高管团队权力和薪酬构成对高管离职的跨层影响
详细信息Cross-level Effects of Top Management Team Power and Compensation Composition on Top Managers' Turnover
-
摘要: 基于组织等级理论和公平理论的基本假定，以2011—2016年2 732家沪深两市A股上市企业的高管为样本，探索高管团队权力和薪酬构成对高管下一年个人离职行为的跨层影响，结果发现，高管团队权力和薪酬构成特征对高管离职的影响具有较大差异。从个人层面来看，高管与其他成员的权力差异能够显著抑制高管下一年的离职行为，且高管的权力水平加强了权力差异与高管离职之间的负向关系；然而，高管与其他成员的薪酬差异对其下一年的离职行为却具有显著的促进作用，且高管的薪酬水平削弱了薪酬差异与高管离职之间的正向关系。从团队跨层影响来看，高管团队权力不平等对高管下一年的离职行为有显著的抑制作用，而薪酬不平等则显著促进了高管个人的离职行为。Abstract: Based on the basic assumptions of organizational hierarchy theory and equity theory, this study used top managers from 2 732 A-share listed companies in Shanghai and Shenzhen stock markets from 2011 to 2016 as a sample and explored the cross-level effects of top management team (TMT) power and compensation composition on top managers' turnover in the next year. The results showed that the influences of TMT power and compensation composition on top managers' turnover were quite different. At the individual level, power dissimilarity between top managers and other TMT members significantly reduced top managers' turnover in the next year, and top managers' power level strengthened the negative relationship between power dissimilarity and top managers' turnover. However, compensation dissimilarity between top managers and other TMT members significantly promoted top managers' turnover in the next year, and top managers' compensation level weakened the positive relationship between compensation dissimilarity and top managers' turnover. At the team level, TMT power inequality significantly reduced top managers' turnover in the next year, whereas TMT compensation inequality significantly promoted top managers' turnover in the next year.
-
Keywords:
- top management team /
- power /
- compensation /
- dissimilarity /
- inequality /
- turnover
-
随着全球气候变化加剧，极端天气事件频发，中国气象灾害增多，给粮食生产带来严重挑战。近年来，在提高最低收购价、农业补贴和农业保险构成的“三位一体”农业政策体系中，作为规避自然风险、保障农业生产、稳定农民收入的重要手段，农业保险的重要性日益凸显[1-3]。特别是当前国内外形势复杂多变，自然资源环境约束进一步趋紧，粮食供求紧平衡态势将长期存在，促进农业保险高质量发展，加快完善粮食产业风险保障体系是保障国家粮食安全的必然举措。农业保险可发挥降低农业经营风险、稳定农户家庭收入和农业产量、为农户采纳新技术提供资金支持等作用[4-5]，能促进农户经营更多土地并增加投入，从而有助于实现规模经营[6]。随着农业现代化的推进和农业强国目标的提出，粮食产业链持续升级，产业投入持续增加，经营规模持续扩大，各类粮食经营主体对农业保险扩面提标的现实需求日益迫切。
中国自2007年开展政策性农业保险探索以来，政策推动农业保险快速发展。特别是2017年中央“一号文件”提出持续推进农业保险扩面提标增品，承保农作物面积持续扩大。2007年，中国承保农作物面积仅为2.3亿亩；到2022年，承保农作物面积已达21亿亩，约占全国播种面积的84%；①2023年, 玉米、稻谷、小麦三大主粮作物承保覆盖率超过70%，②提供风险保障金额从1 126亿元增长到3.34万亿元。③尽管如此，中国农业保险的保障水平仍然偏低[7]。为进一步推动农业保险发挥稳定农业生产、解决农民种地后顾之忧的作用，在“中央保大宗，地方保特色”的总体思路下，2018—2024年各年中央“一号文件”连续明确提出开展和扩大玉米、稻谷、小麦三大主粮作物完全成本保险和收入保险试点。试点地区从六省份个别产粮大县逐步扩大至13个粮食主产省份的826个产粮大县全覆盖，再扩至全国所有产粮大县，2024年实现全国全覆盖。这表明中央继续将粮食作物保险扩面提标作为保障粮食安全的重要着力点之一。
在实践中，各地在政策推动下逐步开展粮食作物保险扩面提标探索，但由于实际情况不同，实施进度差异较大，且由于实操层面承保理赔不规范问题一直未能从根本上得到解决，扩面提标落实难度大，影响了农户参保意愿和投保农户的获得感[8]。本文拟在梳理粮食作物保险政策脉络和已有研究发现的基础上，使用中国乡村振兴综合调查(以下简称“CRRS”)数据，分析全国10省份粮食作物保险的覆盖广度、覆盖深度和赔付情况等实践进展，对比部分地区保险扩面提标后的风险保障效果，讨论粮食作物保险实践中面临的问题和挑战，以期为完善粮食作物保险相关政策，推动农业保险高质量发展和助力保障国家粮食安全提供理论参考和实践依据。
一. 粮食作物保险扩面提标政策与相关研究进展
一 粮食作物保险扩面提标政策脉络
中国粮食作物保险始于2007年开始实施的以财政补贴保费为核心的政策性农业保险，最初只能保障物化成本，保障水平很低，逐渐不能满足因人工成本提升、种粮比较收益下降、市场波动加剧、极端天气增加等因素导致的粮食种植多元风险保障需求。党的十八届三中全会以来，党中央围绕服务农业现代化、助力乡村振兴、保障粮食安全持续开展农业保险提标探索，推动主要粮食作物等重要农产品保险的覆盖广度持续拓展和保障水平不断提升[7]。2017年财政部出台《关于在粮食主产省开展农业大灾保险试点的通知》(财金〔2017〕43号)，提出在河北、内蒙古、辽宁、吉林、黑龙江、江苏、安徽、江西、山东、河南、湖北、湖南、四川13个粮食主产省份选择200个产粮大县，面向适度规模经营农户开展农业大灾保险试点，保额覆盖直接物化成本和地租成本。④2018年财政部等三部委共同印发《关于开展三大粮食作物完全成本保险和收入保险试点工作的通知》(财金〔2018〕9号)，⑤提出自2018年开始，用三年时间在内蒙古、辽宁、安徽、山东、河南、湖北六个省份24个产粮大县开展三大粮食作物(水稻、小麦、玉米)完全成本保险试点，试点县名单由各省份按照中央标准自行确定。⑥
在首批试点地区完全成本保险推广工作取得显著成效的背景下，2021年财政部等三部委共同发布《关于扩大三大粮食作物完全成本保险和种植收入保险实施范围的通知》(财金〔2021〕49号)，⑦推动完全成本保险试点范围逐步扩大到河北、内蒙古、辽宁、吉林、黑龙江、江苏、安徽、江西、山东、河南、湖北、湖南、四川等粮食主产省份，要求2021年纳入补贴范围的实施县数不超过粮食主产省份内产粮大县总数的60%，2022年计划实现13个粮食主产省份500个产粮大县全覆盖。该通知发布后，各粮食主产省份积极回应并发布扩大完全成本保险实施范围工作方案，因地制宜推动农业保险由保农业生产部分成本逐渐向保总成本、保收入转变。由各粮食主产省份财政厅发布的试点推进工作方案可以发现，2018年开展试点的首批试点县(市、区)在2021—2022年维持试点县(市、区)身份不变，并且进一步扩展试点险种：除辽宁省鞍山市岫岩满族自治县外，其他2018年首批完全成本保险试点县(市、区)均在2021—2022年开展了水稻、小麦和玉米三大作物完全成本保险试点。同时，各粮食主产省份根据当地农业保险发展趋势和农户保险需求制定了差异化的实施方案。如2021年《湖南省财政厅关于水稻保险政策调整与试点申报的通知》(湘财金〔2021〕23号)规定，水稻完全成本保险中，适度规模经营农户(100亩以上)保额1 100元/亩，中小农户保额900元/亩；水稻大灾保险中，适度规模经营农户(100亩以上)保额800元/亩，中小农户保额500元/亩。可见，相较于农业大灾保险将保险责任仅限于自然灾害且将小农户排除在外，完全成本保险的风险保障水平明显更高。因此，自2022年起农业大灾保险试点政策停止，完全成本保险逐步全面推开。有调查显示，完全成本保险和收入保险试点对粮食稳产保供发挥了积极作用。2021年试点险种的亩均赔款高于直接物化成本保险95.5%，试点地区的三大主粮作物种植面积增加了38.28万亩。⑧2022年稻谷、小麦和玉米完全成本和种植收入保险的亩均保额是物化成本保险保额的2—2.5倍，在大多数省份达到亩收益的80%[9]。因此，2024年财政部、农业农村部、金融监管总局共同发布《关于在全国全面实施三大粮食作物完全成本保险和种植收入保险政策的通知》(财金〔2024〕45号)，提出自2024年起，在全国全面实施稻谷、小麦、玉米三大粮食作物完全成本保险和种植收入保险政策。部分政策措施如表 1所示。
