环境不确定性管理控制系统与公司绩效(编辑修改稿)

环境不确定性管理控制系统与公司绩效(编辑修改稿)内容摘要：

原理，一个控制系统至少应该包括目标设置、结果反馈、差异衡量和差异纠正四个环节。 Merchant（ 1981）， Simons（ 1995）， Davila（ 2020）认为 MCS提供的信息可以通过三方面的特征来衡量，一是信息的内容是否 详细，二是信息更新的频率，三是信息的使用目的。 王斌、高晨（ 2020）认为“企业组织结构设计与权力划分、管理控制体系的建立是一脉相承的”，根据西方的组织设计理论，“协调与控制（ Coordination and Control）成为管理的主要任务 , 而协调能力主要来自于信息”。 文东华、潘飞（ 2020）在 TQM和 MCS之间的适配性时，根据 Shea amp。 Howell（ 1998）的研究，把 MCS分为两个维度，一个是控制维度（关注标准化）另一个是探索维度（关注分权程度），“ TQM 技术和反馈循环有利于企业对整个系统和 程序进行控制 ,但适度分权对于 TQM 也很重要，因为它能确保员工对现有流程不断作出创造性的改进”。 从 MCS的结构、框架、要素可以看出， MCS的本质就在于通过对 MCS的使用，确保组织能够按照管理者的预期运行并最终实现目标的一种机制。 在这个过程中凸显了 MCS作为一种手段、方法、机制的“工具性”和达成目标、纠正偏差、有效激励、促进互动的“目的性”，所以本文把 MCS分为使用的强度和使用的目的两个维度。 使用强度包含两个方面：一是对管理控制工具的使用频率，也可以理解为信息的更新频率（每天、每周、每月、每季度等）；二是报 告的详略程度，例如成本信息报告如果只包含原材料和人力成本，那么这份成本信息报告就比较简略，如果还包含了制造、市场和管理成本，那么这份成本信息报告就比较详细（ Davila， 2020）。 使用目的包括控制、诊断（如果没有超过或低于某一标准，就不需要汇报或讨论）或者协调、互动（某事项是需要经常讨论、汇报、沟通交流的）。 3. 基本研究模型 权变因素与公司业绩之间是什么关系，直接关系还是间接关系，环境不确定性是如何对公司业绩产生影响的，这是基于权变理论对 MCS研究的一个重要方向。 Govindarajan（ 1984）研究发现环境不确定性与主观上的业绩评价方式存在显著的正相关关系，研究结果与 Gordon amp。 Narayanan（ 1984）和 Chenhall amp。 Morris（ 1986）是一致的。 Govindarajan（ 1984）得出结论，认为高级管理者评价方式对环境不确定性和组织经营效果之间的关系产生了调节作用。 可以认为环境不确定性是通过 MCS对公司业绩产生了影响， MCS是连接环境不确定性与公司业绩之间的一座桥梁。 Gul（ 1991）通过对 42家公司管理者的反馈调查，研究发现，当环境不确定性增加时，使用较为复杂和高 级的管理会计系统（ MAS）有助于增加公司业绩。 但是在稳定环境下，使用较为复杂和高级的 MAS不但无助于提高公司业绩，甚至会阻碍公司业绩，其原因在于信息过载。 Gul（ 1991）的研究有两个贡献，一是证明了环境不确定性会影响 MAS的设计和使用，二是证明了环境不确定性和 MAS之间的关系会影响公司业绩。 Chong amp。 Chong（ 1997）对 62家澳大利亚制造行业的战略事业单元（ SBUs）进行调研，证明了“环境不确定性 MAS”、“战略 MAS”、“战略 环境不确定性”之间存在显著的正相关关系。 但是 Hoque（ 2020）对新西兰52家大型制造型企业进行调查研究，通过路径分析并没有发现环境不确定性与公司业绩衡量方式之间存在显著的相关关系。 虽然 Gul（ 1991）和 Chong amp。 Chong（ 1997）研究的是 MAS，但他们的研究框架和模型对研究 MCS仍有很好的借鉴意义。 Mia amp。 Clarke（ 1999）根据 61家大型制造业公司的调查，发现市场竞争程度越高，业务部经理对 MAS提供的标杆管理信息和监测跟踪信息使用程度也越高，而这种信息充当了环境不确定性和公司业绩之间关系的调节作用。 Henri et al.（ 2020）利用问 卷调查法研究生态控制对环境业绩和公司业绩的影响程度（包括直接影响和间接影响），采用的模型为中间调节模型。 