一、引　言

党的十九大报告指出，我国社会的主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾，意味着新时代人民群众的需要由“物质文化”转向“美好生活”这一更高标准。对美好生活的渴望促进社会公众社会责任意识的不断提升，愈发关注公司的社会责任表现（李志斌和章铁生，2017）。公司向利益相关者披露社会责任信息不仅能够满足利益相关者的诉求，提升公司的合法性（Kapstein，2001），还能给公司带来良好声誉，增强利益相关者对公司的认同感（Dhaliwal等，2011；尹开国等，2012）。社会责任报告是公司对外披露社会责任信息的主要载体（沈弋等，2014）。深交所和上交所分别于2006年9月和2008年5月发布了《深圳证券交易所上市公司社会责任指引》以及《上海证券交易所上市公司环境信息披露指引》，鼓励上市公司积极履行社会责任，主动编制社会责任报告。2014年1月，中国社科院发布《中国企业社会责任报告编写指南》，为公司规范编写社会责任报告提供了指导。在相关文件的鼓励下，我国上市公司发布社会责任报告的数量逐年增加。2010年至2019年，沪深A股上市公司披露的社会责任报告数量由471份增长至945份。但社会责任报告以非货币信息、定性信息为主（尹开国等，2012；张秀敏等，2019），相关部门发布的文件并没有针对社会责任报告的特点对其内容和形式作出更细致的指导，未形成统一量化的评价指标，因此，印象管理行为就不可避免地出现了（张秀敏等，2019）。

印象管理行为是指信息提供者在对外披露信息时，对信息内容和形式进行操控，目的是影响利益相关者的评价（Bekey，1990；McDonnell和King，2013）。社会责任报告的印象管理行为不仅能够干预利益相关者的认知和决策，还能进一步影响资本市场的资源配置效率。已有文献关于印象管理行为的评价方法有Flesch指数法（阎达五和孙蔓莉，2002）、内容分析法（孙蔓莉等，2005；沈洪涛和马杰，2012）、词汇匹配技术法（Cho等，2010；Barkemeyer等，2014；张秀敏等，2016）和残差法（黄艺翔和姚铮，2016；张正勇和李玉，2018）。Flesch指数法按照英语语言习惯设计，最早被用于评估美国儿童读物的难易程度；由于汉语和英语在表达习惯上存在诸多差异，其是否适用于汉语语言环境值得进一步商榷。残差法参考盈余管理中的Jones模型，具有一定的有效性和可信度，但其对印象管理行为的量化数据是间接产生，往往具有较大的误差。本文从印象管理理论的内涵出发，将词汇匹配技术法和内容分析法相结合，构建印象管理行为评价新方法，对符合中文语境的文本对象以及语言环境适用性更高。

公司高管是社会责任报告披露内容和形式的主要决策者，其最直接的获利方式就是薪酬，随着现代公司制度的不断发展，高管薪酬呈现日渐上涨的趋势。尽管国家人力资源和社会保障部分别于2009年和2014年颁布了《关于进一步规范中央企业负责人薪酬管理的指导意见》和《中央管理企业负责人薪酬制度改革方案》两个文件，对中央企业负责人的薪酬进行监督管理，但上市公司高管高额薪酬现象并未改变。从2018年A股上市公司高管薪酬榜来看，44位董事长年薪超过500万元，10位董事长年薪超过1000万元。公司高管高额薪酬易引发媒体舆论的关注（吉利和吴萌，2016），降低社会公众对公平正义的感知。高管作为理性的经理人，面对政府管制和舆论声讨，会产生为高额薪酬进行辩护的强烈动机。薪酬辩护指公司高管通过一系列行为证明自身薪酬的程序正当、结果合理，增加自身薪酬的说服力（谢德仁等，2012）。高管进行薪酬辩护的手段包括提高业绩敏感度（谢德仁等，2012），履行社会责任（Callan和Thomas，2011），降低信息可比性（张勇，2020）等，目前鲜有文献从高管薪酬辩护的心理层面研究社会责任报告的印象管理行为。

