《上海财经大学学报》
2021第23卷第4期
近朱者赤: 上市公司精准扶贫行为的同群效应
文雯1, 朱沛青2, 宋建波2     
1.北京外国语大学 国际商学院,北京 100089;
2.中国人民大学 商学院,北京 100872
摘要:精准扶贫是中国治理贫困事业的重大举措,为了鼓励更多企业履行社会责任、响应乡村振兴战略号召,深入探究上市公司参与精准扶贫的动因具有重要意义。文章选取2016-2019年沪深上市公司数据,考查上市公司精准扶贫行为是否存在同群效应,并进一步探究其作用机理、影响因素及经济后果。研究表明,上市公司精准扶贫行为存在显著的行业同群效应,同行业企业的精准扶贫投入会显著正向影响其他企业的精准扶贫决策;社会学习和竞争压力是形成上市公司精准扶贫行为行业同群效应的主要原因;国有控股、融资约束程度更高以及信息环境更不透明的企业更倾向于模仿同群企业的精准扶贫行为;基于同群效应的精准扶贫行为对企业价值具有正向影响。研究结论有助于理解企业履行社会责任的动因,同时为充分发挥资本市场在巩固国家脱贫攻坚成果中的作用提供决策参考。
关键词精准扶贫    同群效应    社会学习    动态竞争    

一、引 言

中共十八大以来,以习近平总书记为核心的党中央把精准扶贫作为安邦定国的重要任务。精准扶贫具有“摸清底、重造血、提效率”等特性,是中国治理贫困事业的重大转型举措,是党和政府决胜全面建设小康社会的战略重点。为了鼓励和有效引导上市公司参与精准扶贫,中国证监会和沪深交易所于2016年分别发布政策性文件,支持和鼓励上市公司履行精准扶贫社会责任、支持贫困地区的产业发展。资本市场随后掀起扶贫热潮,诸多上市公司加入到精准扶贫的行列中。根据本文的统计,参与精准扶贫的上市公司数量由2016年的688家上升至2019年的1487家,参与精准扶贫的上市公司数量约占沪深A股上市公司总数的30%。在投入金额方面,上市公司在精准扶贫项目上的投入总额由2016年的138亿元提升至2019年的2 880亿元,提高了近21倍。由此,在我国实现脱贫攻坚全面胜利的背景下,探究企业参与精准扶贫的动因有助于巩固脱贫攻坚成果,助力乡村振兴。

关于上市公司参与精准扶贫的动因,已有研究主要从公司自身特征、高管异质性和外部治理环境三个层面进行了解释:(1)公司规模、产权性质、财务业绩等公司特征会影响上市公司精准扶贫的履行意愿(杜世风等,2019;易玄等,2020);(2)高管团队认知多样性有助于促进企业精准扶贫行为(原东良和周建,2020);(3)外部治理环境也会影响精准扶贫参与意愿,当媒体关注度越高时,企业面临的舆论压力越大,企业就越有动力参与精准扶贫(黄珺等,2020)。可见,现有关于企业参与精准扶贫的动因研究均基于公司独立决策的假设,尚无研究考虑不同企业精准扶贫决策之间的相互影响。对此,本文放松公司独立决策的假设,考虑公司决策受到同行业企业的相互影响,以探究企业参与精准扶贫的动因。

企业在决策制定和执行过程中会学习和模仿同行业、同地区或其他关联企业的行为,该现象被称为“同群效应”(peer effects)。企业与竞争对手处于同一环境中,往往会有意识地关注其他企业的决策,并最终产生具有互动性特征的决策。已有研究发现,同群效应不仅体现在企业投资(Foucault和Fresard,2014)、融资(Leary和Roberts,2014;陆蓉等,2017;李志生等,2018)、股利分配(Grennan,2019)等财务决策中,也表现在高管薪酬方案制定(Bizjak等,2008;赵颖,2016)、违规行为(陆蓉和常维,2018)及信息披露(Trueman,1990;沈洪涛和苏亮德,2012;李晓慧等,2019)等公司治理决策方面。尽管学者们越来越关注企业决策的同群效应,但是有关社会责任同群效应的文献乏善可陈,且未区分精准扶贫、慈善捐赠等不同形式的社会责任。那么,当同群企业选择开展精准扶贫活动时,目标企业是否存在模仿的动机?精准扶贫同群效应的作用机制是什么?何种类型的企业更容易受到精准扶贫同群效应的影响?基于精准扶贫的同群效应又会对企业价值产生何种影响?本文试图从同群效应的角度来解释上市公司精准扶贫行为。