表 1 部分粮食主产省份完全成本保险试点政策梳理单位：元 时间 政策名称 试点省份 试点险种 每亩保额 2021.5 湖南省财政厅关于水稻保险政策调整与试点申报的通知(湘财金〔2021〕23号)⑨ 湖南 水稻：适度规模经营农户(100亩以上) 1 100 水稻：中小农户 900 2021.7 关于做好2021年完全成本保险和收入保险工作的通知(鲁农计财字〔2021〕24号)⑩ 山东 稻谷 1 150 小麦 950 玉米 950 2021.7 关于印发《黑龙江省三大粮食作物完全成本保险和种植收入保险试点工作方案》的通知(黑财金〔2021〕73号)⑪ 黑龙江 稻谷 1 405 小麦 628 玉米 911 2021.7 关于印发《吉林省玉米和水稻完全成本保险工作方案》的通知(吉财金〔2021〕617号)⑫ 吉林 稻谷 1 100 玉米 750 2021.8 四川省2021年度三大粮食作物完全成本保险工作实施方案⑬ 四川 稻谷 1 100 小麦 700 玉米 800 2021.8 关于开展三大粮食作物完全成本保险和种植收入保险工作的通知(皖财金〔2021〕789号)⑭ 安徽 稻谷 1 000 小麦 860 玉米 700 2021.10 河北省三大粮食作物完全成本保险试点工作方案⑮ 河北 稻谷 1 500 小麦 950 玉米 800 2021.10 关于印发《河南省三大粮食作物完全成本保险实施方案》的通知(豫财金〔2021〕44号)⑯ 河南 稻谷 960 小麦 1 000 玉米 950 2021.10 江西省财政厅 江西省农业农村厅 江西银保监局关于开展水稻完全成本保险工作的通知(赣财金〔2021〕31号)⑰ 江西 水稻 850 2021.11 江苏省中央财政补贴型水稻、小麦、玉米三大粮食作物完全成本保险条款、费率表⑱ 江苏 - - 2022.7 省财政厅 省农业农村厅 省林业局 中国银保监会湖北监管局关于2022年度农业保险扩面提标及调整事项的通知(鄂财金发〔2022〕16号)⑲ 湖北 - - 注：“-”表示政策文件未公开相关数据。 二 粮食作物保险扩面提标的相关研究
按照国际经验，随着农业产业发展所处阶段变化，农业保险会从保产量转向保收入[10]，以提升风险保障水平。在中国当前实践中，完全成本保险是传统产量保险向收入保险转型的过渡产品，其保险金额除了覆盖传统产量保险所覆盖的农业生产过程中投入的化肥、地膜、种子、农药等直接物化成本以外，还覆盖了土地和人工成本，体现了农户的物权收益和劳动力收益[11]。它通过提高保险金额稳定投保农户的收益预期，能在一定程度上增加种粮农户的农业经营收入，从而有效调动投保农户的种植积极性，是粮食作物保险扩面提标的重要工具。虽然收入保险也是农业保险扩面提标探索的重要内容，但一方面主要农产品价格形成机制仍受政府较大干预，另一方面收入保险涉及的期货价格、地区平均产量等定损赔付标准对大多数农户来说不易理解，赔付不确定性较强，因而推广困难较大。目前，国内学者对粮食作物保险扩面提标的研究更多关注完全成本保险，且主要集中在以下三个方面。
一是完全成本保险在政策需求、政策落实、制度设计、科技支撑等方面的进展。刘露和王红[12]、陈军等[13]分析了农户对完全成本保险的需求和参保意愿。张宝海等对辽宁等六省份三大主粮作物完全成本保险和收入保险试点地区的调查发现，试点险种对规模经营主体的吸引力较强，在一定程度上促进了农业生产向规模化、集约化发展，但也存在与传统险种政策衔接不畅、保险条款设计不合理、保险机构服务能力不足等问题[14]。张璞提出完全成本保险在实施中存在投保信息、保额设定、费率厘定“三个不精准”和理赔时效性、理赔金额“两个不到位”，以及地方财政配套压力和农户投保压力随着保额提高不断加大等问题[15]。
二是完全成本保险对农户生产行为的影响。郭凤茹和任金政基于2022年四省农户调查数据分析了完全成本保险对农户耕地质量保护投资的影响及机制，发现参与完全成本保险可以通过提高农户预期收入、增加农户信贷可得性促进农户耕地质量保护投资，且保障水平对规模农户耕地质量保护投资的正向影响更强[16]。段湘冬等基于河南小麦完全成本保险试点区农户调研数据的研究发现，完全成本保险对“普通农户”农药减量有显著正向影响，对“规模农户”的施药行为没有显著影响[17]。
三是完全成本保险的政策效应。江生忠和李立达的研究发现，相对于传统产量保险，完全成本保险能更有效地平抑风险冲击带来的经济波动[11]。张锦华和徐雯利用2011—2022年粮食主产省份县级面板数据的研究发现，开展完全成本保险试点通过激励粮食作物播种面积扩大实现了增产，同时在低风险地区通过提高粮食单产显著促进增产，而在高风险地区虽显著促进了粮食播种面积扩大，但单产水平却显著下降[18]。徐雯和张锦华利用2003—2020年省级面板数据，考察了完全成本保险试点对农业碳排放水平的影响效应及作用机制，发现完全成本保险通过经营规模扩张、种植结构调整和要素投入调整三条渠道影响碳排放水平，但对高自然风险地区和低自然风险地区的政策效果截然相反[19]。
由于国内粮食作物保险扩面提标实践探索刚刚起步，可供研究的资料尚不充足，相关研究或聚焦于理论和机制分析，或聚焦于某地区实践探索，研究视角相对集中，定量分析依托数据的全面性和代表性欠佳，缺少对全国层面情况的总体分析。本文拟基于CRRS2020和CRRS2022村级和农户调查数据，对粮食作物保险在全国10个省份的覆盖状况和特征进行分析，讨论以完全成本保险为代表的粮食作物保险扩面提标的风险保障效果。CRRS按照多阶段分层随机抽样原则抽样，基于经济发展水平、区域位置以及农业发展情况等因素，分别从东部、中部、西部和东北地区随机抽取1/3数量的省份，在每个省份按照人均GDP将县域依次排序分为5组，从每个组内随机抽取1个县，再按照相同的方法在每个县抽取3个乡镇，从每个乡镇抽取经济发展较好和较差的2个村，最后根据村委会提供的花名册，等距随机抽取农户。调查样本覆盖全国10个省份、50个县(市)、150个乡(镇)、300个村庄，共获得3 800余份农户调查问卷及1.5万余个家庭成员的调查信息，样本具有一定的代表性。
二. 粮食作物保险扩面提标的实践进展
一 粮食作物保险的总体覆盖情况
CRRS2020和CRRS2022均在农作物层面关注了农户参与农业保险情况，为保证前后分析可比，本文所用的分析数据剔除了农作物种植类型数据缺失的样本，最终得到CRRS2020有效农户样本2 418户，其中粮食作物种植户(包括纯粮食作物种植户、兼种粮食作物和经济作物的兼作种植农户，下同)2 138户；CRRS2022有效农户样本2 573户，其中粮食作物种植户2 162户。具体数据如表 2所示。
表 2 农户样本分布与参与农业保险情况单位：户、% 全部样本 东部地区 中部地区 西部地区 东北地区 2020 2022 2020 2022 2020 2022 2020 2022 2020 2022 有效样本户数 2 418 2 573 502 520 551 557 1 092 1 239 273 257 纯粮食作物种植户数 1 455 1 338 252 193 280 285 655 604 268 256 兼作种植农户数 683 824 147 192 180 172 351 459 5 1 纯经济作物种植户数 280 411 103 135 91 100 86 176 0 0 参保占比 43.55 44.03 43.03 47.69 46.46 32.50 35.44 42.21 71.06 70.43 其中： 纯粮食作物种植户参保占比 28.08 26.89 25.70 24.23 26.86 19.39 19.23 22.36 70.33 70.43 兼作种植农户参保占比 14.14 15.35 16.93 21.54 16.51 11.85 15.02 17.51 0.73 0 纯经济作物种植户参保占比 1.33 1.79 0.40 1.92 3.09 1.26 1.19 2.34 0 0 纯粮食作物种植户参保率 46.67 51.72 51.19 65.28 52.86 37.89 32.06 45.86 71.64 70.70 兼作种植农户参保率 50.07 47.94 57.82 58.33 50.56 38.37 46.72 47.28 40.00 0 纯经济作物种植户参保率 11.43 11.19 1.94 7.41 18.68 7.00 15.12 16.48 - - 注：数据来源于CRRS2020和CRRS2022，下同。“-”表示不符合此情况，因东北地区样本中没有纯经济作物种植户。参保占比是指参保户占有效样本总数的比重；参保率是指该类种植户中参保户的占比。 1 参保农户占比不足一半，参保户以粮食作物种植户为主