基于以上背景，本文试图构建全面的社会责任报告印象管理行为评价体系，在此基础上采用实证方法探究高管薪酬与印象管理行为之间的关系，并将产权性质和行业性质纳入考察范围，在拓展分析中进一步深入研究会计稳健性在高管薪酬与社会责任报告印象管理行为之间的调节作用。本文可能的研究贡献在于：第一，构建了全面评价社会责任报告的印象管理行为的新方法。以往学者通常采用内容分析法从可读性操控角度评价印象管理行为。本文通过词汇匹配技术法和内容分析法，分别构建修饰性操控指标和可读性操控指标，从非财务信息的语义和视觉呈现两方面评价社会责任报告的印象管理行为。第二，通过Java编程语言将印象管理行为评价新方法应用到2014–2018年A股上市公司社会责任报告中，全面了解我国社会责任报告印象管理行为的实践。第三，首次将高管薪酬纳入社会责任报告印象管理行为研究框架，不仅能够从社会责任报告角度揭示出高管薪酬辩护的手段和方法，也能从高管心理层面为社会责任报告印象管理行为的内在驱动机制提供数据支撑。

二、理论分析与研究假设 (一) 社会责任报告的印象管理行为评价体系

基于Merkl等（2007）的印象管理行为基本分析框架，结合Talbot和Boiral（2018）对信息披露印象管理行为的研究，提出了新的社会责任报告印象管理行为评价体系，如图1所示。

1. 修饰性操控指标

本文以适用于自然语言的Hownet情感词表为依据（张秀敏等，2016），使用词汇匹配技术法识别并统计社会责任报告中的特征词，衡量语气确定性、语气强度与语调乐观性。

Hownet词表包括的总词数超过9000个，分为 “主张类”“程度级别”“正面情感”“正面评价”“负面情感”“负面评价”六大类，其中“主张类”和“程度级别”还有子类别。本文在对词表进行初步处理时，考虑到社会责任报告的文本实际情况，剔除相关生僻字、极易与其他字组成词语的单字以及很少单独使用的单字。进一步编写了基于Java语言的分类匹配识别程序，识别并统计以上六类词语在各公司各年度社会责任报告中出现的频次。在完成分类、匹配和识别后，对词语结果进行初步处理，对每一份社会责任报告中同类别各词语出现的频数加总求和，计算同类别词语出现的总频数。

采用三个指标即“语气确定性”“语调乐观性”“语气强度”来表征社会责任报告印象管理的修饰性操控（Corporate Social Responsibility Tune，CSRT）（张秀敏等，2019）。

（1）语气确定性

Hownet词表中的“主张类”词语下面有“感知”和“认为”两个子类，“感知”类属于表层抽象词语，体现的确定性较弱；“认为”类词语属于深层指向性词语，体现的确定性较强，因而将属于“感知”类的词语赋值为+1，属于“认为”类的词语赋值为+2。

（2）语调乐观性

根据Hownet词表中的“负面评价”“负面情感”“正面评价”“正面情感”这四类词语构建乐观性指标，将属于“正面评价”和“正面情感”的词语视为乐观词语，赋值为+1；属于 “负面评价”和“负面情感”的词语视为悲观词语，赋值为−1。

（3）语气强度

Hownet词表中的“程度级别”下共有六个子类别，分别是“极/最”类、“超”类、“很”类、“欠”类、“较”类和“稍”类。借鉴张秀敏等（2019）的方法，将“极其/最”类词语赋值为+3，“很”类词语赋值为+2；“较”类词语赋值为+1；“稍”类词语赋值+1，“欠”类词语赋值为+2；“超”类词语赋值+3。

2. 可读性操控指标

对公司高管来说，社会责任报告具有一定的掩饰作用和广告效应（Gao等，2016；田利辉和王可第，2017）。根据印象管理理论，上市公司在披露社会责任报告时存在明显的操纵可读性的印象管理行为，会刻意从视觉呈现效果角度增强信息的可读性。借鉴吉利等（2016）的研究方法，采用两个指标即“字数”和“图表数”来表征社会责任报告印象管理的可读性操控（Corporate Social Responsibility Readability，CSRR）。