本文选取2016–2019年沪深A股上市公司数据,实证检验上市公司精准扶贫行为的行业同群效应、作用机理、影响因素及其经济后果。本文可能的贡献主要体现在:第一,从企业互动视角拓展了企业精准扶贫影响因素的研究。已有关于企业精准扶贫影响因素的研究均基于公司独立决策的假设,未考虑到公司之间的相互影响,本文弥补了现有精准扶贫驱动因素研究仅关注企业自身特征的不足,有助于深入理解企业履行精准扶贫社会责任的动机。第二,从企业社会责任的视角补充了同群效应相关研究。已有财务学领域的研究主要考查公司财务决策和公司治理机制等方面的同群效应,本文针对我国精准扶贫这一项具有创新性的社会责任履行方式,拓展了企业社会责任的研究边界。在实践上,为充分发挥资本市场在巩固国家脱贫攻坚成果中的作用以及持续推进农村发展工作提供了新思路。

二、理论分析与研究假设 (一) 精准扶贫同群效应的存在性分析

中国的企业社会责任虽然起步较晚,但发展迅速,并结合政策导向在实践中摸索、创新。近年来,企业社会责任由慈善捐赠等传统形式向产业扶贫、教育扶贫等创新模式转变,这既有国家的政策导向和经济环境作为支撑,也有同行业共同推动的积极作用。已有研究表明,出于战略性动机与外部制度环境的压力,企业在作出以慈善捐赠为代表的社会责任投资决策时,会参考同群企业的决策。例如,陈仕华和马超(2011)基于汶川地震后中国上市公司捐款的实证研究发现,高管联结的企业在地震后的捐款行为方面具有显著的正向一致性。祝继高等(2017)分析汶川地震和雅安地震后企业的捐款行为也发现,上市公司捐赠行为中存在“锚定效应”,即同行业企业的捐赠意愿和捐赠金额显著正向影响了目标企业的捐赠决策。Cao等(2019)基于美国的研究发现,当同群企业的股东大会通过有关企业社会责任投入的提案后,其他企业也会相应加强对企业社会责任方面的投入,而未积极响应的企业则会面临股票价格下跌的风险。

虽然企业参与精准扶贫属于履行社会责任的范畴,但是与传统的慈善捐赠行为相比具有显著差异:第一,精准扶贫突出产业扶贫和技术扶贫,搭建企业与扶贫对象的产业对接平台,通过带动当地产业发展、解决就业问题,能够有效降低传统慈善捐赠行为在资金消耗之后出现迅速返贫的现象;第二,精准扶贫的形式多样,强调针对不同地区、不同情境“精准施策”;第三,精准扶贫工作强调精准考核、建立扶贫成效考核体系,且沪深交易所均要求上市公司披露帮助建档立卡贫困人口脱贫数以及与精准扶贫的相关获奖情况,从而有助于判断和评价企业的精准扶贫成效;第四,产业精准扶贫中,企业将付出的现金和资源转化成为企业和贫困户之间共同的财产和收益来源(刘建生等,2017),因而更类似于企业的投资行为(张玉明和邢超,2019);第五,精准扶贫由政府倡导和推进,具有较强的政策意义和战略远见。

依据社会学习理论(social learning theory),在缺乏客观标准的情况下,企业倾向于参照和模仿相似企业的决策,这不仅能够增强行动的合法性,而且能够降低信息搜寻成本和未来面对的不确定性(Bikhchandani和Huang,1993;Dodgson,1993)。个体决策依赖于各类信息,除了传统知识学习模型中的先验信息和外部私有信息外,同伴的行为也蕴含着与决策相关的重要信息。特别是在外部环境不确定性较大、企业自身信息质量较低、个体经验不够丰富时,企业的学习动机更强。具体到精准扶贫决策,企业倾向于向同群企业学习,原因在于:第一,由于精准扶贫的理念和政策具有创新性,企业对如何参与精准扶贫、以何种形式推动精准扶贫事业需要一个思考过程和实践基础,企业会选择便捷的信息渠道和参照物进行决策,同群企业的精准扶贫行为是目标企业决策者的理想参照物;第二,出于获取合法性和降低不确定性的动机,企业可能采取学习同群企业的精准扶贫的方式以降低潜在的风险。