在国内文献中，比较有参考和借鉴意义的是文东华、潘飞等人（ 2020）这篇文献，作者把环境作为一个整体（没有把环境分为内外环境两部分），把 MCS分为“控制功能”和“探索功能”两个维度，把公司业绩分为“内部经营业绩”和“客户与市场业绩”两个维度进行研究。 本文与之不同的是，把环境不确定性细分为外部环境不确定性和内部环境不确定性两个维度，把 MCS分为对 MCS的使用强度和对 MCS的使用目的，其中使用目的包括控制目的 和协调目的两个方面（相当于增加了一个维度 —— 对 MCS的使用强度），公司业绩作为一个整体，不再进行细分，这样设计模型的目的更能了突出对环境的不确定性和 MCS的研究，具体的基本模型如图 1所示。 外 部 环 境 不 确 定 性内 部 环 境 不 确 定 性M C S 使 用 强 度M C S 使 用 目 的公 司 业 绩图 1： 基本研究模型 （二） 调节模型和适度模型 根据基本研究模型，本文把 MCS作为环境与公司业绩之间的调节变量，环境不确定性对MCS 产生影响， MCS 对公司业绩产生影响， MCS 在环境不确定性和公司业绩之间起到了调节效应（ Mediating Effect），即假设 MCS与公司业绩之间的关系还取决于环境与 MCS 的匹配性。 当然，本文假定的调节模型最终能不能成立还有待实证结果的检验。 与调节模型（ Mediation Model）非常相似的一个模型是适度模型（ Moderation Model）。 两者的区别在于：调节模型是假定环境不确定性通过 MCS对公司业绩产生间接影响，但也可能是环境不确定性对公司业绩产生了直接影响，只不过间接影响的程度要大于直接影响的程度；适度模型认为环境不确定性对公司业绩产生了直接的影响，由于 MCS的存在加大或减少了这种影响，相当于起到了催化剂的作用。 为 了更好的解释这两种模型的区别，见图 2所示。 A1代表环境不确定性对 MCS的影响，A2代表 MCS对公司业绩的影响， A3是一条虚线，表示环境不确定性对公司业绩的影响是间接而非直接的。 B1代表环境不确定性对公司业绩的影响，而 B2则表示 MCS所起到的催化作用，可能是加强或者减弱了 B1 的影响。 由于环境不确定性和 MCS 各分为两个不同的维度，所以调节模型和适度模型可以具体用下图 3表示。 图 3比图 2更加具体化，可以渗透到模型内部，更加清楚的了解各个维度之间的相互关系。 公 司 业 绩管 理 控 制 系 统环 境 不 确 定 性 管 理 控 制 系 统公 司 业 绩环 境 不 确 定 性调 节 模 型 适 度 模 型A1A2B2B1A3 图 2： 调节模型和适度模型（ 1） A3 2A3 1A2 2外 部 环 境不 确 定 性内 部 环 境不 确 定 性M C S 使 用强 度M C S 使 用目 的外 部 环 境不 确 定 性内 部 环 境不 确 定 性M C S 使 用 强度M C S 使 用 目的公 司业 绩A1 1A1 2A1 3A 1 4B1 1B1 2B2 1B2 2B2 3B2 4A2 1公 司 业 绩 图 3：调节模型和适度模型（ 2） ２、 研究分析方法 本文研究方法是问卷调查。 分析方法主要包含主成分分析 ① 、简单回归模型和 结构方程模型。 目前结构方程模型在管理会计领域也得到了越来越广泛的应用 （ Malmi et al.， 2020；Chenhall， 2020）。 在实践过程中，结构方程模型经常使用两步法。 第一步基于主成分分析的结果描述显变量与隐变量之间的关系， 即验证性因子分析， 第二步通过路径分析验证隐变量之间的因果关系。 根据 Hair et al.（ 1998, 627） , 两步法如图 4所示。 Item1是可观测的内生变量， Factor1是不可观测的外生变量， Factor是不可观测的内生变量。 F a c t o rF a c t o r 1 F a c t o r 2I t e m 1I t e m 2 I t e m 3 I t e m 1 I t e m 2 I t e m 3F a c t o r 3I t e m 1 I t e m 2 I t e m 3F i r s t o r d e r测 量 模 型验 证 性 因 素 分 析S e c o n d o r d e r结 构 模 型路 径 分 析 图 4： 结构方程模型分析过程 2. 