（1）字数

社会责任报告的篇幅往往能影响读者的第一印象，文章的篇幅越长，读者认为报告所传递的信息越丰富，公司履行社会责任越好。同时，公司也倾向于使用大量的文字详细地描述其社会责任履行的积极方面，塑造良好的公司形象。因此，字数是社会责任报告可读性操控的策略之一。

（2）图表数

图表包括图片和表格。社会责任报告的图片能证实公司社会责任履行的真实性，让读者更加信服。表格将总结归纳后的信息更加清晰地展现给读者，强化读者印象。此外，图表多为彩色，不同颜色的搭配也会提高读者的信息敏感度。因此，图表也是社会责任报告可读性操控的策略之一。

社会责任报告修饰性操控（CSRT）和可读性操控（CSRR）的具体量化指标如表1所示。

(二) 高管薪酬与社会责任报告印象管理行为

1990年，Bekey首次指出，公司在披露信息时存在印象管理行为，表现为操控信息的披露内容和呈现方式，以此影响外界对公司的评价和认知（Bekey，1990）。进一步的研究将印象管理行为的动机归结为隐藏负面信息（Leung等，2015；Hayward和Fitza，2016）和获取投资者支持（Parhankangas和Ehrlich，2014；Park和Patel，2015；杨慧和王国明，2018）。

高管作为信息披露的主要决策者，其基于薪酬辩护角度的微观心理特征对信息披露进行印象管理的动机更加显著。社会责任报告以非财务信息为主，鉴证难度大，尚没有统一的披露准则和第三方鉴证要求，成为高管实施印象管理的重要工具之一。高管超额薪酬会对公司价值、员工忠诚度以及高管声誉产生负面影响，进而影响利益相关者对公司的信任（吴联生等，2010）。高管需要采取某些方式证明自身薪酬的正当性，以降低外部愤怒成本，维护自身声誉（谢德仁等，2012；吉利和吴萌，2016）。因此，本文认为高管会通过社会责任报告印象管理行为来为其高额薪酬进行辩护。社会责任投入是一种隐性投资，会造成当期成本的明显增加，收益却在下期或者未来某期才会显著出现（李百兴等，2018），这必然会给高管当年绩效考评带来影响。当高管的薪酬主要取决于当期绩效考评时，获得高薪的高管基于成本效益和绩效考评的考虑会减少当期社会责任的投入（Fabrizi等，2014）。同时高管也要保证社会责任报告的美观充实，以应对利益相关者的监督，实现薪酬辩护的效果。

高管薪酬越高，薪酬辩护的动机越强。在社会报告的语句语义方面，倾向使用模糊词语，即确定性较弱的词语，模糊公司重要的负面事项，弱化读者的消极感知，使用语气强度较高、乐观性较强的词语，提升读者的积极感知（Cho等，2010；张秀敏等，2019）。同时，操控社会责任报告的可读性，社会责任报告字数越多，图表越丰富，读者感受公司做出的社会贡献越大，对公司的第一印象会更好（吉利等，2016）。由此提出以下假设：

H1a：高管薪酬越高，社会责任报告修饰性操控越显著；

H1b：高管薪酬越高，社会责任报告可读性操控越显著。

(三) 高管薪酬、产权性质与社会责任报告印象管理行为

从公司本质特征来看，国有上市公司具有公有性质，政府的政策和利益对公司经营行为具有重要影响。在政府推进社会公平、促进收入合理分配的背景下，国有上市公司高管面临的薪酬管制较多。党的十八届三中全会提出国有公司必须要合理确定管理人员的薪酬水平，进一步加强对公司管理层的薪酬管理。《中央管理企业负责人薪酬制度改革方案》也明确指出在综合考虑国企管理人员的经济效益和社会效益的基础上，制定合理的薪酬结构。在薪酬管制背景下，国有上市公司高管薪酬辩护的动机更强。相比之下，非国有上市公司高管受到的薪酬管制压力较小，薪酬辩护动机较弱。因此，国有上市公司高管会对社会责任报告采取更多的印象管理行为。由此提出以下假设。