表 2报告了农户样本分布与参与农业保险情况。相较2020年，2022年参加农业保险户数和参保户占比均有提高，参保占比从43.55%提高至44.03%。其中，东北地区参保占比最高，保持在70%以上；其次为东部地区和西部地区，参保占比均超过40%；中部地区最低，参保占比仅为32.50%。总体上看，参保户主要是粮食作物种植户，2020年和2022年参保占比分别达到42.22%和42.24%。纯粮食作物种植户参保率略有上升，从46.67%上升到51.72%；兼作种植农户参保率则略有下降，从50.07%下降到47.94%。
分地区来看，东部地区参保占比明显提高，从43.03%提高至47.69%，其中兼作种植农户参保占比和纯经济作物种植户参保占比均明显提高，而纯粮食作物种植户参保占比却有所下降。纯粮食作物种植户参保率和兼作种植农户参保率均有上升，且高于四个地区平均水平。中部地区参保占比明显下降，从46.46%降至32.50%，纯粮食作物种植户参保率和兼作种植农户参保率出现明显下降。西部地区参保占比提高最多，从35.44%提高至42.21%，纯粮食作物种植户参保率和兼作种植农户参保率均有所上升。东北地区各项指标变化不大，参保户基本都是粮食作物种植户，纯粮食作物种植户参保率超过70%，明显高于其他地区。
2 农户风险感知和农业保险服务可得性是影响农户参保的重要原因
如表 3所示，在表达了未参保原因的1 087个农户样本中，认为“灾害很少发生，没必要买”的农户占53.24%，即超过一半的农户因对风险感知不足而没有参保；因为“想参加但不知如何参加或无法参加”“不了解农业保险”“没有需要的保险品种”而末参保的农户分别占9.80%、4.94%和4.51%；因为“理赔麻烦，赔付不及时”而未参保的农户占4.16%。可见，部分农户因对参保途径不可得、对保险信息不可得、对保险产品不可得、对优质保险服务不可得而未参保。尽管2022年农业保险覆盖了所有种植户样本所在的全部288个行政村，但仍有23.41%的农户因农业保险可得性不足而无法参保。
表 3 农户未参与农业保险的原因分布单位：户、% 全部样本 东部地区 中部地区 西部地区 东北地区 户数 比重 户数 比重 户数 比重 户数 比重 户数 比重 灾害很少发生，没必要买 755 53.24 99 37.08 224 59.73 385 55.00 47 61.84 想参加但不知如何参加或无法参加 139 9.80 31 11.61 28 7.47 78 11.14 2 2.63 不了解农业保险 70 4.94 20 7.49 14 3.73 34 4.86 2 2.63 没有需要的保险品种 64 4.51 21 7.87 5 1.33 37 5.29 1 1.32 理赔麻烦，赔付不及时 59 4.16 8 3.00 14 3.73 34 4.86 3 3.95 表 3分地区数据显示，在四个地区，认为“灾害很少发生，没必要买”均是农户未参保的第一大原因，其中东北地区占比最高，为61.84%；其次为中部地区和西部地区，分别为59.73%和55%；东部地区最低，为37.08%。东部地区农户的风险感知能力相对较强，这与东部地区农业巨灾频发且造成直接经济损失较大有直接关系[20]。东部地区、中部地区、西部地区和东北地区因四类农业保险可得性不足而无法参保的农户分别达29.97%、16.26%、26.15%和10.53%。其中，东部地区、中部地区、西部地区农户更多是因参保途径不可得，“想参加但不知如何参加或无法参加”是农户未参保的第二大原因; 而东北地区农户更多是因优质保险服务不可得，“理赔麻烦，赔付不及时”是农户未参保的第二大原因。
3 不完全参保是农户的普遍选择
表 4报告了2020—2022年农户为农作物投保的情况。总体来看，种植户参保率最高的农作物是小麦，参保户占全部小麦种植户的53.76%；其次是稻谷和玉米，种植户参保率分别为48.44%和43.61%；经济作物和其他粮食作物种植户的参保率分别为15.55%和21.19%。同时，稻谷的户均参保亩数最高，为15.03亩；其次是玉米、小麦和其他粮食作物，户均参保亩数分别为11.62亩、10.39亩和9.96亩；经济作物的户均参保亩数最低，仅为1.72亩。在参保亩数占经营亩数的比例方面，小麦的参保亩数占比最高，为50.86%；其次是稻谷和玉米，分别为43.48%和41.70%；其他粮食作物和经济作物的参保亩数占比分别为17.94%和12.54%，明显低于三大主粮作物。
表 4 农业保险参保作物类型与亩数分布单位：亩、% 全部样本 东部地区 中部地区 西部地区 东北地区 稻谷 种植户参保率 48.44 36.79 56.52 39.27 84.71 户均参保亩数 15.03 6.69 14.18 0.90 76.90 参保亩数占比 43.48 33.81 53.12 35.38 71.70 小麦 种植户参保率 53.76 79.81 39.03 47.93 0 户均参保亩数 10.39 6.86 14.64 7.01 - 参保亩数占比 50.86 76.51 37.44 43.30 - 玉米 种植户参保率 43.61 68.05 23.91 41.08 57.22 户均参保亩数 11.62 4.94 9.06 6.41 50.81 参保亩数占比 41.70 64.31 22.68 39.18 56.74 其他粮食作物 种植户参保率 21.19 12.90 10.81 14.36 63.22 户均参保亩数 9.96 0.25 0.87 2.79 55.66 参保亩数占比 17.94 8.81 5.26 11.70 60.34 经济作物 种植户参保率 15.55 11.89 7.75 20.79 - 户均参保亩数 1.72 0.78 2.79 1.77 - 参保亩数占比 12.54 10.24 5.89 16.56 - 注：表中“-”表示不符合此情况，因东北地区样本中没有小麦和纯经济作物种植户，下同。 分地区看，东部地区小麦和玉米种植户参保率均明显高于其他三个地区，分别高达79.81%和68.05%;小麦和玉米参保亩数占比也为四个地区最高，分别达到76.51%和64.31%。中部地区小麦的户均参保亩数明显高于其他三个地区，为14.64亩。东北地区稻谷种植户参保率达84.71%，稻谷户均参保亩数为76.90亩，稻谷参保亩数占比达到71.70%，玉米户均参保亩数为50.81亩，均为四个地区最高，其他粮食作物的种植户参保率、户均参保亩数和参保亩数占比也远高于其他三个地区。
二 三大主粮完全成本保险覆盖情况
1 三大主粮完全成本保险在行政村层面的覆盖面有待扩展
从CRRS2022的村庄调查数据和农户调查数据来看(见表 5)，2022年稻谷完全成本保险覆盖了4个村共41个农户，小麦完全成本保险覆盖了9个村共88个农户，玉米完全成本保险覆盖了17个村共168个农户。玉米和小麦的覆盖面明显较大。分地区看，东部地区完全成本保险覆盖村数量最多，共12个，占东部地区调研村庄数量的15.58%，其中玉米和小麦完全成本保险覆盖村分别为6个和5个。中部地区完全成本保险覆盖村共7个，占11.67%，其中玉米和小麦完全成本保险覆盖村分别4个和2个。西部地区完全成本保险覆盖村共10个，占8.26%，其中玉米和小麦完全成本保险覆盖村分别为6个和2个。东北地区完全成本保险覆盖村仅1个，占3.33%，为玉米完全成本保险覆盖村。
表 5 2022年三大主粮完全成本保险覆盖村数量分布单位：个 全部样本 东部地区 中部地区 西部地区 东北地区 村数 户数 村数 户数 村数 户数 村数 户数 村数 户数 稻谷 4 41 1 12 1 7 2 22 0 0 小麦 9 88 5 46 2 21 2 21 0 0 玉米 17 168 6 53 4 43 6 64 1 8 2 三大主粮完全成本保险在农户层面的覆盖面明显超过物化成本保险
表 6报告了三大主粮物化成本保险与完全成本保险参保率分布、经营规模和亩均保额。总体来看，三大主粮完全成本保险参保率均明显高于物化成本保险参保率，其中稻谷、小麦和玉米完全成本保险参保率分别高达72.54%、64.78%和63.21%。在经营规模方面，稻谷完全成本保险参保户的经营亩数均值为34.91亩，与物化成本保险参保户接近；小麦完全成本保险参保户经营亩数均值为17.59亩，明显低于物化成本保险参保户的均值(27.96亩)；玉米完全成本保险参保户经营亩数均值为27.47亩，略低于物化成本保险参保户的均值(30.35亩)。在亩均保额方面，稻谷、小麦、玉米完全成本保险的亩均保额分别为793.35元、934.86元和788.67元，而相应物化成本保险的亩均保额分别为215.74元、292.66元和235.12元。三大主粮完全成本保险的亩均保额均高于物化成本保险两倍多。