依据动态竞争理论(dynamic competition theory),作为以追求利润最大化为目标的经营实体,企业的各项决策与竞争对手之间存在互动关系(Chen,1996;Chen和Miller,2012)。企业不仅会对竞争对手的战略决策予以充分的关注,而且竞争压力也会促使管理层模仿和借鉴同伴的先进技术和管理方法,从而作出更为优化的决策(Borgatti和Cross,2003)。具体到企业精准扶贫行为,精准扶贫在本质上属于一种自愿履行社会责任的形式,企业是否参与精准扶贫、以何种形式参与以及精准扶贫投入金额完全可以由企业自主决定。但是,在动态竞争的环境中,同伴企业的精准扶贫行为会对目标企业产生影响,具体原因体现在两方面:第一,精准扶贫参与情况受到利益相关者的关注,迫于社会压力,也为了达到社会大众对企业履行社会责任的期望,企业会尽量与同群企业保持一致,以免带来不必要的负面影响;第二,精准扶贫作为一项政府倡导和推动的扶贫项目,其政策意义远超普通的慈善捐赠活动,企业积极参与精准扶贫能够获得融资便利、纳税优惠、政府补助等财政奖励(邓博夫等,2020;严若森和唐上兴,2020;王帆等,2020)。当同群企业积极参与精准扶贫活动并获得回报时,目标企业出于对资源的依赖和竞争需要,也会学习同群企业的精准扶贫行为。基于上述分析,本文提出第一个研究假设:

假设1:上市公司的精准扶贫行为具有行业同群效应,即同群企业在精准扶贫方面的参与意愿及投资金额显著提高了目标企业的精准扶贫倾向。

(二) 精准扶贫同群效应的学习机制分析

同群企业的精准扶贫决策可能通过学习机制影响目标企业。社会学习理论强调个体通过观察示范者的行为进行学习和模仿的过程,且该学习过程是一种无需外界刺激的主动学习,观察者与示范者之间未必存在直接竞争关系。精准扶贫是一种自愿的社会责任履行形式,企业是否参与精准扶贫以及以何种形式参与,都没有统一的实施和评价标准。依据社会学习理论,在客观标准较为缺乏时,个体会以相似群体的决策作为参照,这种方式不仅便捷而且成本较低(Bikhchandani和Huang,1993;Dodgson,1993)。特别是当企业在市场中处于劣势地位时,更可能参照领先企业的行为,这样不仅可以降低信息搜索成本,也有助于增强政策的合法性、降低不确定性。因此,我们预期处于市场劣势地位的企业,更倾向于主动学习和模仿领先企业的精准扶贫决策,受到同群企业的影响更大。基于上述分析,本文提出第二个研究假设:

假设2:同群企业的精准扶贫行为通过“学习机制”影响目标企业的精准扶贫决策,跟随者倾向于模仿领先者的精准扶贫行为,因而跟随者受到同群企业的影响较大。

(三) 精准扶贫同群效应的竞争机制分析

竞争机制是指企业迫于社会压力而被动地与同群企业作出相同或相似决策。随着社会责任观念的深入人心,企业社会责任履行质量受到了广泛的社会关注,缺乏社会责任意识的企业会遭到公众摒弃。特别是对于精准扶贫这一项由政府倡导的社会责任行动,企业更有动机开展不低于同群企业平均水平的扶贫实践,以赢得政府的青睐与支持,避免声誉受损,树立良好的社会形象。已有研究发现,企业积极参与精准扶贫有助于获得更多的信贷支持和政府补贴(严若森和唐上兴,2020),缓解了企业面临的融资约束(邓博夫等,2020),获得了积极的资本市场反应(易玄等,2020),并对企业投资效率和财务绩效均有促进作用(胡浩志和张秀萍,2020;王帆等,2020;张玉明和邢超,2019)。因此,在激烈的竞争环境中,为了维持竞争优势或者限制竞争对手,企业会学习和模仿竞争对手的行为(Lieberman和Asaba,2006)。企业面临的竞争压力越大,其精准扶贫行为越容易受到同群企业的影响。基于上述分析,本文提出第三个假设:

假设3:同群企业的精准扶贫行为通过“竞争机制”影响目标企业的精准扶贫决策,当市场竞争程度激烈时,目标企业的精准扶贫行为更容易受到同群企业的影响。

三、研究设计 (一) 样本选取与数据来源

本文采用2016–2019年中国沪深A股上市公司为初始样本。选择2016年作为样本起点的原因是中国研究数据服务平台(CNRDS)和国泰安经济金融数据库(CSMAR)披露的上市公司精准扶贫数据始于2016年,2019年是本文研究开始时所能获取的最新数据年份。在初始样本的基础上,本文剔除了金融行业上市公司。为了减轻异常值对研究结果的影响,所有连续变量均经过上下1%的缩尾处理。其他财务数据和公司治理数据来源于国泰安经济金融数据库(CSMAR)。

