1. 引言
党的二十大报告明确指出，要着力提高全要素生产率推动高质量发展。我国劳动人口自2010年开始出现负增长，人均抚养压力剧增，以劳动力、土地等生产要素推动经济发展的传统粗放模式难以持续。企业作为资本市场的主要组成者，想要实现建设现代化强国的目标，就必须坚持高速高质量发展。高质量发展的动力和源泉就是提高全要素生产率，而企业全要素生产率的提高是企业生产技术改进、人员管理模式优化、企业结构不断升级、产品质量持续提升等综合作用的结果。
为了缓解劳动人口下降带来的经济增速减缓的问题，提高企业全要素生产率、加快经济发展成为首要目标。全面提高全要素生产率、实现企业价值最大化是每个企业的最终追求。企业的管理者对企业的各项要素的配置安排起着至关重要的作用。管理层作为企业重要的掌舵者、决策者，控制着企业的发展方向。他们的决策会受到背景特征和既往经验的影响，改变企业各项要素投入与产出，从而影响企业的全要素生产率。拥有不同背景或特征的企业管理者可能做出不同决策，影响企业各项生产要素的使用效率。有金融从业经历的CEO有较强的抗压、抗风险能力，倾向选择风高风险、高收益的投资项目，增加企业的经营风险，影响全要素生产率。同时人力资源是企业的重要资源之一，探究CEO带来的影响，对于优化企业人员配置、保障企业稳步发展有很强的实际意义。
已有研究关注企业高管的背景特征对投资效率的影响，忽视了提高投资效率的最终目的是提高全要素生产率，将一整条关系割裂开来探究。CEO是管理层中重要的决策者，但研究CEO个人背景特征影响的文章比较缺乏。企业的人员结构会随着经济发展的情况有所改变，所以本文选用2010~2019年沪、深A股非金融上市公司为研究样本，从实证的角度出发，探究产权视角下CEO金融背景对企业全要素生产率的影响。
2. 文献综述
2.1. 高管的背景研究
Hambrickand Mason (1984) 提出高层梯队理论后，关于高管背景特征及其经济后果引起学者广泛关注。对于高管背景因素的研究，起初聚焦在有银行从业经验的高管上。祝继高(2015) [1] 认为有银行从业经验的高管有更多的金融人脉，所在企业的融资难度降低、资金持有量增加，企业的投资效率提高(曲进等2015) [2] 。但高管的金融背景不仅限于银行从业经历，而是应该将许多金融机构都囊括进来。现阶段学者对高管的金融背景进行了综合研究，将有过保险公司、证券公司、基金管理公司等从业经历的人都视作有金融背景(邓建平2017) [3] 。相关文献指出，具有金融背景的高管会通过改变企业投资结构，增加金融投资、减少实体投资来抑制企业创新(李刚2021) [4] ，同时也会利用已有的金融资源改善企业现金持有量优化现金持有水平。吴成颂(2021) [5] 研究发现有金融背景的高管代理成本更高，更易做出高风险的投资决策，加剧企业面临的经营的风险，降低企业投资效率。
除了研究高管团队的背景特征之外，CEO作为高管团队中的特殊决策者，其背景特征对于企业的影响更值得探究。代昀昊(2017) [6] 研究认为具有海外背景的CEO能够改善企业过度投资，提高企业投资效率。刘畅(2021) [7] 进一步发现CEO有海外的工作经历比学习经历更能促进企业的创新，从而提高企业全要素生产率。史燕萍(2021) [8] 发现有金融背景的CEO会因为过度自信，高估企业现金流的稳定性、减少企业持有现金，降低企业租赁融资占比。CEO的金融背景对实体企业金融化有显著的促进作用(杜勇2018) [9] ，对企业的创新投入稍有抑制，但整体上并未抑制企业创新。Custodio (2014) [10] 认为有金融背景的CEO会更积极的管理企业的财务政策，减少企业持有的现金。周锦培(2020) [11] 发现有金融背景的CEO会通过增加企业金融资产的占比，加剧企业的经营风险且降低企业经营绩效。
2.2. 全要素生产率的研究
现有文献主要探究了宏观经济政策与企业内部的各项因素对于企业全要素生产率的影响。宏观政策方面，经济政策的不确定性(刘帷韬，2021) [12] 会导致企业的非效率投资，抑制企业全要素生产率的提升。货币政策的不确定性(薛龙，2022) [13] 会导致制造业企业全要素生产率显著下降。环境规制(王杰，2014) [14] 与企业全要素生产率呈倒N型关系，在合理规制范围内随着规制程度加深全要素生产率也会相应提高，但规制程度过高反而会抑制企业全要素生产率的增长。