表 6 三大主粮物化成本保险与完全成本保险参保户投保和经营情况单位：%、亩、元 全部样本 东部地区 中部地区 西部地区 东北地区 物化成本保险 完全成本保险 物化成本保险 完全成本保险 物化成本保险 完全成本保险 物化成本保险 完全成本保险 物化成本保险 完全成本保险 稻谷 种植户参保率 24.41 72.54 20.51 74.36 27.69 72.31 18.49 76.47 33.33 65.28 经营亩数均值 34.28 34.91 2.31 25.28 34.45 22.61 2.75 2.51 80.03 115.72 亩均保额 215.74 793.35 142.75 933.33 322.76 1 037.38 180.45 736.29 188.38 874.75 小麦 种植户参保率 31.99 64.78 21.18 74.71 36.36 63.64 48.15 45.68 - - 经营亩数均值 27.96 17.59 6.57 9.43 48.60 34.91 24.32 7.96 - - 亩均保额 292.66 934.86 309.72 935.17 301.29 947.00 267.38 900.00 - - 玉米 种植户参保率 34.03 63.21 22.65 72.93 35.37 64.63 42.12 54.52 22.81 74.56 经营亩数均值 30.35 27.47 6.77 8.35 43.97 43.00 22.55 12.23 100.98 85.71 亩均保额 235.12 788.67 341.00 926.93 271.54 943.83 218.44 697.25 135.54 756.67 注：样本总数中剔除了保额为缺失值的样本。 分地区来看，各地区三大主粮完全成本保险参保率均高于物化成本保险参保率。东部地区稻谷完全成本保险参保户的经营亩数均值为25.28亩，远高于物化成本保险参保户的均值(2.31亩)；但小麦和玉米的两类保险参保户经营亩数均值差异不大。中部地区稻谷和小麦的完全成本保险参保户的经营亩数均值均明显低于物化成本保险参保户；但玉米的两类保险参保户经营亩数均值基本相似。西部地区小麦和玉米的两类保险参保率差距不大，小麦和玉米的完全成本保险参保户的经营亩数均值均明显低于物化成本保险参保户；但稻谷的两类保险参保户经营亩数均值近乎相等。东北地区稻谷的完全成本保险参保户的经营亩数均值明显高于物化成本保险参保户，但玉米却正相反，完全成本保险参保户的经营亩数均值远低于物化成本保险参保户。在亩均保额方面，东部地区和中部地区稻谷和玉米完全成本保险亩均保额均达到了900元以上，明显高于西部地区和东北地区；东部地区、中部地区和西部地区小麦完全成本保险亩均保额大致接近，均为900元及以上。
三 农业灾害损失与粮食作物保险赔付情况
1 参保农户受灾比例较高，但风险管理能力普遍较弱
表 7报告了参与农业保险的农户遭受灾害与风险应对情况。总体来看，参保户中有657户遭受过灾害，占全部参保户的57.99%。关于灾害造成损失的最大因素，77.47%的受灾户认为是巨灾难以应对；12.02%的受灾户认为自己缺乏应对灾害的知识和技能；11.57%的受灾户认为自己的种植技能和土壤、灌溉等种植条件不好。有53.74%的受灾户因灾减产的比例超过30%。⑳仅21.48%的农户在受灾后采取了补救措施，补救措施花费均值为2 680.75元。采取补救措施的农户中53.85 %的农户主要使用自有储蓄作为补救经费；13.46%的农户主要依靠政府救助；仅7.79%的农户以农业保险赔款作为补救经费来源。
表 7 三大主粮种植户遭受灾害与减损应对情况单位：户、%、元 全部样本 东部地区 中部地区 西部地区 东北地区 遭受灾害的户数 657 136 89 306 126 受灾户占比 57.99 54.84 49.17 58.51 69.61 因灾减产比例 43.58 40.66 40.24 48.29 38.03 因灾减产超过30%的受灾户占比 53.74 54.25 46.81 60.25 42.42 灾害造成损失的最大因素 巨灾难以应对 77.47 77.84 76.40 74.18 85.71 缺乏应对灾害的知识和技能 12.02 13.24 12.36 11.76 11.11 种植技能和土壤、灌溉等种植条件不好 11.57 14.71 7.87 14.38 3.97 采取补救措施的农户占比 21.48 22.93 22.34 22.88 15.79 补救措施花费均值 2 680.75 4 207.45 5 541 1 422.93 1 931.25 补救经费来源(前三项排序) 自有储蓄 53.85 67.34 45.27 49.99 55.29 政府救助 13.46 6.41 20.12 18.57 0.00 农业保险赔偿金 7.79 9.62 10.06 8.57 0.00 分地区来看，东部地区受灾户占比处于较高水平，达到54.84%；因灾减产比例也处于较高水平，超过40%；因灾减产超过30%的受灾户占比也较高，达到54.25%。中部地区受灾户占比为四个地区最低，但也达到了49.17%；因灾减产比例和因灾减产超过30%的受灾户占比在四个地区处于中等水平。西部地区受灾户占比较高，为58.51%；因灾减产比例均值高达48.29%，为四个地区最高；因灾减产超过30%的受灾户占比最高，达到60.25%。东北地区受灾户占比高达69.61%，为四个地区最高；因灾减产比例略低，但也达到38.03%。
各地区受灾户认为巨灾难以应对而遭受损失的比例都很高，东北地区最高，达到85.71%；认为自己缺乏应对灾害的知识和技能而导致损失的受灾户占比在四个地区大致接近；东部地区和西部地区认为自己的种植技能和土壤、灌溉等种植条件不好而导致损失的受灾户占比高于中部地区和东北地区。东部地区、中部地区和西部地区采取灾后补救措施的农户占比相近，均超过22%；而东北地区采取灾后补救措施的农户占比仅为15.79%。各地区农户采取补救措施的经费均主要来源于自有储蓄。东部地区、中部地区和西部地区采取补救措施的农户中以农业保险赔偿金作为补救经费主要来源的占比为10%左右，东北地区为0。
2 理赔户占比较高，赔付保障力度较弱
表 8报告了三大主粮保险参保户中受灾户的理赔与赔偿金占比情况。总体来看，约七成受灾户在受灾后申请了理赔，物化成本保险参保户申请理赔占比为72.10%，略高于完全成本保险参保户(69.42%)。为了分析两类保险的赔付保障力度，本文选取“赔偿金占灾害发生时生产投入总额的比例”(以下简称“赔偿金占比”)作为依据。由表 8可知，三大主粮作物中稻谷物化成本保险的赔偿金占比为45.02%，高于完全成本保险赔偿金占比(32.26%)；玉米物化成本保险的赔偿金占比为32.75%，高于完全成本保险赔偿金占比(24.49%)；仅小麦物化成本保险赔偿金占比低于完全成本保险赔偿金占比，两者分别为12.80%和32.56%。
表 8 三大主粮保险参保户理赔与赔偿金占比情况单位：% 全部样本 东部地区 中部地区 西部地区 东北地区 物化成本保险 完全成本保险 物化成本保险 完全成本保险 物化成本保险 完全成本保险 物化成本保险 完全成本保险 物化成本保险 完全成本保险 参保户申请理赔占比 72.10 69.42 73.81 63.27 46.15 67.31 76.00 68.45 80.00 80.25 稻谷赔偿金占比 45.02 32.26 63.75 26.10 40.79 44.76 27.50 42.71 47.05 15.36 小麦赔偿金占比 12.80 32.56 10.00 27.43 5.16 28.35 18.88 43.71 - - 玉米赔偿金占比 32.75 24.49 32.86 15.40 39.22 31.45 33.52 32.51 26.13 6.93 分地区来看，东部地区物化成本保险参保户申请理赔占比为73.81%，略高于完全成本保险(63.27%)；稻谷物化成本保险的赔偿金占比为63.75%，为四个地区最高，但完全成本保险赔偿金占比仅为26.10%，处于较低水平；小麦物化成本保险的赔偿金占比仅为10%，明显低于完全成本保险(27.43%)；玉米物化成本保险的赔偿金占比(32.86%)明显高于完全成本保险(15.40%)。中部地区两类保险参保户申请理赔占比差异最大，物化成本保险参保户申请理赔占比为46.15%，为四个地区最低，且明显低于完全成本保险(67.31%)；稻谷两类保险赔偿金占比较接近，均在40%以上；小麦物化成本保险的赔偿金占比为四个地区最低，不足完全成本保险的20%；玉米物化成本保险的赔偿金占比为39.22%，略高于完全成本保险(31.45%)。西部地区物化成本保险参保户申请理赔占比为76%，略高于完全成本保险(68.45%)；稻谷物化成本保险的赔偿金占比为27.50%，为四个地区最低，但完全成本保险赔偿金占比为42.71%，处于较高水平；小麦物化成本保险的赔偿金占比为18.88%，明显低于完全成本保险(43.71%)；玉米两类保险赔偿金占比较接近，在33%左右。东北地区参保户申请理赔占比为四个地区最高，两类保险参保户申请理赔占比均约80%；稻谷物化成本保险的赔偿金占比为47.05%，处于较高水平，但完全成本保险赔偿金占比仅为15.36%，为四个地区最低；玉米两类保险赔偿金占比均为四个地区最低，但物化成本保险的赔偿金占比为26.13%，明显高于完全成本保险(6.93%)。
三. 粮食作物保险扩面提标实践中面临的问题与挑战
通过前述分析可以发现，中国政策性农业保险经过近20年的发展，已取得明显成效，但粮食作物保险扩面提标在实践中仍然存在一系列问题，特别是以完全成本保险为代表的扩面提标探索仍处于起步阶段，发展面临挑战。
一 粮食作物保险覆盖广度和深度仍待拓展
根据CRRS2022的数据，粮食作物保险覆盖广度和深度均仍有较大拓展空间。如前所述，从农户层面来看，经营种植业的农户中参保农户占比不足一半；纯粮食作物种植户参保率最高，也仅为51.72%，兼作种植农户参保率相比2020年甚至出现下降，2022年参保率不足二分之一(见表 2)。即使如此，三大主粮种植户参保率也远高于其他粮食作物和经济作物；而在三大主粮中，小麦和稻谷种植户的参保率又略高于玉米(见表 4)；三大主粮完全成本保险覆盖行政村的比例也较低。同时，农户不完全参保行为是非常普遍的，大多数农户仅将部分地块的农作物参保。小麦种植户不完全参保程度最低，参保亩数占比也仅为50.86%，即仅为约一半的作物种植面积投保，稻谷和玉米的参保面积仅为种植面积的四成多，其他粮食作物和经济作物的参保面积均不足种植面积的两成(见表 4)。这意味着各类种植户的保险需求仍待激发，农业保险服务的覆盖广度和深度仍待拓展。
