查看原文
其他

Seminar | 恐怖袭击与CEO薪酬

爬虫俱乐部 Stata and Python数据分析 2022-03-15

本文讲解:张馨月

本文推介:李   虎

本文编辑:任   哲

近期,爬虫俱乐部举行论文workshop,由硕士生张馨月跟大家分享了论文:An ill wind? Terrorist attacks and CEO compensation[J],由硕士生李虎为大家总结本文要点。

原文信息

Dai Y , Rau P R , Stouraitis A , et al. An ill wind? Terrorist attacks and CEO compensation[J]. Journal of Financial Economics, 2020, 135(2) : 379-398.


近年来,恐怖袭击的威胁日益加剧。全球恐怖主义数据库(GTD)的调查数据显示,从1970年至2014年,美国共发生2600多起恐怖袭击事件。目前,虽然关于恐怖袭击对经济和股票市场的影响的文献越来越多,但基本都停留在宏观层面,微观层面的证据相对较少。Yunhao Dai,P. Raghavendra Rau,Aris Stouraitis和Weiqiang Tan四位学者(2020)深入到微观层面,使用GTD恐怖袭击数据和美国上市公司数据,探讨了恐怖袭击与公司高管薪酬之间的关系,并成功地将论文发表在了金融学顶刊JFE上。

首先,作者认为在恐怖袭击发生后,CEO的薪酬会增加,并给出了两方面的解释:(1)理性角度:恐怖袭击是一个发生概率很低但风险很大的事情,会增加CEO面临的风险和不确定性,因此,CEO会期望得到一个更高的补偿。(2)行为经济学角度:恐怖袭击等负面事件会对人的情绪造成影响,会让人做出悲观的预测,降低人的幸福感,因此,距离恐怖袭击发生地更近的CEO受到的影响会更大,面临的心理压力也会更大,他们需要更高的薪酬来补偿缺失的幸福感。总之,只有钱才能让他们感到安全。

接下来,作者构建了DID模型实证检验了恐怖袭击对公司CEO薪酬水平的影响。如果公司总部与恐怖袭击发生地点的距离在100英里以内,并且该恐怖袭击事件发生前三年没有类似的事件发生,作者就将其划分到实验组,否则为控制组。结果发现恐怖袭击对CEO的薪酬产生了显著的正向影响,在恐怖袭击发生后,距离恐怖袭击地点更近的公司,其CEO薪酬会有更大幅度的增加。

进一步地,为了说明估计结果的稳健性,作者使用了PSM-DID方法。首先,作者利用PSM方法将距离恐怖袭击发生地点较近的公司和同一个州内与该公司其他特征都尽可能相似但距离恐怖袭击发生地点尽可能远的公司的进行匹配,以使得实验组和控制组尽可能相似。然后,作者使用匹配上的样本进行DID估计,结果发现恐怖袭击的系数依然显著为正,这再一次证明相比距离恐怖袭击发生地更远的公司,距离较近的公司在袭击发生后得到了一个更高的“薪酬溢价”。

然后,作者研究了恐怖袭击对高管薪酬结构的影响,结果发现恐怖袭击的发生对公司权益类薪酬没有产生影响,但是会带来现金类薪酬的显著增加。对于这一结果,作者给出了如下两点解释:(1)公司在袭击发生后,会面临更大的财务压力,因此会采取更为保守的经营策略。(2)恐怖袭击发生可能会导致股票价格的下跌,因此CEO可能会对现金类收益更加偏好。

除此之外,作者还探讨了CEO的权力与薪酬之间的关系,因为CEO能在多大程度上影响薪酬是和CEO的溢价能力相关的。作者参考公司治理的相关文献,使用CEO薪酬高出其他高管中最高薪酬的比例、超预期离职率和CEO在这家公司的任期三个变量来度量CEO权力,将这三个变量和恐怖袭击的交互项加入模型中进行回归,结果表明权力更大的CEO会在袭击发生后获得更高的薪酬。

最后,作者研究了恐怖袭击对公司对其他高管和员工的影响,结果发现恐怖袭击的发生,会带来公司其他高管薪酬的下降,这说明在恐怖袭击发生后,CEO薪酬和其他高管的薪酬之间存在替代效应。此外,作者还发现恐怖袭击的发生并没有对员工的薪酬产生影响,这说明在恐怖袭击发生后,CEO薪酬和员工的薪酬之间不存在替代效应。

这是一篇很有趣的论文,作者深入到微观层面,使用DID方法研究发现,虽然恐怖袭击是一个负面事件,但却对受恐怖袭击影响的公司的CEO薪酬产生了正向影响。进一步研究发现,这一影响在薪酬结构层面是具有异质性的,恐怖袭击的发生对公司权益类薪酬没有产生影响,但是会带来现金类薪酬的显著增加。除此之外,权力更大的CEO会获得更高的薪酬溢价,而公司其他高管和员工并没有从中得到好处。





对我们的推文累计打赏超过1000元,我们即可给您开具发票,发票类别为“咨询费”。用心做事,不负您的支持!
往期推文推荐

代码补全,主题更换,Jupyter Notebook原来可以这样用?

【爬虫实战】“双十一”微博热搜实时跟进

Stata中的数值型变量分类神器--recode

fs命令——我们的小帮手

【邀请函】听说你还在为处理表格头大?

用stack取代excel的数据重整操作吧

  日期数据处理

          Seminar | 委托贷款:打开中国影子银行的黑匣子

          Seminar | 电话会议中的"non-answer"

         Python 爬虫必杀技:XPath

          面对相对路径和绝对路径的分岔口,你选对了吗?
         空间数据可视化之spmap命令

快速计算两地距离——geodist命令介绍

Seminar | CFO:努力影响财务信息环境吗?

Seminar | 企业层面成本加成的测算

朴素贝叶斯算法——以20Newsgroups数据集为例

【爬虫实战】利用scrapy框架爬取豆瓣图书信息

《我和我的家乡》影评高频词原来是这些!

一位大学党委书记的自我结束——风波里的学者本真

Seminar | JPX400指数的公司治理效应
关于我们


微信公众号“Stata and Python数据分析”分享实用的stata、python等软件的数据处理知识,欢迎转载、打赏。我们是由李春涛教授领导下的研究生及本科生组成的大数据处理和分析团队。

此外,欢迎大家踊跃投稿,介绍一些关于stata和python的数据处理和分析技巧。
投稿邮箱:statatraining@163.com
投稿要求:
1)必须原创,禁止抄袭;
2)必须准确,详细,有例子,有截图;
注意事项:
1)所有投稿都会经过本公众号运营团队成员的审核,审核通过才可录用,一经录用,会在该推文里为作者署名,并有赏金分成。
2)邮件请注明投稿,邮件名称为“投稿+推文名称”。
3)应广大读者要求,现开通有偿问答服务,如果大家遇到有关数据处理、分析等问题,可以在公众号中提出,只需支付少量赏金,我们会在后期的推文里给予解答。


您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存