企业内部要素方面，岳宇君(2020) [15] 研究发现企业信息化水平升高会促进增加研发投入，从而显著促进全要素生产率。赵美涛(2021) [16] 研究发现融资租赁能够缓解企业面临的融资困境，带来足够的资金促进企业创新水平提升，从而提高企业全要素生产率。Keita (2014) [17] 发现企业出现腐败现象会使生产要素投入减少，整体生产效率降低，企业的全要素生产率也相应下降，但税收负担能够有效缓解腐败的负面影响。从企业的人力资源角度来看，投资者拥有高涨的投资情绪会提升企业全要素生产率(董礼2022) [18] 。企业家精神会对不同产业、产权性质、区域的企业有不同的影响(王娟2021) [19] 。高管的海外经历会对企业全要素生产率有显著的正向影响(盛明泉2019) [20] 。
2.3. 文献评述
现有文献研究表明，高管背景特征对企业的影响深远，多种因素均会影响企业的全要素生产率。然而，现有研究较多关注高管背景特征对企业投资效率的影响，忽视了CEO在高管团队中的特殊性，同时也忽视了投资效率对全要素生产率影响的机制分析。企业在聘用人员时很容易受到经济发展变化、管理结构调整的影响，不同情况下CEO的背景特征可能会产生不同的影响。为了减小宏观经济政策对微观企业行为产生的影响，本文重点检验金融危机后、疫情前CEO金融背景对企业的全要素生产率产生的影响。由于不同产权性质下，CEO的权力会受到不同限制，背景特征的影响也会有差异。基于此，本文结合产权性质探究CEO的金融背景对全要素生产率的影响。
3. 理论分析与研究假说
3.1. 金融背景的分析
“烙印理论”认为人的任何经历都会对以后的工作产生影响，CEO的金融从业经历会让他们具有更强大的抗压能力和适应能力。在工作中做出投资、创新决策时，有金融背景的CEO的决策会更加偏好风险，失去对风险与收益的全面判断，高收益、高风险项目使企业面临更大的经营风险。
CEO的金融从业经历能够积累金融行业人脉，有巨大融资途径优势，会更加吸引需要融资或融资困难的企业。为了聘用有金融背景的CEO，企业会为其提供高昂的薪酬，人力资源成本也因此提高。有了更多的融资渠道，企业能有充足资金能够投入到各项生产中去。但大量现金也未必能够提高全要素生产率。因为全要素生产率不是衡量企业生产水平、现金持有量的单一指标，而是衡量企业各项资源的开发利用效率的综合性指标。企业的生产、投资项目都有回收期，高薪聘请的CEO很难在短期内给企业带来综合效率的提高。人力资源成本增加、企业生产与投资短期内很难取得收益，企业全要素生产率也会因此下降。基于以上分析，本文提出假设1：
H1：有金融背景的CEO会显著抑制企业全要素生产率的提高。
3.2. 结合产权性质
公司的产权性质决定了不同治理方法，在不同企业中CEO的权力会受到影响。国有企业由国家及相关单位作为主要出资责任人，拥有企业各项事务的决策权。正是因为严密的决策制度，管理人员的权利制衡，CEO的任何决策都受到监督限制。国企的CEO大多由国家相关单位直接任命，很少在外部进行聘用，企业所需的人力成本较低。同时，国企的董事会是由直接授权的机构、个人组成，CEO在董事会中的话语权较低，受制于董事会，其金融背景带来的优势很难得到体现。非国有企业的管理体制不够严密，董事会对于企业的管理也更加松散，委托代理问题也更严重。非国有企业受到国家各项政策限制也更加宽松，CEO在决策制定上有更大的自主权，其金融背景带来的影响会体现的更明显。由此本文提出假设2：
H2：与国有企业相比，非国有企业中有金融背景的CEO对全要素生产率产生的影响更强。
3.3. 机制分析
CEO对企业产生影响的主要路径是，在制定经营决策的时候会体现出强烈的个人偏好，有经验的CEO会利用其金融从业的经验来为企业选择更加适应自身情况的投资项目，进行企业投资项目选择时会倾向自己曾经擅长的金融领域，选择更高风险的金融项目，而忽视其他领域的优质项目。有金融从业经历的CEO积累了很多金融人脉，他们的薪酬水平也更高。CEO为了体现自己的商业价值，更倾向于选择回收期短、收益高的高风险项目，将大量资金投入到这类项目中，加剧企业面临的经营风险，降低企业的投资效率，从而导致全要素生产率降低，甚至让企业陷入困境。所以本文提出假设3：
H3：有金融背景的CEO会抑制企业的投资增加从而降低企业的全要素生产率。
4. 研究设计
4.1. 模型构建
为检验上述假设，本文构建主要模型(1)：
(1)
