2.3 模型设计
本文采用单因素分析法和LSD法，将企业规模、所在地域、所在行业、股权集中度、国有股比例视为分类变量，并对各个控制变量内部的分类进行比较。然后，采用普通最小二乘回归，研究企业绩效与高管薪酬之间的相关性。在该前提下，采用分层回归方法进行研究，即首先判定同一个控制变量内部高管薪酬是否存在显著差异，若存在，则在回归方程的第一层放入该控制变量进行回归，然后在回归方程的第二层放入自变量进行回归。由于行业变量的分类比较特殊，不同行业的数值大小并无现实意义，因此本研究不将其纳入回归方程，只对其做基本分析。本文的回归方程如下：
LNCOMP 1 1SIZE 2LOCATE 3OC 4GOV 1 （1）（2） LNCOMP 2 5SIZE 6LOCATE 7OC 8GOV 9ROA 2 LNCOMP 3 10SIZE 11LOCATE 12OC 13GOV 14ROE 3 （3） LNCOMP 4 15SIZE 16LOCATE 17OC 18GOV 19EPS 4 （4）
其中， 代表常数， 代表各个影响因素的回归系数， 代表随机误差。方程（1）表示只纳入控制变量的回归方程，方程（2）在方程（1）的基础上纳入ROA，方程（3）在方程（1）的基础上纳入ROE，方程（4）在方程（1）的基础上纳入EPS。 2.4 数据采集
本文的研究数据均来自上海证交所、深圳证交所、中国证监会、各有关公司发布的公告和2010年年报。通过上海证交所和深圳证交所的网站进行搜索，我们发现福建上市公司数量已达71家。为了获得更加可靠的结果，在此基础上对样本数据进行二次筛选，按照惯例剔除行业为金融、保险业的上市公司（兴业证券，601377），也剔除业绩不佳的ST公司（ST厦华，600870；*ST福日，600203；ST三农，000732）。另外，剔除因注册信息更改而不属于福建的上市公司（华丽家族，600503；创兴资源，600193）。在数据没有缺失的情况下，最终得到65家有效样本公司。
3 数据分析
3.1 描述性统计
由原始数据得出，高管薪酬最高为1071.05万元，最低为26.36万元，前者是后者的40.6316倍，可以说，这个差距非常大；只有一家公司的总资产收益率小于0，两家公司的净资产收益率小于0，两家公司的每股收益小于0，表明福建上市公司的企业绩效总体表现比较好；所有公司中股权集中度低于50%的有55家；国有股比例低于50%的企业有57家；福建上市公司的企业规模平均值为2.6900，说明总体来说企业规模比较大；所在地域均值为0.8200，表明大部分公司处在福厦漳泉等经济较发达的地区。 3.2 相关性分析
通过对各个变量进行描述性统计，我们大致了解福建上市公司的总体情况。为了对各种变量有更进一步地了解，我们对其进行相关性分析。各个变量的Pearson相关系数见表2。从表2可以看出，高管薪酬与总资产收益率、净资产收益率和企业规模之间存在显著正相关关系，这验证了本研究的部分假设，表2也表明每股收益与高管薪酬不存在显著相关，另外，从控制变量看，所在地域、股权集中度和国有股比例与高管薪酬之间均不存在显著相关。这些相关分析的结论为进一步回归分析提供了依据。
表2 Pearson相关系数