(二) 研究模型与关键变量定义

变量定义如表1所示。为了检验假设1,即上市公司精准扶贫行为是否存在同群效应,借鉴Manski(1993)提出的Linear-in-Means模型,构建回归模型(1)。由于利益相关者更可能以同一行业内的企业作为比较对象,因此选择同行业企业作为同群企业。行业分类标准依据中国证监会2012年修订的《上市公司行业分类指引》,由于制造业企业数量较多,对制造业企业取两位代码进行细分。为了降低内生性问题的影响,采用t−1期解释变量和控制变量对t期被解释变量进行回归

$ Poveall{e_{i,t}} = \alpha + {\beta _1}Peer\;Poveall{e_{ - i,p,t - 1}} + \lambda Control{s_{i,t - 1}} + {\varepsilon _{i,t}} $ (1)

其中,i表示目标企业,-i表示同群企业中除企业i之外的其他企业,p表示同群企业,t表示年份;α表示截距项,β表示变量系数,λ表示向量系数,ε代表随机扰动项。模型的被解释变量为目标企业精准扶贫行为(Povealle),具体采用两个指标度量:其一,上市公司是否参与精准扶贫哑变量(Povdum),如果上市公司当年度参与精准扶贫取值为1,否则为0;其二,精准扶贫投入金额变量(Povamt),等于上市公司当年度投入精准扶贫工作中的总金额加1取自然对数。解释变量为同群企业的精准扶贫行为(Peer Povealle),等于去除目标企业之外的同行业同年度其他企业的精准扶贫行为的均值,具体包括同群企业参与精准扶贫的比例(Peer Povdum)和精准扶贫投入金额(Peer Povamt)两个变量。依据假设1,预期同群企业精准扶贫行为的估计系数β1显著为正。Controls代表控制变量,包括财务层面的公司规模(Size)、总资产收益率(ROA)、资产负债率(Lev)、营业收入增长率(Growth),也包括公司治理层面的股权集中度(Top1)、产权性质(SOE)、上市年限(Listage)、机构投资者持股(Insto)和独立董事在董事会中的比例(Indir)。

表 1 变量定义
变量类型 变量 变量名称 变量定义
被解释变量 Povdum 目标企业是否参与精准扶贫 目标企业当年参与精准扶贫取值为1,否则为0
Povamt 目标企业精准扶贫投入金额 目标企业当年度投入精准扶贫工作中的总金额加1取自然对数
解释变量 Peer Povdum 同群企业精准扶贫平均参与水平 同群内其他上市公司(去除目标企业i)的Povdum的平均值
Peer Povamt 同群企业精准扶贫平均投入金额 同群内其他上市公司(去除目标企业i)的Povamt的平均值
其他变量 HHI 市场竞争强度 按总资产计算的赫芬达尔指数:HHI=sum[(Xi/X)2],其中,Xi为单个公司的总资产,X为该公司所属行业的总资产总计
SA 融资约束 采用SA指数衡量
Size 公司规模 公司当年末总资产的自然对数
Lev 资产负债率 公司当年末总负债除以总资产
ROA 总资产收益率 公司当年度净利润除以年末总资产
Growth 营业收入增长率 公司当年度相对于上年度营业收入的增长率
SOE 产权性质 公司实际控制人为国有时取值为1,否则为0
Listage 上市年限 公司上市年限加1取自然对数
Top1 股权集中度 公司当年末第一大股东持股数量除以上市公司总股数
Insto 机构持股 机构投资者持股数量除以上市公司总股数
Indir 独立董事比例 独立董事人数除以董事会总人数
Year 年份 依据本文的样本期间,设置年份虚拟变量
Industry 行业 参考中国证监会2012行业分类标准设置哑变量,并对制造业取两位代码细分