二 风险认知偏差和风险管理意识不足影响参保积极性
农户普遍存在风险认知偏差，即使面临严峻的气候风险，也不必然参加农业保险[21]。如果缺乏风险管理教育，就会导致风险感知能力较弱的农户在主观上参与农业保险的需求不足。根据CRRS2022的数据，风险认知偏差和风险管理意识不足是粮食种植户参保积极性低的重要原因之一。农户未参保的第一大原因是认为“灾害很少发生，没必要买”，且仅21.48%的农户在受灾后采取了补救措施，都在一定程度上证明了这一点。事实上，粮食作物保险领域基层专业人员少，承保前对农户保险教育不到位的情况比较普遍。很多保险公司仅在县政府所在地设置基层分支机构，且专业人员配备不足，农业保险承保需由协保员或村委会统一代办。但协保人员普遍缺乏专业知识、服务意识和服务能力，进行保险教育往往只是为了顺利收到保费，教育内容简单，与定损理赔条款相关的内容严重不足，且讲解不专业，甚至误导，不能有效发挥纠正农户认知偏差和提升保险意识的作用。
三 农业保险行业生态仍待完善
农业保险行业生态不完善是导致粮食作物保险有效供给不足的关键原因。农户对保险信息、参保途径、保险产品和优质保险服务的不可得，表明农业保险宣传教育的效果有限，承保机构未能充分触达农户，产品设计不尽合理，承保机构服务能力不足，因而农业保险的有效供给不足，农户无法获取符合自身需求的高质量的农业保险服务。近年来，农业保险行业生态仍显单一，有效促进农业保险机构体系发育的市场环境仍未形成，承保机构和组织总体上数量有限，且国有保险公司占主导地位，民营商业保险、合作保险发育严重不足，成规模的商业性农业保险公司和农村合作保险组织数量很少。农业保险市场存在的区域间市场分割和区域内垄断经营，导致承保机构缺少创新服务机制、提升服务质量的激励。同时，农业保险市场上专业中介组织发展滞后。在实践中，卫星遥感、大数据行业的科技公司等各类专业机构可以在查勘、定损、理赔等环节以各种形式为保险公司提供中介服务。这既能降低农业保险机构的服务成本，又可以引入第三方损失评估机制，从而提升农业保险的服务效率和服务质量。但是，政策性农业保险对保险中介组织的参与持谨慎态度，商业农业保险发展缓慢进而对农业保险中介组织服务的有效需求不足，使得农业保险中介组织的生存发展空间受限，未能发挥应有作用。而保险公司不能有效利用中介组织在数据处理、客户沟通、解决方案优化等方面的成本和技术优势，仅靠自身系统内部团队进行产品服务创新也具有视角的局限性。这导致良好运作的农业保险生态系统难以形成，不利于农业保险市场整体竞争绩效的提升。
四 理赔不充分导致真实保障水平难以提升
粮食作物保险的保额提升并不必然意味着保障水平的提升。从数据看，三大主粮参保户中完全成本保险参保率均超过60%，远高于物化成本保险参保率；三大主粮完全成本保险的亩均保额均为物化成本保险的三倍多(见表 6)。但是，从赔付情况来看，遭受灾害损失的参保户采取补救措施的主要经费来源仍是自有储蓄，来源于农业保险赔偿金的不足一成(见表 7)。同时，赔偿金占灾害发生时生产投入总额的比例总体偏低，稻谷的物化成本保险赔偿金占比最高，但赔偿金仍不足灾害发生时生产投入总额的一半(见表 8)。分品种来看，稻谷和玉米的完全成本保险赔偿金占比均低于物化成本保险，说明保额较高的完全成本保险在实践中的保障水平甚至比不上保额较低的物化成本保险。只有小麦的完全成本保险赔偿金占比明显高于物化成本保险。同时，各地区的风险保障水平也存在明显差异。在中部地区和西部地区，稻谷的完全成本保险赔偿金占比高于物化成本保险，而在东部地区和东北地区则正相反，且地区间差异较大，例如完全成本保险赔偿金占比最高的中部地区(44.16%)高于最低的东北地区(15.36%)近30个百分点(见表 8)。这些都意味着“重保轻赔”问题较为严重，保额提升只是提高了农业保险的名义保障水平，在一些地区并未能提升真实保障水平。
五 承保理赔不精准阻碍粮食作物保险扩面提标促进规模经营作用发挥
粮食作物保险行业实现精准承保和精准理赔面临较大困难，这可能是导致农业保险扩面提标不能有效引导规模经营的原因。有研究显示，高保障保险会促进实现规模经营[22]。从理论上讲，规模经营主体从事专业化经营的比例更高，这意味着农业投入更多，经营收入来源相对单一，经营风险较大，因而他们应该更偏好高保障保险。但从CRRS2022的数据看，完全成本保险参保户的平均平均经营规模甚至普遍明显低于物化成本保险参保户的平均经营规模。事实上，在很多地区，出于对数据安全的考虑，农地承包经营权数据不向保险公司或第三方机构公开，很多保险公司无法实现人地核验，承保面积并不精准，加上农户的不完全承保行为较为普遍，灾害发生后受灾地块是否参保也难以确定。因此，理赔不规范问题在种植业中也更为明显。同时，在调研中发现，很多规模经营主体通过流转土地扩大了经营规模，但并没有购买农业保险，原因是拥有转入地块承包经营权的农户通过村协保员统一参保，规模经营主体转入土地却无法再参与政策性农业保险，因而无法享受完全成本保险风险保障。这进一步阻碍了粮食作物保险扩面提标发挥促进规模经营的作用。
四. 关于粮食作物保险未来发展的思考
为有效发挥粮食作物保险在稳定种粮农户收益、支持乡村振兴、更好服务保障国家粮食安全等方面的作用，未来应继续完善政策支持体系，创造良好市场环境，利用新技术发展契机，推动粮食作物保险扩面提标探索创新。
一 在顶层设计上进一步完善粮食产业风险保障体系，建立有效服务农业强国建设的农业保险市场多元发展机制
遵循政府引导、市场化运行原则推动适时出台“农业保险法”，立法明确政府的引导、支持者角色及市场的主导作用。根据各地区各类型粮食作物农业风险评级，采取多种保险模式，建立“基本风险+加层保障+最终救助”的多层次农业风险保障体系。深化农业保险市场体制机制改革，加快构建有助于维护农业保险市场竞争秩序的制度体系。在粮食作物保险领域明确商业保险、合作保险和政策性保险的合理定位并推动分工协作，实现农业保险机构的多元化发展，促进农业保险市场的有序良性竞争。进一步完善以农户需求为导向的农业保险服务体系建设和产品创新激励机制，健全多层次多元化的农业保险产品服务体系。着力激发农业保险体系创新力，提升农业保险行业的服务能力，拓展粮食作物保险的覆盖广度和深度。
二 借助新技术大发展的契机，建立有效机制提升农户风险认知和风险管理意识
应依法确立并广泛普及保险补偿优于政府救助的农业灾害损失补偿理念，提升社会公众的整体风险认知水平和风险管理意识。鼓励农业保险机构积极采纳大数据、物联网、3S+5G等技术手段开展服务创新，构建“线上+线下”一体化农村金融网络服务体系，延伸服务半径，拓宽服务渠道，加强对目标客户群体的专业化风险管理教育。优化农业保险承保、定损、理赔等环节的操作规范性，提高服务质量和效率，改善参保农户体验，纠正已有的认知偏误。探索对三大主粮作物提供普惠性的、中央和省级财政全额补贴的农业巨灾保险，并设置较高的起赔点，只有发生巨灾时才启动赔付，三大主粮作物的所有种植者都可以投保。对不愿意缴纳保费的小农户，由免费的普惠性农业巨灾保险提供基本保障。
三 构建多元参与的粮食产业风险管理组织体系，优化农业保险行业生态
建立健全“政府+保险公司+中介组织+社会公众”多元参与的农业风险管理体系，充分激发不同主体利用各自优势进行风险前置管理的积极性。鼓励发展农业保险中介行业，放宽对发展农业保险中介的政策限制，引导专业机构利用技术、组织、管理等优势，促进农业保险领域的信息收集、汇总、衔接，通过各种中介服务有效发挥保险教育、需求发现、产品创新等作用，鼓励多元主体参与到粮食产业风险管理体系中，发挥市场机制在定价、供需匹配方面的决定性作用。鼓励专业机构高效整合与利用气象、植保、价格、历史等多维度数据，优化农业风险防控平台，积极拓展包括作物长势监测、病虫害识别、农业灾害损失风险地图等在内的农险增值服务，综合运用多种风险规避方法，提高粮食产业风险管理水平。
四 着力破除阻碍农业保险行业发展的制度和技术障碍，优化定损理赔机制，提高农业保险行业勘查定损的合理性和承保理赔的精准度，切实提升粮食作物保险保障水平
加大农险信息共享平台的建设力度，完善信息共享平台运作机制，填补省级信息共享平台缺口，扩大信息共享平台受众范围，使各省(市、区)农业数据应享尽享。进一步加强数据归集，尽快统一数据标准。相关部门应围绕农业保险物联网、云计算、区块链等数字技术研发、创新应用的数据需求，共建农业保险综合数据库，尽可能为农业保险机构、技术研发机构汇集共享数据，推动粮食作物保险实现精准承保和合理勘查定损，使精准承保和精准理赔有“数”可依。加强对农业风险区划、气象灾害分布等数据成果的科学采用，在农业保险风险定价、承保验标、定损赔付和风险管理等方面，可由相关政府部门牵头协调，但应强化保险公司、行业协会、科技公司等专业机构的主体地位，避免相关政府部门在费率厘定、定损理赔等环节的过度干预，提升农业保险风险定价的科学性和定损理赔的精准性，确保“应赔尽赔”，使粮食作物保险扩面提标有效发挥作用。
① 数据来源：《农业保险守护中国粮仓》，新华网，http://www.xinhuanet.com/money/20230224/39e28db648fc4d70845e080743ba73e6/c.html，访问日期：2024年3月25日。
② 数据来源：《三大主粮覆盖率超70%！我国农业保险规模居全球前列》，央视新闻客户端，https://content-static.cctvnews.cctv.com/snow-book/index.html?item_id=10757859046797041318&channelId=1119&track_id=d2710352-2bc9-4cea-aae2-4ffce67a1bb8，访问日期，2024年3月25日。
