企业连锁董事网络中的社会资本不平等基于先赋(3)

H1a：男性和女性在连锁董事网络指标上没有差异；

H1b：男性和女性在连锁董事网络指标上存在差异。

相对于先天形成的性别之分，教育成就多来自个体后天的学习，属于典型的后致性因素。董事参与公司治理会受到个人知识背景、认知能力以及主观意愿等影响[2]。在西方背景下，有学者发现，董事学历与企业绩效并非呈简单线性关系，具有法学和MBA学位的董事并没有表现得更好，学校排名的作用也较为轻微[31]。在中国，亦有研究证实学历高低与劳动者劳动生产率的关系并不密切[32]。但这些研究的因变量多是个体表现或者企业绩效，忽视了教育差异可能造成的同学网络和认知交往能力等方面的差异，这会影响网络中的董事位置，造成拥有不同教育背景的董事的社会资本不同。

在中国，教育的功能已经超越了教育原有的宗旨，更多地与阶层流动、地位获得相关[33,34]。教育获得模型中提及的3个要素条件更好地解释了精英阶层对教育的认知：第一，高阶层的人为了维持其阶层地位，避免向下流动，需要更高的教育水平；第二，更高阶层的人往往学习能力更强，其在社会教育筛选体系中处于优势地位[35]；第三，受教育程度高的人往往认知和交往能力也更强[36]，其在学习借鉴其它公司、董事决策方面更有优势。

综上，高教育水平董事的知识储备和认知能力更强，能够有效借助连锁董事这一场景建立个体联系，趋于网络中心位置，获取社会资本优势，这是一个将教育资本转化为社会资本、发挥其效用的过程。综上，提出研究假设。

H2：董事教育程度与其网络指标呈正相关关系。

2 研究设计

2.1 数据

本文数据取自国泰安(CSMAR)数据库，收集了2010-2017年陕西省A股上市公司所有董事相关资料，包括隶属企业、连锁情况、性别和教育背景。由原始数据形成的矩阵属于董事—企业二模网络，使用STATA将其转换为两个一模无向网络矩阵——连锁董事网络和企业连锁网络，并使用Gephi和UCINET测量相关网络指标。为了保证结果的稳健性，排除了两家具有退市警示风险的企业。最后，每年的企业样本量平均约为40家，每年的董事样本量平均约为393个。

2.2 变量

本研究选取社会网络指标进行分析，其中，前4个中心度指标用来衡量董事在网络中的位置。上述指标测量范围涵盖从个体网到整体网，能够有效、全面地反映董事在网络中的位置。

(1)点度中心度(Degree Centrality)。点度中心度测量行动者个体网的规模[37]，代表与焦点董事(ego director)直接相联的其他董事数量。

(2)中介中心度(Betweenness Centrality)。中介中心度测量节点处于整体网中最短路径上的能力[38]。中介中心度越高，董事越处于桥接地位，连接更多组织。其计算公式如下：

其中，Pjk为董事j到董事k的捷径总数量，pjk(ni)是董事j到董事k且经过焦点董事i的路径数量。

(3)接近中心度(Closeness Centrality)。接近中心度测度行动者与网络中其他行动者的接近程度。接近中心度越高，行动者在网络中传递信息较少依赖其他人，因此受到其他行动者的控制越弱[39]。接近中心度越高，董事离其他董事的网络距离越近，可较快收到越多信息。其计算公式如下：

其中，dij为董事i到直接相联系董事j的最短路径长度。

(4)网页排名指数 (Pagerank)。网页排名可以衡量节点在整体网络中的重要性，该指标考虑了相连节点的相对重要性，是一种广泛应用的迭代算法[40]。董事的网页排名指数高，表示其在连锁董事整体网络中居于中心地位，从而具有更高声望或者更高权力。其计算公式如下：

其中，PRj是i董事直接联系董事j的网页排名值，nj为董事j的网络规模。

以下3个网络指标衡量网络整体结构，主要用于分析连锁董事网络变化情况。

(5)密度(Density)。密度代表各网络节点联系的紧密程度，属于整体网络测量指标[30]。密度越高，表示连锁董事间的联系越紧密。其计算公式如下：

其中，l是直接相联系的董事数量，n表示股东i的个体网规模。

(6)聚集系数(Clustering Coefficient)。聚集系数体现了网络中三方组闭合情况[32]。聚集系数越高，表示连锁董事网络间的三方组关系越多、网络闭合性越高、凝聚性越强。

(7)模块指标(Modularity)。用于衡量网络划分成模块(也称为组、子群体或社区)的强度。具有高模块性的网络节点间有着紧密连接，但模块间联系较稀疏[34]。模块指标越高，表示连锁董事网络越分散化，子群体越多。

文章来源：《天津教育》 网址: http://www.tjjyzzs.cn/qikandaodu/2021/0727/751.html