其中μ表示行业固定效应，φ表示年度固定效应，i表示不同的企业，t表示数据所属年份，β为待估计参数。为了减少内生性的影响，对模型中的解释变量做滞后一期处理。
模型回归中本文主要采用LP法计算的全要素生产率(TFP-LP)。还采用FE方法(TFP-FIX)来代替LP法计算的值进行回归，验证稳健性。借鉴相关文献的做法，将CEO的金融背景定义为先前有过商业银行、政策性银行、保险公司、证券公司、基金管理公司或交易所等金融机构从业经验。若有过这类业的工作经历则视作有金融背景(Fin-back)，赋值为1，否则为0。
为了探究CEO对于企业全要素生产率的影响机制，本文选用投资效率(Inveff)作为中介变量。借鉴Richardson (2006)的做法，使用Richardson模型残差的绝对值来表示企业投资效率，残差的绝对值越大意味着投资效率越低。反之，残差越接近0则表示投资效率越高。
参考相关文献的做法，本文选取资产收益率(Roa)、资产负债率(Lev)、企业成立年限(Age)、企业规模(Size)、企业产权(Soe)等为控制变量。企业的产权性质虽然是调节变量但也在主回归模型中也作为控制变量。也同时还引入行业、年份等虚拟变量，具体的变量名称如表1所示：
4.2. 样本选取与数据来源
由于企业人员聘用受到不同经济状况的影响，考虑到新冠疫情爆发后企业的发展状况会影响企业对CEO的选择，所以本文选用2010~2019年沪、深A股上市公司的数据作为研究样本，并对样本数据进行如下处理：1) 剔除金融行业的上市公司样本2) 剔除ST、*ST 类上市公司3) 剔除数据不全的公司样本。最后得到了15,632条样本数据，均来源于国泰安数据库，同时运用stata16.0对数据在1%与99%水平上进行缩尾处理以消除极端值的影响。
5. 实证结果
5.1. 描述性统计
本文的所有变量的描述性统计如表2所示。LP法计算的均值为9.134，标准差为1.102，最大值为12.041，最小值为6.754。因为全要素生产率计算方法不同，固定效应模型估计的值比LP算法的更大，但是标准差相近。CEO的金融背景的均值为0.056，说明具有金融从业经历的CEO占全体CEO的5.6%。企业产权性质的平均值为0.389，国有企业的占比约为38.9%，说明国有企业的略少于民营企业。资产负债率的最大值约为0.901，最小值只有0.053，表明不同企业的负债比例差别较大。企业的上市年份将其取对数后列示，其余数据的分布情况如下表所示。
5.2. 相关性分析
5.2.1. 相关系数
由表3内数据可知，CEO的金融背景与企业的全要素生产率存在显著的负向相关关系，产权性质与全要素生产率也存在显著的相关关系。这为本文的两个主要假设的可行性奠定了基础，有利于研究进一步进行。
5.2.2. 多重共线性检验
为了验证变量间是否存在多重共线性，对变量进行多重共线性检验。根据表4可知，方差膨胀因子均小于3。
所有变量之间存在显著的多重共线性，可以下一步分析。
Table 4. Variance inflation factors
表4. 方差膨胀因子
5.3. 回归结果
5.3.1. 主回归结果
通过主模型的回归结果可以发现，全要素生产率显著的受到了CEO金融背景的影响。控制变量大多促进企业全要素生产能力。在控制了其他变量的情况下，有金融背景的CEO会降低企业全要素生产率，表中回归得出的相关系数为−0.053和−0.081，都在5%的水平上显著。验证了假设H1，可能由于企业雇佣有金融背景的CEO的人力成本和风险倾向性使得企业的全要素生产率显著下降。
5.3.2. 分组回归结果
为了验证不同产权性质中CEO金融背景对于企业全要素生产率的影响，根据产权性质将样本分为国有企业和非国有企业两组。再按照主回归模型，进行分组回归，结果如表5、表6所示。两组数据中金融背景与全要素生产率的相关系数均为负值，在国有企业中绝对值较小且更不显著。非国有企业的相关系数绝对值更大，在1%的水平上显著。回归结果表明：在非国有企业中，CEO的金融背景对企业全要素生产率的抑制作用比国有企业强。在国有企业中，虽然CEO的金融背景也会导致全要素生产率降低，但其结果并不显著。表明严密的国企制度确实很大程度上抑制了CEO的个人特征对企业决策的影响，可以判断假设H2成立。
Standard errors in parentheses. *p < 0.05, **p < 0.01, ***p < 0.001.