H2a：与非国有上市公司相比，高管薪酬与社会责任报告修饰性操控的正向关系在国有上市公司中更显著；

H2b：与非国有上市公司相比，高管薪酬与社会责任报告可读性操控的正向关系在国有上市公司中更显著。

(四) 高管薪酬、行业性质与社会责任报告印象管理行为

政府对环境保护以及绿色发展日渐重视，重污染行业因其经营业务的特殊性，是社会经济活动中污染物的直接生产者，利益相关者更加关注重污染行业的社会责任报告（束颖等，2019）。因此，重污染行业上市公司高管利用社会责任报告进行薪酬辩护的动机更强，只有积极正面的社会责任报告才能体现重污染行业上市公司的社会价值，起到薪酬辩护的作用。因此，重污染行业上市公司都会有选择性地披露信息，主要披露正面信息和鉴证难度较大的定性信息，对于浪费资源、破坏环境等负面信息则避而不谈（沈洪涛和李余晓璐，2010；朱炜等，2019）。此外，重污染行业上市公司高管也更倾向于在社会责任报告中使用较多的文字和图表强化公司的社会价值。由此提出以下假设。

H3a：与非重污染行业上市公司相比，高管薪酬与社会责任报告修饰性操控的正向关系在重污染上市公司中更显著；

H3b：与非重污染行业上市公司相比，高管薪酬与社会责任报告可读性操控的正向关系在重污染行业上市公司中更显著。

三、研究设计 (一) 样本选取与数据来源

本文以2014–2018年间连续独立发布五年社会责任报告的A股上市公司作为研究对象，并作如下处理：（1）剔除金融保险业的上市公司；（2）剔除研究数据有缺失和有异常值的公司；（3）剔除ST和*ST股。最终得到2280个公司社会责任报告。

首先对Hownet词表进行预处理，根据社会责任报告文本的实际情况，剔除Hownet词表六大类词语所包括的生僻字、极易与其他字组成词语的单字以及很少单独使用的单字。其次将2280份社会责任报告和处理后的Hownet词表存储在相关文件夹中，通过自编的Java程序读取社会责任报告和Hownet词表的存储路径，转换社会责任报告格式并对社会责任报告中出现的所有内容从头到尾都进行访问并进行暂时存储，将社会责任报告中每一行字符都与Hownet词表中的词语进行逐一匹配，匹配成功即在该词语出现频数上由零开始累加。最后，形成每一份社会责任报告中Hownet词表各个词语出现的频数结果。通过匹配文字格式和图表格式，自编的Java程序还能识别社会责任报告中的文字和图表。在此基础上统计每一份社会责任报告字数和图表数，并对统计结果进行汇总计算。字数统计包括社会责任报告中所有字数，即封面字数、正文字数、页眉页脚字数等。图表统计包括社会责任报告中所有以图片格式插入的图片和相关表格，也包括用于点缀的公司标志等。社会责任报告印象管理行为量化数据的获取过程如图2所示。

高管薪酬以及其他数据来自于CSMAR数据库或由CSMAR数据库中的数据计算得到。使用Stata14进行相关数据处理，对连续变量数据在1%和99%百分位进行缩尾（Winsorize）处理。

(二) 变量定义

1. 被解释变量

本文的被解释变量为社会责任报告的修饰性操控（CSRT）和可读性操控（CSRR）。其中，修饰性操控（CSRT）从语义角度诠释社会责任报告的印象管理行为，具体包括确定性指标（Certainty）、语气强度指标（Strength）和乐观性指标（Optimism）三个维度；可读性操控（CSRR）从视觉角度诠释社会责任报告的印象管理行为，分别包括字数（Word）和图表数（Chart），数据通过自编的Java程序进行收集。

2. 解释变量

本文的解释变量为高管薪酬（Pay）。高管薪酬主要包括货币薪酬和股权激励。由于我国实行股权激励较晚，高管零持股或者持股比例低的现象比较普遍。根据目前公开的数据很难区分高管持股来源究竟是奖励还是自购。选取CSMAR数据库中上市公司货币薪酬最高的前三名高级管理人员的薪酬总额的平均数，并取其自然对数作为衡量高管薪酬的变量。

在稳健性检验中，将高管薪酬定义为货币薪酬最高的前三名董事、监事和高级管理人员的薪酬总额，同样取其平均数并对数化，作为高管薪酬的替代变量（缪毅和胡奕明，2016）。