为了检验假设2,即同群企业的精准扶贫行为是否通过学习机制影响目标企业的精准扶贫决策,参考陆蓉等(2017)的研究,按市场地位将行业内公司分为领先者和跟随者,并采用分样本的方法对模型(1)进行回归。具体而言,将行业内市值排名前30%的公司视为领先者(Lead),后30%的公司视为跟随者(Follow)。在分析行业领先者对跟随者的反应时,采用领先者的子样本,并在计算解释变量同群企业精准扶贫行为(Peer Povealle)时,仅采用行业内所有跟随者作为同群企业,再重新计算平均值;相反,在分析行业跟随者对领先者的反应时,采用跟随者的子样本,同时在计算同群企业精准扶贫行为时,仅采用行业内所有领先者作为同群企业,再重新计算平均值。经过上述处理,再根据模型(1)进行回归,比较回归系数差异。依据假设2,同群企业中的跟随者倾向于模仿领先者的精准扶贫行为,预期对跟随者样本中Peer Povealle的系数β1显著为正;相反,领先企业本身会采取独立自主决策,受同群企业的影响较小,因而预期对领先者样本中Peer Povealle的系数β1不显著。

为了检验假设3,即同群企业的精准扶贫行为是否通过竞争机制影响目标企业的精准扶贫行为,设立模型(2):

$\begin{aligned} Poveall{e_{i,t}} = &\alpha + {\beta _1}Peer\;Poveall{e_{ - i,p,t - 1}} + {\beta _2}Peer\;Poveall{e_{ - i,p,t - 1}} \times HH{I_{i,t - 1}} + \\ &{\beta _3}HH{I_{i,t - 1}} + \lambda Control{s_{i,t - 1}} + {\varepsilon _{i,t}} \end{aligned}$ (2)

其中,模型(2)在模型(1)的基础上加入了市场竞争强度(HHI)及其与同群企业精准扶贫行为的交乘项(Peer Povealle×HHI)。HHI代表行业市场集中度的赫芬达尔指数,该指数越小代表产品市场竞争程度越激烈。产品市场竞争程度代表企业面对的竞争对手压力,当产品市场竞争程度更加激烈时,为了在消费者面前保持良好的声誉和形象,同时获得政府及监管部门的支持,目标企业更有可能模仿同群企业的精准扶贫行为。依据假设3,当企业面临的社会压力越大、市场竞争程度越激烈时,目标企业的精准扶贫行为就越容易受到同群企业的影响,因此预期交乘项(Peer Povealle×HHI)的系数β2显著为负。

四、实证结果与分析 (一) 描述性统计

表2报告了描述性统计结果。企业参与精准扶贫的哑变量(Povdum)的均值为0.280,说明约有28%的公司参与了精准扶贫,企业精准扶贫投入金额(Povamt)的均值为1.313,最大值为9.237,说明不同企业在精准扶贫上的投入存在较大差异。同群企业精准扶贫平均参与水平(Peer Povdum)的均值为0.227,同群企业精准扶贫平均投入金额(Peer Povamt)的均值为1.065,比PovdumPovamt略低,这是由于本文在模型中选取上期同群企业的平均值,说明我国上市公司精准扶贫的参与程度正在逐年上升。其他控制变量的描述性统计与前人研究较为接近。

表 2 描述性统计
变量 样本量 均值 标准差 最小值 P25 中位数 P75 最大值
Povdum 8582 0.280 0.449 0.000 0.000 0.000 1.000 1.000
Povamt 8582 1.313 2.364 0.000 0.000 0.000 2.287 9.237
Peer Povdum 8582 0.227 0.159 0.000 0.120 0.190 0.276 0.900
Peer Povamt 8582 1.065 0.944 0.000 0.444 0.802 1.275 6.043
Size 8582 22.360 1.416 19.660 21.370 22.170 23.110 27.290
Lev 8582 0.430 0.209 0.060 0.264 0.417 0.577 0.954
ROA 8582 0.037 0.078 −0.382 0.015 0.039 0.072 0.222
Growth 8582 0.202 0.465 −0.661 0.007 0.124 0.287 3.317
SOE 8582 0.338 0.473 0.000 0.000 0.000 1.000 1.000
Listage 8582 2.190 0.836 0.000 1.609 2.303 2.944 3.296
Top1 8582 0.338 0.143 0.084 0.228 0.315 0.431 0.732
Insto 8582 0.429 0.249 0.003 0.210 0.446 0.630 0.925
Indir 8582 0.378 0.054 0.333 0.333 0.364 0.429 0.571
(二) 回归分析

1. 精准扶贫同群效应的存在性检验。表3报告了假设1的检验结果,即探讨上市公司精准扶贫行为是否存在行业同群效应。其中,列(1)选取公司当年是否参与精准扶贫(Povdum)作为被解释变量,引入上年度同群其他企业在精准扶贫中的参与比例(Peer Povdum)作为解释变量;列(2)选取公司当年精准扶贫的金额(Povamt)作为被解释变量,引入上年同群其他企业的平均扶贫金额(Peer Povamt)作为解释变量,分别控制了公司特征因素以及年度、行业固定效应。回归结果显示,解释变量的估计系数均在1%的水平上显著为正,表明企业在精准扶贫参与意愿和投入金额方面都存在显著的行业同群效应。上述结果说明,企业在作出是否参与精准扶贫以及投资金额的决策时考虑的并非仅有企业自身因素,也会考虑同群企业的参与水平,即目标企业具备向同群企业学习和模仿的倾向性。