Table 6. Results of grouping regression
表6. 分组回归结果
Standard errors in parentheses. *p < 0.05, **p < 0.01, ***p < 0.001.
5.3.3. 机制检验结果
由表7中数据可知，相关系数的值为0.006且在1%的水平上显著，所以CEO的金融背景会使企业投资效率显著降低。为了进一步探究作用机制是否合理，将投资效率作为控制变量加入原模型中回归，结果显示CEO的金融背景对企业全要素生产率的负向影响仍在1%的水平上显著，与主回归模型相比其相关系数的绝对值更大。回归结果证明投资效率作为中介变量的假设成立。可以认为有金融背景的CEO制定企业的各项投资决策影响投资效率，从而使得企业的全要素生产率显著降低。
Standard errors in parentheses. *p < 0.05, **p < 0.01, ***p < 0.001.
5.4. 稳健性检验
1) 关于内生性问题，本文选择将自变量滞后一期，仍然能得出原假设。
2) 代替被解释变量，本文使用固定效应模型计算的全要素生产率来代替LP法计算出的值，经过检验发现CEO的金融背景仍然能够显著的影响企业全要素生产率，原假设仍然成立。相关表格在回归模型中已经列示，此处不再展示。
3) 代替解释变量，银行是金融行业中一个重要的组成部分。将CEO的金融从业背景更换为银行从业背景，进行回归后仍能得出原结论。回归结果如表8~10所示。
Table 8. Robustness test of principal regression
表8. 主回归稳健性检验
Standard errors in parentheses. *p < 0.1, **p < 0.05, ***p < 0.01.
Table 9. Robustness test of grouping regression
表9. 分组回归稳健性检验
Standard errors in parentheses. *p < 0.1, **p < 0.05, ***p < 0.01.
Table 10. Robustness test of mechanism test
表10. 机制检验稳健性检验
Standard errors in parentheses. *p < 0.1, **p < 0.05, ***p < 0.01.
6. 结论与启示
6.1. 研究结论
本文通过对2010~2019年沪深A股非金融类上市公司的数据进行研究，利用回归分析实证检验了CEO金融背景对企业全要素生产率的影响。本文得出以下结论：
在样本企业中，CEO金融背景对企业全要素生产率有显著的负向影响。CEO是企业重要的决策制定者，任何决定都会对企业的发展产生一定的影响。CEO在工作中会利用自己以往金融从业经验来做出更具风险的决定，降低企业全要素生产率。
在不同产权性质的企业中，CEO的金融背景的影响程度不同。国有企业结构严密，管理制度的科学合理，董事会对企业直接控制，CEO很难在决策制定过程中过多的体现自己的个人特征，有效降低对企业全要素生产率的影响。但非国有企业中管理结构更加松散，受各项政策的约束小，CEO的个人特征体现较为明显，金融背景的抑制作用更加显著。
金融背景的CEO会制定高风险投资决策，增加企业的投资风险、降低投资效率从而降低企业的全要素生产率。金融背景对企业的投资效率有显著的抑制作用，而投资效率对企业全要素生产率有显著的促进。这也合理的解释了CEO的金融背景其实是通过对不同的投资项目进行决策，才能够影响企业的全要素生产率，给二者之间搭建了一条作用桥梁。
6.2. 政策启示
企业在选聘CEO时要综合考虑其金融背景的影响，实现高管团队的背景的多元化，在追求融资渠道的同时，也要考虑到人力成本。高管团队中具有金融背景的成员占比过高，会导致企业偏向更高风险的投资，全要素生产率也因为过高的风险而显著下降，企业的发展也会因此受阻。
CEO在工作中要合理利用历史从业经验，杜绝盲目自信，一味的追求回收期短、高风险且高收益的投资项目，使各项资本的利用效率下降，最终导致企业全要素生产率降低。CEO要重视项目的风险，根据企业的实际情况来选择最适合企业的投资项目，不能为追求个人业绩、展现个人能力而企业的发展置于水深火热中。
对于政府而言，应当完善资本经济市场的制度，加强政策约束，促进其管理结构调整。非国有企业应当严格遵守国家政策，接受国家相关部门的监管，建立合理的决策制定程序。非国有企业受国家政策约束较小，其决策制定程序也较为单一，强化政府部门对非国有企业的监管、引导企业合理投资决策更具有迫切的现实意义。
基金项目
2022年江苏高校哲学社会科学研究重大项目(项目编号：2022SJD007)；2019年江苏高校哲学社会科学研究项目(项目编号：2019SJA0164)；南京信息工程大学中国制造业发展研究院2018年开放课题(项目编号：SK20180090-19)；2022江苏省品牌专业建设项目；2023年度江苏省研究生科研与实践创新计划项目。