3. 控制变量

为了减少其他因素对主效应的影响，本文在公司层面上控制了公司规模、资产负债率、资产收益率以及其他公司特征变量：股权集中度、两职合一、独立董事占比、管理层持股、机构持股、产权性质、行业性质；在高管层面上控制了女性高管占比、高管平均年龄、高管受教育程度等变量；为了控制年度和行业特征的影响，引入年份和行业作为虚拟变量，其中，行业分类依据证监会《行业分类指引（2012）》中的行业代码进行划分。所有变量的定义如表2所示。

(三) 模型设计

针对假设H1a、H2a和H3a，本文构建模型1，用于检验高管薪酬（Pay）和社会责任报告修饰性操控（CSRT）的关系。修饰性操控（CSRT）包括确定性指标（Certainty）、语气强度指标（Strength）、乐观性指标（Optimism）。在实证分析中对这三个指标分别进行回归。

$ \begin{aligned} CSR{T_{i.t}}&(Certa{\rm{int}} {y_{i,t}},Strengt{h_{i.t}},Optimis{m_{i,t}}) = {\alpha _0} + {\alpha _1}Pa{y_{i,t}} + {\alpha _2}Siz{e_{i,t}} + {\alpha _3}Top{{\rm{1}}_{i,t}}+\\ &{\alpha _4}Dua{l_{i,t}} + {\alpha _5}Le{v_{i,t}} + {\alpha _6}Ro{a_{i,t}} + {\alpha _7}Ml{s_{i,t}} + {\alpha _8}Ins{t_{i,t}} + {\alpha _9}Inde{p_{i,t}} + {\alpha _{10}}Ag{e_{i,t}} + \\ &{\alpha _{11}}Ed{u_{i,t}} + {\alpha _{12}}Femal{e_{i,t}} + \sum {Industry} + \sum {Year} + \varepsilon \end{aligned} $

(1)

针对假设H1b、H2b和H3b，构建模型（2），用来检验高管薪酬（Pay）与社会责任报告可读性操控（CSRR）的关系。可读性操控（CSRR）包括字数（Word）和图表数（Chart）。在实证分析中对这两个指标分别进行回归。

$ \begin{aligned} CSR{R_{i.t}}&(Wor{d_{i,t}},Char{t_{i,t}}) = {\beta _0} + {\beta _1}Pa{y_{i,t}} + {\beta _2}Siz{e_{i,t}} + {\beta _3}Top{1_{i,t}} + {\beta _4}Dua{l_{i,t}} + \\ &{\beta _{\rm{5}}}Le{v_{i,t}} + {\beta _6}Roa{}_{i,t} + {\beta _7}Ml{s_{i,t}} + {\beta _8}Ins{t_{i,t}} + {\beta _9}Inde{p_{i,t}} + {\beta _{10}}Ag{e_{i,t}} + {\beta _{{\rm{11}}}}Ed{u_{i,t}} + \\ &{\beta _{{\rm{12}}}}Femal{e_{i,t}} + \sum {Industry + \sum {Year} } + \delta \end{aligned} $

(2)

四、实证检验与结果分析 (一) 描述性统计和相关性检验

从表3可以看出，修饰性操控中，确定性指标（Certainty）最大值为1.75，最小值为1，均值为1.19，中位数为1.17，均值略大于中位数，且都接近最小值。样本确定性指标大多处于较低水平，说明大部分公司在社会责任报告中并未较多地使用确定性很强的词语，而更偏向于使用模糊不清的词语。语气强度指标（Strength）最大值为1.98，最小值为1.44，标准差为0.10，均值和中位数均为1.73，表明大多数公司披露社会责任报告时会选用语气强度较高的词语，例如“极其”“最”“特别”等。乐观性指标（Optimism）最大值为0.75，最小值为0.51，标准差为0.04，标准差较小，且均值中位数相差较小，均与最大值更接近。这说明所有样本乐观性指标相差较小，均处于较高水平，即公司在社会责任报告中更多披露正面内容，很少在报告中提及负面信息。