表 3 上市公司精准扶贫行业同群效应的存在性检验
Povamt
(1) (2)
Peer Povdum 1.176***(3.159)
Peer Povamt 0.228***(3.345)
Size 0.389***(9.438) 0.618***(15.581)
Lev −0.164(−0.663) −0.258(−1.433)
ROA 1.921***(3.191) 0.678*(1.883)
Growth −0.071(−1.157) −0.081*(−1.777)
SOE 0.701***(7.081) 0.449***(4.762)
Listage −0.044(−0.778) −0.185***(−3.906)
Top1 −0.271(−0.855) −0.153(−0.557)
Insto 0.446**(2.058) 0.330**(2.016)
Indir −0.049(−0.071) 0.613(1.016)
Year Yes Yes
Industry Yes Yes
Constant −9.757***(−10.475) −12.151***(−12.930)
N 8582 8582
Adj R2/Pseudo R2 0.154 0.256
  注:列(1)采用Logit回归模型,列(2)采用OLS回归模型;******分别表示在10%、5%和1%的水平上显著,均为双尾;括号内的数值为t值,并采用公司层面的cluster聚类调整,下同。

2. 精准扶贫同群效应的学习机制检验。表4报告假设2的检验结果,即探究上市公司精准扶贫同群效应是否由学习机制产生。预期当企业处于市场领先的优势地位时,其拥有的社会资源更加丰富,在精准扶贫方面的决策自主权更强;当企业处于弱势地位时,更倾向于向领先的头部企业学习,因而更容易受到精准扶贫同群效应的影响。参考陆蓉等(2017),按市场地位将行业内公司分为领先者和跟随者。具体而言,在行业内企业市值排名前30%的公司视为领先者,后30%的公司视为跟随者。在分析行业领先者(跟随者)对跟随者(领先者)的反应时,样本采用领先者(跟随者)的子样本,同时在计算解释变量同群企业精准扶贫行为(分别为Peer PovdumPeer Povamt)时,仅采用行业内所有跟随者(领先者)作为同群企业,再重新计算平均值。由表4列(1)和列(2)可知,行业领先者对跟随者的反应不显著,说明行业内具有信息优势的领先企业在精准扶贫的决策中具有高独立性;列(3)和列(4)的结果表明,行业跟随者对领先者的反应显著为正,说明处于劣势市场地位的公司会向行业领先者学习精准扶贫的经验。综合上述分析,学习机制是形成上市公司精准扶贫同群效应的重要原因,具有信息优势的行业领先企业在决策时具有相对独立性,处于信息劣势的行业跟随者会通过向领先者的主动学习与模仿,强化决策的合法性,降低企业面临的不确定性风险,因此假设2得到验证。

表 4 上市公司精准扶贫行为同群效应的机制研究:学习机制
行业领先者对跟随者的反应(领先者子样本) 行业跟随者对领先者的反应(跟随者子样本)
Povdum Povamt Povdum Povamt
(1) (2) (3) (4)
Peer Povdum 0.744(1.209) 0.876**(2.151)
Peer Povamt 0.126(0.829) 0.116**(2.390)
Controls Yes Yes Yes Yes
Year/Industry Yes Yes Yes Yes
Constant −12.854***(−8.495) −21.536***(−12.024) −10.385***(−4.635) −6.101***(−5.147)
N 2531 2531 2341 2341
Adj R2/Pseudo R2 0.161 0.266 0.137 0.161

3. 精准扶贫同群效应的竞争机制检验。表5报告了假设3的检验结果,即上市公司精准扶贫同群效应是否由竞争机制形成。具体而言,采用产品市场竞争的赫芬达尔指数(HHI)代表企业面临的竞争压力,该指数越小代表产品市场竞争程度越强。从回归结果可以看出,同群企业精准扶贫行为与产品市场竞争程度的交乘项(Peer Povdum×HHIPeer Povamt×HHI)的估计系数均在1%的水平上显著为负,表明企业面临的市场竞争越激烈,目标企业受同群企业精准扶贫的影响越大。对于精准扶贫这一项由政府倡导的社会责任行动,企业有动机模仿同群企业的精准扶贫实践,从而赢得政府的好感与支持,在激烈的市场竞争中取得优势,树立良好的社会形象。上述结果表明,行业竞争是形成上市公司精准扶贫同群效应的内在机制之一,假设3得到验证。