数据搜集和样本选取 问卷调查的对象主要以厦门大学管理学院 MBA、 EMBA和 MPAcc的学员为主，被调查对象对公司的运营管理和财务状况比较了解，知识结构与工作背景基本符合问卷调查对象的要求。 作者共发出 245份问卷，回收 211份， 回收率 86%。 随后对问 卷进行筛选，剔除内容填写不完整的问卷、明显带有规律性的问卷和前后矛盾的问卷，另外要求被调查者在目前岗位工作至少两年或者在目前单位工作至少三年 ， 被调查单位至少持续经营三年， 保证对单位的经营情况比较熟悉和了解， 可以比较完整填写问卷。 最后符合要求的问卷数量为 158份。 根据问卷的数据统计，子公司数量平均值为 ，设立年限平均值为 10年，说明所调查的公司具有 一定规模和发展历史。 另外权力分散程度平均值为 ，权力偏于分散。 公司战略类型平均值为 ，一定程度上说明公司具有较大发展空间和良好的发展前景。 从公司 特征的描述性统计数据从侧面表明所调查公司的 MCS可以被为研究对象。 公司 基本 特征的描述性统计详见下表。 表 2：公司基本特征描述性统计 公司 基本 特征 平均值 最小值 最大值 标准差 员工数量 80 8000 设立年限 10 3 102 ① 本文进行因子分析的主要目的是为了提取主成分，降低维度，以较少的几个指标反应总体信息，并不在于归纳潜在类别，寻找共同因子。 管理层级 3 8 子公司数量 0 15 公司战略类型 2 3 .493 平均年销售额 2 7 权力分散程度 1 3 .628 注释 （ 1） ： 公司战略类型： 1=收缩型战略， 2=稳定型战略， 3=成长型战略 ； 注释 （ 2） ： 平均年销售额： 1=50100 万， 2=100500 万， 3=5001000 万， 4=10005000 万， 5=5000 万 1 亿，6=110 亿， 7=10亿以上 在符合筛选标准的 158 家被调查对象中，国有企业和外资企业所占比例较大，分别为%和 %；制造业和服务业类型的企业所占比例较大，分别为 %和 %。 公司性质和行业类型的描述性统计详见下表 3。 虽然有很多文献都是选择某一行业研究企业的管理控制系 统，目的是为了尽量减少技术、组织结构、生产过程等方面的差异性（ (Zhang amp。 Li, 2020），但是本文主要是从宏观层面研究不确定环境下管理控制系统对公司业绩的影响，而不是具体研究某个行业的企业的管理控制系统在不稳定环境下对企业业绩的影响，所以虽然公司性质和行业类型差异比较大，但并不影响本文的研究。 （二） 主成分分析 根据 SPSS 软件的分析，外部环境不确定性（ EEU）、内部环境不确定性（ IEU）、 MCS 使用强度（ INT）、 MCS使用目的（ PUR）和公司业绩（ PER）的 Cronbach39。 s Alpha值 都大于 ，说明问卷的信度较好， KaiserMeyerOlkin（ KMO）值都大于 ， Bartlett 的球形度检验（ Sig.）显著性水平数值都小于 ， 说明 适合进行主成分分析。 选取的主成分的载荷都在 ，方差累计解释百分比在 60%以上。 由于本文的样本量相对比较小，所以方差累计解释百分比 所选择的临界值比较低，这也是本文不足的一个地方，但是并不影响整体的分析。 经过主成分分析，共提取 30个显变量，检验具体 结果见附录。 （三） 简单模型回归 在提取主成分后，用 SPSS软件进行简单的多元回归。 使 用的模型如下 ： 模型 1： 模型 2： 模型 3： 模型 4： 模型 5： 其中， EEU为外部环境不确定性， IEU为内部环境不确定性， INT为 MCS使用强度， PUR为MCS使用目的， PER为公司业绩， STR为 公司战略， SIZ为组织规模（员工人数的对数）， POW为组织分权程度。 Bisbe amp。 Otley（ 2020）证明了交互式控制系统对创新和公司业绩之间所起的作用适用于适度模型而不适用于调节模型，验证调节模型假设的方法是 相关系数法和路径分析法，验证适度模型假设的方法是带交乘项的模型回归法。 Bisbe amp。 Otley（ 2020）中 MCS和创新都是单一维度，而本文中 MCS和环境不确定性都是两个维度，所以在参考 Bisbe amp。 Otley（ 2020）证明方法的基础上针对本文的研究对象和研究目的对证明方法进行了一定的修改。 假设。