可读性操控中，字数指标（Word）最大值为11.61，最小值为7.38，均值为9.15，中位数为9.09，标准差为0.62，均值略大于中位数，最大值和最小值相差较大。图表数（Chart）最大值为6.05，最小值为0，均值为2.26，中位数为2.56，标准差为1.72，说明公司社会责任报告中图表的使用存在两级差异，既有使用大量图表的社会责任报告，也有完全使用文字叙述的社会责任报告。

(二) 回归结果

表4列示了高管薪酬与社会责任报告修饰性操控关系的回归结果。可以看出，以确定性指标（Certainty）与高管薪酬（Pay）的回归系数在1%的水平上显著为负，说明高管薪酬越高，公司社会责任报告确定性越弱。语气强度指标（Strength）与高管薪酬（Pay）在1%的水平上显著为正，说明高管薪酬越高，公司在社会责任报告中越会较多地使用语气较强的词语。乐观性指标（Optimism）与高管薪酬（Pay）在5%的水平上显著为正。以上分析说明，高管薪酬越高，高管对社会责任报告进行修饰性操控的动机越强。这一回归结果证实了前文关于高管薪酬和修饰性操控关系的推断，进而验证了本文假设H1a。

高管薪酬与社会责任报告可读性操控的回归结果显示，高管薪酬（Pay）对字数（Word）的回归系数在5%的水平上显著为正，说明公司高管的薪酬水平越高，公司社会责任报告的字数就越多。高管薪酬（Pay）对图表数（Chart）的回归系数也在5%的水平上显著为正，即高管薪酬越高，社会责任报告中图表数就越多。这一回归结果证实了前文关于高管薪酬和可读性操控关系的推断，进而验证了本文假设H1b。

基于产权性质的不同，将样本分为国有上市公司和非国有上市公司两组。表5列示了高管薪酬、产权性质与社会责任报告修饰性操控之间关系的回归结果。可以看出，高管薪酬（Pay）与确定性指标（Certainty）的回归系数在非国有上市公司样本中显著为负；高管薪酬（Pay）与语气强度指标（Strength）的回归系数在国有上市公司中为0.019，在1%统计水平上显著为正，在非国有上市公司中不显著。高管薪酬（Pay）与乐观性指标（Optimism）的回归系数在国有上市公司中为0.005，在5%统计水平上显著为正，在非国有上市公司中不显著。以上结果表明，高管薪酬与确定性指标、语气强度指标以及乐观性指标之间的关系存在产权上的差异。具体而言，高管薪酬与确定性指标之间的关系在非国有上市公司中显著为负，但与语气强度指标以及乐观性指标之间的关系均只在国有上市公司中更显著。在修饰性操控的三个指标中，由于高管薪酬与其中两个指标的关系均只在国有上市公司中更显著，因而从总体上看，高管薪酬与社会责任报告修饰性操控的正向关系在国有上市公司中更明显，假设H2a得到验证。

高管薪酬、产权性质与社会责任报告可读性操控之间的回归结果显示，在国有上市公司中，高管薪酬（Pay）和字数（Word）的回归系数在1%统计水平上显著为正。在非国上市公司中，高管薪酬（Pay）与字数（Word）回归系数不显著。国有上市公司中，高管薪酬（Pay）与图表数（Chart）的回归系数在1%水平上显著为正。非国有上市公司中，高管薪酬与图表数回归系数不显著。以上结果说明，高管薪酬（Pay）与可读性操控的两个衡量指标（Word、Chart）的关系均在国有上市公司中更显著。由此得出，相较于非国有上市公司，高管薪酬与社会责任报告可读性操控的正向关系在国有上市公司中更显著，假设H2b得到验证。

基于行业性质的不同，将样本分为重污染行业上市公司和非重污染行业上市公司两组。高管薪酬、行业性质与社会责任报告修饰性操控的分组回归结果如表6所示。具体来看，高管薪酬（Pay）与确定性指标（Certainty）、语气强度指标（Strength）的回归系数在重污染行业上市公司中分别为−0.010，0.014，前者在5%统计水平上显著为负，后者在1%水平上显著为正，而在非重污染行业上市公司中这两个系数均不显著。高管薪酬（Pay）与乐观性指标（Optimism）的回归系数在重污染行业上市公司中为0.009，t值为2.97，在1%水平上显著为正，在非重污染行业上市公司中这一系数不显著。由此来看，高管薪酬与修饰性操控三个指标的回归系数在重污染行业上市公司中均显著，在非重污染行业上市公司中均不显著。以上结果可以说明，相较于非重污染行业上市公司，高管薪酬与社会责任报告修饰性操控的正向关系在重污染行业上市公司中更显著。假设H3a得到验证。