表 5 上市公司精准扶贫行为同群效应的机制研究:竞争机制
Povdum Povamt
(1) (2)
Peer Povdum 2.346***(4.580)
Peer Povdum×HHI −6.584***(−3.105)
Peer Povamt 0.481***(5.249)
Peer Povamt×HHI −1.417***(−3.539)
HHI 2.002**(2.456) 1.757**(2.518)
Controls Yes Yes
Year/Industry Yes Yes
Constant −10.101***
(−10.710)
−12.479***
(−13.350)
N 8582 8582
Adj R2/Pseudo R2 0.155 0.259
五、拓展性研究 (一) 上市公司精准扶贫特征的同群效应

本文考虑同群企业精准扶贫的特征是否会对目标企业产生影响。基于学习和竞争压力驱使下的精准扶贫同群效应是一种理性的反应机制。但是,针对同群企业不同程度的决策行动,目标企业可能表现出不对称的复杂反应(钟田丽和张天宇,2017)。精准扶贫作为一项新政策,其实施过程中充满不确定性,企业在参与精准扶贫时不存在一个最优标准,以何种形式参与精准扶贫、需要对精准扶贫投入多少资源都是未知的。在竞争压力下,目标企业可能学习和模仿同群企业的扶贫决策和扶贫形式;但是由于部分扶贫机制侧重于长期“造血”,需要不断投入资源,持续时间长且见效慢,目标企业的扶贫质量未必能得到保证,因而精准扶贫质量上的同群效应可能并不显著。(1)本文考查上市公司参与精准扶贫项目在类型上是否具有同群效应。按照沪深交易所的指引,企业精准扶贫被分类为产业发展脱贫、转移就业脱贫、易地搬迁脱贫、教育扶贫、健康扶贫、生态保护扶贫、兜底保障、社会扶贫和其他项目九类。其中,产业发展脱贫是一种持续时间长、见效慢但效果明显的扶贫方式,企业可以结合自身优势进行产业投资,为企业和社会直接创造价值,并向外传递自身实力较强的信号。这种针对性强的扶贫项目具有不可复制性,因此,产业发展项目更不易产生同群效应。本文采用两个指标度量上市公司参与精准扶贫的类型:PovIndInv代表上市公司产业发展脱贫项目投入金额加1取自然对数,PovNIndInv代表非产业发展脱贫项目投入金额加1取自然对数。(2)本文考查上市公司参与精准扶贫在质量上是否具有同群效应。依据沪深交易所颁布的精准扶贫信息披露要求,精准扶贫信息披露包括精准扶贫规划、年度精准扶贫概要、精准扶贫成效以及后续精准扶贫计划四个部分,特别是精准扶贫成效(包括帮助建档立卡贫困人口脱贫数以及与精准扶贫的相关获奖情况)的披露为我们深入探究精准扶贫质量特征上的同群效应提供了可能性。本文采用两个指标度量上市公司在精准扶贫工作中的质量:Povprize代表上市公司当年度在精准扶贫工作中获得市级以上奖项总次数加1取自然对数,Povpeople代表上市公司当年度帮助建档立卡贫困人口脱贫数量加1取自然对数。

表6报告了上市公司在精准扶贫类型与质量上是否存在同群效应的检验结果。列(1)和列(2)的结果显示,Peer PovNIndInv的估计系数显著为正,而Peer PovIndInv的系数不显著,说明企业在非产业发展脱贫项目上的投入存在同群效应,而产业发展脱贫项目的精准扶贫行为不存在同群效应;在列(3)和列(4)中,Peer PovprizePeer Povpeople的系数均不显著,说明企业精准扶贫行为在质量方面并不存在同群效应。上述结果表明,目标企业在参考同群企业的精准扶贫决策时,主要模仿其是否参与及其投入金额,而对企业精准扶贫的实际质量与效果缺乏关注。