③ 数据来源：《全国农业保险已为1.25亿户次农户提供风险保障3.34万亿元》，央视网，https://news.cctv.cn/2023/08/22/ARTIBAxq7ZUk4PCIngy7PLtk230822.shtml，访问日期：2024年3月25日。
④ 《财政部将在粮食主产省开展农业大灾保险试点》，中国政府网，https://www.gov.cn/xinwen/2017-05/31/content_5198358.htm，访问日期：2024年3月25日。
⑤ http://jrs.mof.gov.cn/zhengcefabu/201808/t20180831_3003951.htm，访问日期：2024年3月25日。
⑥ 完全成本保险试点县(市、区)共20个，具体包括：内蒙古自治区的莫力达瓦旗和喀喇沁旗；辽宁省的岫岩满族自治县和北票市；安徽省的太湖县、宿松县、和县和东至县；湖北省的公安县、沙洋县、黄梅县和枣阳市；山东省的肥城市、桓台县、济阳区和阳谷县；河南省的兰考县、鄢陵县、汝州市和项城市。
⑦ http://jrs.mof.gov.cn/zhengcefabu/phjr/202106/t20210629_3726782.htm，访问日期：2024年3月25日。
⑧ 数据来源：《三大主粮作物农业保险扩面提标：明年实现13个粮食主产省份产粮大县全覆盖》，中国政府网，http://www.gov.cn/zhengce/2021-07/11/content_5624116.htm，访问日期：2024年3月25日。
⑨ https://czt.hunan.gov.cn/czt/xxgk/tzgg/202105/22706005/files/a1aeebacc1fd45aaa4b055e42ad68b09.pdf，访问日期：2024年3月25日。
⑩ http://nync.shandong.gov.cn/zwgk/tzgg/tfwj/202107/t20210715_3673361.html，访问日期：2024年3月25日。
⑪ https://czt.hlj.gov.cn/czt/c110792/202107/c00_30613890.shtml，访问日期：2024年3月25日。
⑫ http://czt.jl.gov.cn/zwgk/zzfg/202107/t20210726_1250346.html，访问日期：2024年3月25日。
⑬ 《我省实施三大粮食作物完全成本保险》，https://www.sc.gov.cn/10462/10464/10797/2021/8/13/be89e1e548ef43329fed889caff5ec4f.shtml?time=0.2024418526040913，访问日期：2024年3月25日。
⑭ https://czt.ah.gov.cn/public/7041/146064111.html，访问日期：2024年3月25日。
⑮ 《我省86个产粮大县推行三大粮食作物完全成本保险试点》，https://zrzy.hebei.gov.cn/heb/xinwen/bsyw/szfxw/10767004900714770432.html，访问日期：2024年3月25日。
⑯ https://czt.henan.gov.cn/2023/02-13/2687882.html，访问日期：2024年3月25日。
⑰ https://www.jiangxi.gov.cn/art/2021/10/25/art_5091_3697348.html，访问日期：2024年3月25日。
⑱ 《我省印发三大粮食作物完全成本保险条款大幅提升三大主粮保障水平》，https://czt.jiangsu.gov.cn/art/2021/11/9/art_7913_10103156.html，访问日期：2024年3月25日。
⑲ https://nyt.hubei.gov.cn/zfxxgk/zc_GK2020/qtzdgkwj_GK2020/tz/202405/t20240517_5194074.shtml，访问日期：2024年3月25日。
⑳ 粮食作物保险大多将起赔点设为30%，即遭受保险责任范围内的自然灾害事故受到损失但损失率在30%以下的，保险人不负责赔偿。
-
表 1 高管个人层面变量描述统计和相关矩阵
变量 1 2 3 4 5 6 7 8 9 10 1.性别 1.000 2.年龄 0.120*** 1.000 3.学历 0.034** -0.084*** 1.000 4.权力 0.095*** 0.147*** 0.067*** 1.000 5.薪酬 0.061*** 0.164*** 0.204*** 0.130*** 1.000 6.年龄差异 -0.050*** 0.037*** -0.123*** 0.024*** -0.100*** 1.000 7.学历差异 0.018*** 0.062*** -0.137*** 0.007* -0.034*** 0.121*** 1.000 8.权力差异 0.037*** 0.071*** 0.021*** 0.827*** 0.053*** 0.061*** 0.009** 1.000 9.薪酬差异 -0.013*** -0.029*** 0.023*** 0.084*** -0.229*** 0.104*** 0.039*** 0.071*** 1.000 10.离职 0.011*** 0.064*** -0.009** -0.048*** -0.166*** 0.062*** 0.031*** -0.056*** 0.239*** 1.000 均值 0.860 46.794 3.280 1.200 12.825 7.435 0.901 0.583 0.542 0.100 标准差 0.348 6.789 0.848 0.488 0.850 3.441 0.410 0.336 0.445 0.297 注：N=86 271；*p＜0.05，**p＜0.01，***p＜0.001。 
下载: 导出CSV
表 2 高管团队及企业层面变量描述统计和相关矩阵
变量 均值 标准差 1 2 3 4 5 6 7 8 1.企业规模 22.007 1.473 1 2.企业经营绩效 4.901 99.531 -0.039*** 1 3.TMT性别比例 0.149 0.153 -0.164*** -0.006 1 4.TMT年龄多元化 5.898 2.312 -0.157*** 0.034*** 0.114*** 1 5.TMT职能背景多元化 0.447 0.201 -0.015 -0.018* -0.091*** -0.006 1 6.TMT学历多元化 0.504 0.156 0.002 0.011 -0.015 0.124*** 0.084*** 1 7.TMT权力不平等 0.409 0.123 -0.292*** 0.024** 0.125*** 0.110*** -0.043*** -0.045*** 1 8.TMT薪酬不平等 0.375 0.245 -0.045*** -0.001 0.114*** 0.158*** 0.006 0.047*** 0.071*** 1 注：N=12 196；*p＜0.05，**p＜0.01，***p＜0.001。
下载: 导出CSV
表 3 高管个人离职影响因素分析结果
参数 模型1 模型2 模型3 模型4 零模型 固定斜率 随机斜率 跨层主效应 回归系数截距(γ00) 0.093***(0.001) 0.096***(0.001) 0.091***(0.001) 0.091***(0.001) 个体层面特征 性别(γ10) 0.019***(0.003) 0.018***(0.003) 0.018***(0.003) 年龄(γ20) 0.006***(0.000) 0.004***(0.000) 0.004***(0.000) 学历(γ30) -0.003*(0.001) 0.003**(0.001) 0.004***(0.001) 薪酬(γ40) -0.106***(0.001) -0.097***(0.004) -0.112**(0.004) 权力(γ50) 0.159***(0.009) 0.144***(0.009) 0.146***(0.009) 年龄差异(γ60) 0.002***(0.000) 0.003***(0.004) 0.002***(0.001) 学历差异(γ70) 0.008*(0.004) 0.010**(0.004) 0.010**(0.004) 权力差异(γ80) -0.357***(0.015) -0.301***(0.015) -0.308***(0.015) 薪酬差异(γ90) 0.183***(0.009) 0.145***(0.009) 0.146***(0.009) 权力×权力差异(γ100) -0.002***(0.000) -0.003***(0.000) -0.002***(0.001) 薪酬×薪酬差异(γ110) 0.006***(0.000) -0.006***(0.001) -0.003**(0.001) 团队层面特征 企业规模(γ01) 0.001(0.001) 企业经营绩效(γ02) -0.000(0.000) 性别比例(γ03) -0.015*(0.008) 年龄多元化(γ04) 0.002***(0.001) 职能背景多元化(γ05) -0.001(0.006) 学历多元化(γ06) 0.041***(0.007) 权力不平等(γ07) -0.180***(0.010) 薪酬不平等(γ08) 0.180***(0.007) 方差成分 残差(σ2) 0.080(0.087) 0.072(0.270) 0.049(0.221) 0.049(0.221) 截距(τ00) 0.008(0.283) 0.009(0.093) 0.011(0.104) 0.009(0.096) 个体层面R2 8.795% 32.759% 团队/企业层面R2 14.968% 偏差统计量 33 010.276 26 176.361 14 249.466 12 707.731 估计参数个数 3 14 58 66 似然比检验(χ2) - 6 833.915*** 11 926.895*** 1 541.735*** 注：*p＜0.05，**p＜0.01，***p＜0.001；括号内数字为标准误；表中为非标准化系数。
