合能力强,有更强的执行能力、个人魅力和战略能力,CFO 的人际交往能力、分析能力和管理能力较强。COO 在因子 4 得分最低,说明 COO 的管理能力很强。不同职位间的差异均显著。
从图 1 和图 2 能够直观得看出 CXO 特质的差异。箭头的起点表示候选人的平均因子得分,箭头的终点表示受雇候选人的平均因子得分。图 1 展示了候选人与受雇候选人在因子 1(综合能力)和因子 2(执行能力和人际交往能力)得分上的差异,图 2 展示了候选人与受雇候选人在因子 3(个人魅力和分析能力)和因子 4(战略能力和管理能力)上的差异。图 1 中箭头均指向第一象限,说明受雇候选人具有更强的综合能力与人际交往能力,图 2 表明受雇候选人具有更强的个人魅力,这三个因子差异在统计学意义上显著,但战略能力无显著差异。
图 1
图 2
(限于篇幅,本文未展示论文中其他因子得分结果)
考虑所有制类型,上市公司候选人比风险投资公司和私营公司候选人具有更强的综合能力与分析能力。风险投资公司的 CEO 候选人具备更强的执行能力、个人魅力和战略能力。考虑公司规模,小公司 CEO 候选人有较强个人魅力和战略能力,大公司 CEO 候选人的综合能力和执行能力较强
*probit回归
probit hired s1-s4 incumbent_indicator female time_fe1-time_fe3 if t_ceo
probit hired s1-s4 incumbent_indicator female time_fe1-time_fe3 if t_cfo
probit hired s1-s4 incumbent_indicator female time_fe1-time_fe3 if t_coo
probit hired s1-s4 incumbent_indicator female time_fe1-time_fe3 if t_cxo
probit hired s1-s4 incumbent_indicator female time_fe1-time_fe3 if t_other
probit hired s1-s4 incumbent_indicator female time_fe1-time_fe3
表 5
从表 5 的回归结果可以看出,综合能力和人际交往能力越强的 CEO 候选人越有可能被聘任。
在本文研究中,作者还分别对候选人是否为在职员工、所有制类型、规模进行分组回归。实证结果表明:聘任公司的内部员工更有可能得到聘任机会,对于外部候选人来说,综合能力似乎更重要;不同所有制类型公司的招聘模式相似;大型企业聘任的候选人综合能力更强。
为了解决 ghSMART 评估数据的内生性问题,作者考虑了评估结果和因子特征对候选人职业发展的预测能力。
CEO 候选人在长期职业发展过程中仍担任 CEO 的比例为 76%,非 CEO 候选人最终担任 CEO 的比例为 16%;CFO 候选人成为 CEO 的比例为 10%,非 CFO 候选人成为 CEO 的比例为 40%。作者利用非 CEO 候选人最终成为 CEO 的样本来检验数据集的预测性。结果显示,成为 CEO 的非 CEO 候选人具有更强的综合能力、执行能力、个人魅力和战略能力,这与 CEO 候选人的特质相符。
使用 Probit 模型检验因子得分对后续职业的预测能力。结果表明,非 CEO 候选人成为 CEO 的概率和四个因子显著相关,非 CEO 候选人的综合能力、执行能力、个人魅力和战略能力越强,越有可能成为 CEO。因此证明了因子得分对后续职业发展的预测作用,支持 ghSMART 评估结果的有效性。
表 6
本文使用因子分析方法从 ghSMART 评估的 30 项具体特质指标中提取出 4 个因子,分别体现为综合能力、执行能力(人际交往能力)、个人魅力(分析能力)和战略能力(管理能力)。
研究发现,受雇候选人具有更强的综合能力、人际交往能力和个人魅力;董事会更可能聘任综合能力和人际交往能力强的 CEO 候选人;不同职位的高级管理者特质不相同。本文研究能为有志成为 CEO 的管理者提供指导,注重提升这四方面能力,以期成为董事会想聘任的 CEO。
Note:产生如下推文列表的 Stata 命令为:
lianxh 论文推介 复现
安装最新版lianxh
命令:
ssc install lianxh, replace
免费公开课
最新课程-直播课
专题 | 嘉宾 | 直播/回看视频 |
---|---|---|
⭐ 最新专题 | 文本分析、机器学习、效率专题、生存分析等 | |
研究设计 | 连玉君 | 我的特斯拉-实证研究设计,-幻灯片- |
面板模型 | 连玉君 | 动态面板模型,-幻灯片- |
面板模型 | 连玉君 | 直击面板数据模型 [免费公开课,2小时] |
⛳ 课程主页
⛳ 课程主页
关于我们
课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法
等
连享会小程序:扫一扫,看推文,看视频……
扫码加入连享会微信群,提问交流更方便
✏ 连享会-常见问题解答:
✨ https://gitee.com/lianxh/Course/wikis
New!
lianxh
命令发布了:
随时搜索连享会推文、Stata 资源,安装命令如下:
. ssc install lianxh
使用详情参见帮助文件 (有惊喜):
. help lianxh