4.2 样本选取与数据来源
本文选取 2012 年沪市和深市所有机械行业上市公司为基本研究样本。再进一步样本选取和数据处理时，剔除了对研究结果产生影响的异常样本，并经过以下过程对数据进行筛选，确保数据的有效性。首先，剔除有关高管团队人员信息和公司数据披露不完整的企业。其次，剔除 ST 公司，以避免极端值的不利影响。
在上诉筛选过程中，由最初的 136 家机械行业上市公司，筛选掉 7 家 ST 股，剔除 8 家披露高管团队成员信息不全的公司，本文最终选取了 121 家机械行业上市公司。本文的研究期间仅为 2012 年的截面数据，之所以只选择一年数据做研究，是因为高管的跳槽潮流，使得每年高管团队人员都会发生变动，不同年份之间的数据不具有可比性和一致性。
本文实证分析数据主要分为两类，即能反映企业成长性的数据和能表示高管团队特征的数据，所有数据来源于国泰安数据库、锐思金融数据库、上海证券交易所、深圳证券交易所、巨潮资讯网站和大智慧证券时实软件等。除此之外，本文对数据的处理采用 SPSS17.0 统计分析软件。
4.3 样本的描述性统计
描述性分析是对数据的基础性描述，主要是对变量的基本统计学特征的描述。
通过运用 SPSS17.0 对机械行业上市公司高管团队人员特征、被解释变量和控制变量进行描述性分析，变量的基本综合特征如表 4.2 所示。【1】
表 4.2 对表示 121 家机械行业上市公司高管团队人力资本特征、社会资本特征以及企业成长性、影响企业成长性的其他主要因素进行了描述性统计。统计变量直观地展示了各变量的最小值、最大值、均值和标准差等，反映出各变量样本的集中程度和离散程度。
在高管团队的人力资本方面：①高管团队成员的平均年龄最小为 43.94,最大为56.58,平均年龄在 49.61 左右，表明其高管团队成员基本处在实力较强和精力充沛的中年阶段；②高管团队成员的平均教育水平在 2 和 4 之间，分别对应着专科和硕士学历，平均值为 2.91,对应着本科学历，这一统计结果表明高管团队的成员大多受到过良好的教育；③高管团队成员的平均任期都在 3 年以上，一般平均在 10 年左右，说明高管团队大部分成员之间有较长时间的相处，能够对彼此有所了解。
在高管团队的社会资本方面：①高管团队成员的内部网络密度，在 1 到 3 之间，平均值在 2 左右，结合高管团队成员平均任期的统计结果可以看出，虽然高管团队成员的平均任期相对较长，但从团队中最后一名高管进入团队到样本期末的时间并不长，表明高管团队成员的变动比较大，导致高管团队成员之间的沟通频率较低、关系密度和团队关系并不是很强；②高管团队成员的内部异质性，最小值为 3.1,最大值为 86.95,平均值在 38.21 左右，有的企业高管之间的异质性特别小，而有的企业高管们之间的异质性却非常大，虽然理论上分析认为人与人的异质性可以弥补信息来源单一、解读问题视角不全面等不足，有利于拓宽视野以及识别出更多发展的机会，但从该项指标的统计结果来看，并不是所有的企业都是这样认为的；③高管团队的纵向关系网络和横向关系网络，这两项指标的最小值和最大值之差都很大，且平均值也偏小，说明在这两种关系上，众多企业的具体情况都不近相同；④高管团队的社会网络关系，最小值为 16.92,最大值为 21,平均值为 18.92,这项指标所反映的关系趋势与前两个指标反映的关系趋势不同，表明在高管团队社会关系网络特征上各企业相差不大，比较集中。
在影响企业成长性的其他因素方面，即控制变量方面：机械行业上市公司第一大控股股东的性质，属于国家持股和属于非国家持股的各占一半；研究样本中的企业有的在不发达地区，有的在发达地区，总体上在发达地区的企业数量较多；企业的上市年限各不一样；各样本公司的企业规模和资产负债比率相差并不是很大；各公司高管团队的人数不同，大概在 20 人左右。
在企业成长性方面，最小值为-3.69,最大值为 1.47,平均值为-0.39,有关成长性数据的统计性描述表明整个机械行业成长并不是很高。有待于对影响其成长的各主要因素做出分析和讨论，以助于机械行业上市公司有目的的改善经营和提高成长性。