下载: 导出CSV
-
[1] D. GEORGAKAKIS, P. GREVE, W. RUIGROK. Top Management Team Faultlines and Firm Performance: Examining the CEO-TMT Interface. Leadership Quarterly, 2017, 28(6): 741—758. doi: 10.1016/j.leaqua.2017.03.004
[2] B. L. CONNELLY, K. T. HAYNES, L. TIHANYI, et al. Minding the Gap: Antecedents and Consequences of Top Management-to-worker Pay Dispersion. Journal of Management, 2016, 42(4): 862—885. doi: 10.1177/0149206313503015
[3] S. NIELSEN. Top Management Team Diversity: A Review of Theories and Methodologies. International Journal of Management Reviews, 2010, 12(3): 301—316. http://cn.bing.com/academic/profile?id=c67addb31bcf47fd04a334560a055c9c&encoded=0&v=paper_preview&mkt=zh-cn
[4] S. PISSARIS, A. HEAVEY, P. GOLDEN. Executive Pay Matters: Looking Beyond the CEO to Explore Implications of Pay Disparity on Non-CEO Executive Turnover and Firm Performance. Human Resource Management, 2017, 56(2): 307—327. doi: 10.1002/hrm.21766
[5] S. CARNAHAN, R. AGARWAL, B. A. CAMPBELL. Heterogeneity in Turnover: The Effect of Relative Compensation Dispersion of Firms on the Mobility and Entrepreneurship of Extreme Performers. Strategic Management Journal, 2012, 33(12): 1411—1430. doi: 10.1002/smj.1991
[6] J. W. RIDGE, A. D. HILL, F. AIME. Implications of Multiple Concurrent Pay Comparisons for Top-team Turnover. Journal of Management, 2017, 43(3): 671—690. doi: 10.1177/0149206314539349
[7] M. F. WIERSEMA, A. BIRD. Organizational Demography in Japanese Firms: Group Heterogeneity, Individual Dissimilarity, and Top Management Team Turnover. Academy of Management Journal, 1993, 36(5): 996—1025. http://cn.bing.com/academic/profile?id=b180f8c94f8e4b2e108b0b87f2d02470&encoded=0&v=paper_preview&mkt=zh-cn
[8] S. E. JACKSON, J. F. BRETT, V. I. SESSA, et al.Some Differences Make a Difference: Individual Dissimilarity and Group Heterogeneity as Correlates of Recruitment, Promotions, and Turnover. Journal of Applied Psychology, 1991, 76(5): 675—689. doi: 10.1037/0021-9010.76.5.675
[9] Y. R. F. GUILLAUME, F. C. BRODBECK, M. RIKETTA. Surface- and-deep-level Dissimilarity Effects on Social Integration and Individual Effectiveness Related Outcomes in Work Groups: A Meta-analytic Integration. Journal of Occupational and Organizational Psychology, 2012, 85(1): 80—115. doi: 10.1111/j.2044-8325.2010.02005.x
[10] H. VAN DIJK, B. MEYER, M. VAN ENGEN, et al. Microdynamics in Diverse Teams: A Review and Integration of the Diversity and Stereotyping Literatures. Academy of Management Annals, 2017, 11(1): 517—557. doi: 10.5465/annals.2014.0046
[11] D. A. HARRISON, K. J. KLEIN.What's the Difference? Diversity Constructs as Separation, Variety, or Disparity in Organizations. Academy of Management Review, 2007, 32(4): 1199—1228. doi: 10.5465/amr.2007.26586096
[12] 卫旭华, 刘咏梅, 车小玲.中国上市企业高管离职影响因素的跨层研究.管理科学, 2013, 26(6): 71—82. http://d.old.wanfangdata.com.cn/Periodical/jcjj201306007 [13] J. G. MESSERSMITH, J. P. GUTHRIE, Y. Y. JI, et al.Executive Turnover: The Influence of Dispersion and Other Pay System Characteristics. Journal of Applied Psychology, 2011, 96(3): 457—469. doi: 10.1037/a0021654
[14] J. S. BUNDERSON, G. S. V. D. VEGT. Diversity and Inequality in Management Teams: A Review and Integration of Research on Vertical and Horizontal Member Differences. Social Science Electronic Publishing, 2018, 5(1): 47—73. http://cn.bing.com/academic/profile?id=e545f78a5db44de83d165045ba7f5126&encoded=0&v=paper_preview&mkt=zh-cn
[15] J. C. MAGEE, A. D. GALINSKY. Social Hierarchy: The Self-reinforcing Nature of Power and Status. The Academy of Management Annals, 2008, 2(1): 351—398. doi: 10.5465/19416520802211628
[16] J. S. ADAMS. Towards an Understanding of Inequity. The Journal of Abnormal and Social Psychology, 1963, 67(5): 422—436. doi: 10.1037/h0040968