高管薪酬、行业性质与社会责任报告可读性操控的分组回归结果显示，高管薪酬与社会责任报告可读性操控两个指标的关系均在重污染行业上市公司中显著，在非重污染行业上市公司中不显著。具体来看，在重污染行业上市公司中，高管薪酬（Pay）与字数（Word）的回归系数在5%水平上显著为正；高管薪酬（Pay）与图表数（Chart）的回归系数在5%统计水平上显著为正。在非重污染行业上市公司中，高管薪酬（Pay）与字数（Word）、图表数（Chart）的回归系数均不显著。以上回归结果说明，与非重污染行业上市公司相比，重污染行业上市公司高管获得高薪后，更会在社会责任报告中增加字数和图表数，即高管薪酬与社会责任报告可读性操控的正向关系在重污染行业上市公司中更显著。假设H3b得到验证。

(三) 拓展分析

会计稳健性较高的公司，公司财务信息质量较好，内部控制环境也较为严格。管理层对信息披露进行印象管理行为的风险和成本较高。因此，会计稳健性对公司社会责任报告印象管理行为具有一定的抑制作用（张正勇和李玉，2018）。本文将会计稳健性（C_score）作为调节变量，进一步研究两者之间的关联性。本文采用Khan和Watts（2009）的模型计算会计稳健性，并在模型（1）和模型（2）中引入会计稳健性和高管薪酬的交互项。

表7列示会计稳健性对社会责任报告修饰性操控各指标的调节效应。高管薪酬和会计稳健性（Pay×C_score）的交互项与确定性指标（Certainty）的回归系数在10%水平上显著为正，未加入会计稳健性指标之前，高管薪酬（Pay）与确定性指标（Certainty）之间显著负相关，加入会计稳健性交乘之后，与确定性指标（Certainty）正相关，说明会计稳健性能够抑制高管薪酬与社会责任报告确定性之间的负向关系，提升二者之间的正向关系，即会计稳健性越高，高管薪酬与社会责任报告确定性的负向关系越弱。会计稳健性交互项（Pay×C_score）与语气强度指标（Strength）的回归系数在5%水平上显著为负，说明会计稳健性同样能够抑制高管薪酬和社会责任报告语气强度之间的正向作用。会计稳健性的交乘项（Pay×C_score）与乐观性指标（Optimism）的回归系数在5%水平上显著为负，说明会计稳健性（C_score）能减弱高管薪酬（Pay）与乐观性指标（Optimism）之间的正向关系。总体来看，会计稳健性对社会责任报告修饰性操控的三个指标均具有不同程度的抑制作用，即会计稳健性能够抑制高管薪酬与社会责任报告修饰性操控之间的正向关系。

从可读性指标来看，会计稳健性和高管薪酬的交互项（Pay×C_score）与字数（Word）回归系数在1%水平上显著为负；会计稳健性（C_score）和高管薪酬交互项（Pay×C_score）与图表数（Chart）回归系数在1%水平上显著为负。以上结果说明，会计稳健性能够削弱高管薪酬与社会责任报告字数和图表数之间的正向关系，即会计稳健性越高，高管薪酬对社会责任报告可读性操控的正向影响越弱。基于以上分析可知，会计稳健性对高管薪酬与社会责任报告修饰操控、可读性操控之间的正向关系均具有抑制作用。在会计稳健性较高的环境下，高管面临的监管风险较高，投机心理受到约束，因而对社会责任报告进行印象管理的动机在一定程度上也就相应减弱。

五、稳健性检验

前文高管薪酬的计量采用上市公司货币薪酬最高的前三名高级管理人员的薪酬总额的平均数，并取其自然对数。为检验前文结果的稳健性，现将高管薪酬以董事、监事、和高级管理人员薪酬前三名平均薪酬的对数计量（吉利和吴萌，2016；赖妍等，2020）。检验结果如表8和表9所示。

