基于集成学习方法对上市公司高管薪酬问题进行实证分析

摘要

合理的高管薪酬制度会更有利于上市公司长期的发展。文章从CSMAR数据库中选取了2018年公司高管薪酬以及与之相关的共9个变量,实证分析了高管的年龄、受教育程度等高管个人特征以及上市公司规模等公司特征对高管薪酬的影响,并以RMSE、MSE和R2作为模型性能指标,通过Adaboost、Bagging回归模型,加以K折交叉验证对高管薪酬进行预测。研究表明,文章中集成学习方法较一般回归模型对高管薪酬进行预测更稳定,拟合程度更好。在集成学习方法中,Bagging回归模型较Adaboost回归模型对薪酬的预测更好,同时,也发现公司的规模、高管的任职时间及年龄是对其薪酬影响最重要的三个变量。