[17] D. C. HAMBRICK.Upper Echelons Theory: An Update. Academy of Management Review, 2007, 32(2): 334—343. doi: 10.5465/amr.2007.24345254
[18] K. B. BAE, M. SABHARWAL, A. E. SMITH, et al.Does Demographic Dissimilarity Matter for Perceived Inclusion? Evidence from Public Sector Employees. Review of Public Personnel Administration, 2017, 37(1): 4—22. doi: 10.1177/0734371X16671367
[19] X. WEI, N. J. ALLEN, Y. LIU. Disparity in Organizational Research: How Should We Measure It? Behavior Research Methods, 2016, 48(1): 72—90. doi: 10.3758/s13428-015-0585-0
[20] L. GREER, B. D. JONG, M. SCHOUTEN, et al.Why and When Hierarchy Impacts Team Effectiveness: A Meta-analytic Integration. Journal of Applied Psychology, 2018, 103(6): 591—613. doi: 10.1037/apl0000291
[21] N. A. HAYS, C. BENDERSKY. Not All Inequality Is Created Equal: Effects of Status Versus Power Hierarchies on Competition for Upward Mobility. Journal of Personality and Social Psychology, 2015, 108(6): 867—882. doi: 10.1037/pspi0000017
[22] N. HALEVY, E. Y. CHOU, A. D. GALINSKY. A Functional Model of Hierarchy: Why, How, and When Vertical Differentiation Enhances Group Performance. Organizational Psychology Review, 2011, 1(1): 32—52. doi: 10.1177/2041386610380991
[23] J. V. D. TOORN, M. FEINBERG, J. T. JOST, et al. A Sense of Powerlessness Fosters System Justification: Implications for the Legitimation of Authority, Hierarchy, and Government. Political Psychology, 2015, 36(1): 93—110. http://cn.bing.com/academic/profile?id=78e1672bf89920a3b5b45e5980772241&encoded=0&v=paper_preview&mkt=zh-cn
[24] T. SHIN. Fair Pay or Power Play? Pay Equity, Managerial Power, and Compensation Adjustments for CEOs. Journal of Management, 2016, 42(2): 419—448. doi: 10.1177/0149206313478186
[25] E. M. ANICICH, N. J. FAST, N. HALEVY, et al. When the Bases of Social Hierarchy Collide: Power without Status Drives Interpersonal Conflict. Organization Science, 2016, 27(1): 123—140. http://cn.bing.com/academic/profile?id=c404aa221a1dccb983c686d4eefd969c&encoded=0&v=paper_preview&mkt=zh-cn
[26] M. TARAKCI, L. L. GREER, P. J. GROENEN.When Does Power Disparity Help or Hurt Group Performance?. Journal of Applied Psychology, 2016, 101(3): 415—429. doi: 10.1037/apl0000056
[27] 卫旭华, 刘咏梅, 岳柳青.高管团队权力不平等对企业创新强度的影响——有调节的中介效应.南开管理评论, 2015, 18(3): 24—33. doi: 10.3969/j.issn.1008-3448.2015.03.004 [28] R. KRAUSE, R. PRIEM, L. LOVE. Who's in Charge Here? Co-CEOs, Power Gaps, and Firm Performance. Strategic Management Journal, 2015, 36(13): 2099—2110. doi: 10.1002/smj.2325
[29] 张正堂, 刘颖, 王亚蓓.团队薪酬、任务互依性对团队绩效的影响研究.南开管理评论, 2014, 17(3): 112—121. doi: 10.3969/j.issn.1008-3448.2014.03.012 [30] 吴婷, 张正堂.积极心态的员工更认同组织吗——匹配视角下心理韧性对员工组织认同的影响.财贸研究, 2017(4): 101—109. http://www.cqvip.com/QK/96680X/201704/672410454.html [31] 张兴亮, 夏成才.非CEO高管患寡还是患不均.中国工业经济, 2016(9): 144—160. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zggyjj201609009 [32] A. ERT RK. Influences of HR Practices, Social Exchange, and Trust on Turnover Intentions of Public It Professionals. Public Personnel Management, 2014, 43(1): 140—175. http://cn.bing.com/academic/profile?id=211efe0b83f86783166edca12a53549c&encoded=0&v=paper_preview&mkt=zh-cn
[33] E. DAVID, D. AVERY, A. WITT, et al. A Time-Lagged Investigation of the Impact of Coworker Behavior on the Effects of Demographic Dissimilarity. Journal of Organizational Behavior, 2015, 36(4): 582—606. doi: 10.1002/job.1999
[34] 周建, 李小青.董事会认知异质性对企业创新战略影响的实证研究.管理科学, 2013, 25(6): 1—12. http://d.old.wanfangdata.com.cn/Periodical/jcjj201206001 [35] 方杰, 邱皓政, 张敏强, 等.我国近十年来心理学研究中HLM方法的应用述评.心理科学, 2013(5): 1194—1200. http://d.old.wanfangdata.com.cn/Conference/7979470 [36] J. W. RIDGE, F. AIME, M. A. WHITE. When Much More of a Difference Makes a Difference: Social Comparison and Tournaments in the CEO's Top Team. Strategic Management Journal, 2015, 36(4): 618—636. doi: 10.1002/smj.2227
[37] S. FINKELSTEIN. Power in Top Management Teams: Dimensions, Measurement, and Validation. Academy of Management Journal, 1992, 35(3): 505—538. doi: 10.2307-256485/
计量
- 文章访问数: 2687
- HTML全文浏览量: 726
- PDF下载量: 86