表8显示，修饰性操控中，高管薪酬（Pay）与确定性指标（Certainty）的回归系数为−0.008，t值为−2.56，在5%水平上显著为负。高管薪酬（Pay）与语气强度指标（Strength）的回归系数为0.011，t值为3.59，在1%水平上显著为正。高管薪酬（Pay）与乐观性指标（Optimism）的回归系数为0.004，t值为2.14，在5%水平上显著为正。结论与前文检验回归结果一致。

表9显示，可读性操控中，高管薪酬（Pay）与字数（Word）的回归系数为0.051，t值为2.37，在5%水平上显著为正；高管薪酬（Pay）与图表数（Chart）之间的回归系数为0.157，t值为2.64，在1%水平上显著为正。结论与前文检验回归结果一致。

六、主要结论与启示

本文以 2014–2018 年沪深A股上市公司的社会责任报告为研究对象，采用词汇匹配技术法和内容分析法评价社会责任报告蕴藏的印象管理行为，并研究了高管薪酬对印象管理行为的影响，得出以下研究结论：第一，我国上市公司社会责任报告普遍存在修饰性和可读性操控的印象管理行为；第二，高管薪酬越高，社会责任报告印象管理行为越显著；第三，与非国有上市公司相比，高管薪酬与社会责任报告印象管理行为的正向关系在国有上市公司中更显著；第四，与非重污染行业上市公司相比，高管薪酬与社会责任报告印象管理行为的正向关系在重污染行业上市公司中更显著；第五，会计稳健性能抑制高管薪酬与社会责任报告印象管理行为之间的正向关系。会计稳健性越高，社会责任报告修饰性操控和可读性操控越弱。

本文结论的理论贡献主要体现在两方面：第一，构建了评价公司社会责任报告印象管理行为的指标体系，包括修饰性操控和可读性操控两个维度，其中修饰性操控包括语气确定性、语调乐观性和语气强度三个要素，可读性操控包括字数和图表数两个要素。以往文献仅从单一维度进行评价，数据样本较少，本文在使用了新的评价方法后将相关研究扩展到横跨五个会计年度的上市公司，样本数共有2200个，这为后续研究公司印象管理行为提供了技术支撑，也使得研究结论更具有普适意义。第二，本文在结论上发现社会责任报告不仅具有披露社会责任信息的实质性作用，还在一定程度上体现了宣扬高管功绩、证明高管薪酬公正的工具性作用，首次将高管微观心理特征与印象管理行为结合研究，不仅为公司高管薪酬辩护提出了新的研究路径，也为印象管理行为的前置变量提供了新的研究视角。

本文的研究结论也有较强的实践启示。首先，信息披露监管部门适度加强对公司社会责任报告编制的指引，降低印象管理的操作空间。本文的研究结论显示，上市公司社会责任报告普遍存在印象管理行为。为了保护公司利益相关者，维护资本市场的资源配置效率，建议对公司社会责任报告中修饰性操控词语的有偏使用进行限制，降低确定性和乐观性词汇的使用频率，避免使用“最好”“极大”等语气强度的主观词汇，明确公司定量信息披露的范围，适度增加图表等客观表述，同时，进一步完善对社会责任报告的鉴定机制。第二，公司加强对高管行为的监督，降低高管在信息披露中的参与程度。社会责任报告涉及公司部门较多，应由部门代表成立专门的编制小组，根据客观数据和编制规范生成，降低高管人为操纵空间。同时，公司建立合理的高管薪酬体系，将公司社会责任行为的客观指标纳入薪酬评价体系，提升高管的社会责任感，抑制高管的印象管理动机。第三，利益相关者群体多渠道了解公司社会责任履行情况，降低自身对社会责任报告中修饰性操控词汇的敏感度。互联网提供了多种信息渠道，利益相关者群体将财务信息和非财务信息、定性信息和定量信息、公司信息和媒体信息有机结合，客观评价公司的社会责任行为，提升自身对社会责任信息甄别能力。