表 6 上市公司精准扶贫形式与质量的同群效应
精准扶贫类型 精准扶贫质量
PovIndInv PovNIndInv Povprize Povpeople
产业发展脱贫 非产业发展脱贫 精准扶贫获奖 帮助脱贫人口
(1) (2) (3) (4)
Peer PovIndInv 0.087(1.028)
Peer PovNIndInv 0.213***(2.988)
Peer Povprize 0.091(1.055)
Peer Povpeople 0.059(0.570)
Controls Yes Yes Yes Yes
Year/Industry Yes Yes Yes Yes
Constant −17.988***(−9.332) −23.605***(−11.473) −0.498***(−6.913) −5.683***(−7.040)
N 8582 8582 8582 8582
Adj R2 0.195 0.186 0.081 0.172
(二) 上市公司精准扶贫行为同群效应的影响因素

本文从企业产权性质、融资约束和外部信息环境三方面探究上市公司精准扶贫行为同群效应的影响因素。首先,精准扶贫同群效应可能受到企业产权性质的影响。国有企业承担较强的社会公益目标,为了向外界传递良好的信誉和树立负责任的公司形象,当同群企业精准扶贫履行情况较好时,国有企业更可能追随同群企业的做法,积极“顺应潮流”加入到精准扶贫行列中,因此预期国有企业的精准扶贫同群效应比民营企业更显著。其次,精准扶贫同群效应可能受到企业财务状况的影响。盈利能力较强且财务资源充沛的企业更有可能进行自主决策,成为被模仿的对象,受到同群企业的影响较小;而融资约束程度较高的公司更可能成为追随者,被动学习同群企业的做法,表现出更显著的同群效应。最后,精准扶贫同群效应可能受到企业信息环境的影响。当企业所处的信息环境越透明时,企业获取信息的速度越快,信息含量越高,这类企业在实施精准扶贫项目决策过程中就越倾向于自主决策;而当企业信息环境透明度较低时,企业在精准扶贫决策上可能倾向于采取模仿和跟随的策略,因而受到同群企业的影响更大。

本文依据上市公司产权性质、SA指数和分析师跟踪人数的中位数将样本进行细分,分别对模型(1)进行回归。表7报告了精准扶贫行为同群效应影响因素的实证结果。Peer Povamt的估计系数在国有企业、融资约束程度高、分析师跟踪人数少的组中显著为正,而在民营企业组、融资约束程度低、分析师跟踪人数多的组中不显著。上述结果说明,国有企业、融资约束较高、信息环境不透明的企业更多依赖和参考同群企业的行为,因而同群效应更显著。

表 7 上市公司精准扶贫行为同群效应的影响因素
Povamt
国有企业 民营企业 融资约束程度低 融资约束程度高 分析师跟踪人数少 分析师跟踪人数多
(1) (2) (3) (4) (5) (6)
Peer Povamt 0.277*** 0.044 0.107 0.340*** 0.305*** 0.126
(4.077) (0.677) (1.543) (5.916) (6.066) (1.603)
Controls Yes Yes Yes Yes Yes Yes
Year/Industry Yes Yes Yes Yes Yes Yes
Constant −13.658*** −8.964*** −13.920*** −8.129*** −7.244*** −16.860***
(−14.847) (−13.494) (−20.090) (−9.461) (−10.827) (−17.712)
N 2897 5685 4318 4264 4630 3952
Adj R2 0.304 0.136 0.335 0.175 0.216 0.281
(三) 上市公司精准扶贫行为同群效应的经济后果

在探究精准扶贫同群效应的存在性、作用机制及影响因素后,本文进一步探究上市公司精准扶贫行为的经济后果,即目标企业学习和模仿同群企业精准扶贫行为后,究竟会给企业带来怎样的影响,本文主要从企业价值的视角展开分析。理论上,精准扶贫行为的同群效应是否能够提升目标企业的价值并不确定。一方面,如果政府及投资者认为目标企业跟随同群企业精准扶贫的做法是一种积极的响应,能够反映企业对弱势群体和社会责任的关注,这种积极模仿行为向外界传递了正面的信号,那么企业价值有可能获得提升;另一方面,如果政府及投资者认为目标企业只是迫于同群企业的压力实施精准扶贫决策,是一种形式上和战术上的跟随与模仿,实际上并不能满足外界对企业社会责任的期待,那么精准扶贫同群效应对企业价值可能不会发生显著影响。因此,精准扶贫同群效应是否影响企业价值尚待实证检验。

参考李秋梅和梁权熙(2020),构建如下模型来检验精准扶贫同群效应对企业价值的影响:

$ \begin{aligned} T\!obin{Q_{i,t}}/T\!obin{Q_{i,t + 1}} =& \alpha + {\beta _1}Poveall{e_{i,t}} \times Peer\;Poveall{e_{ - i,p,t - 1}} + {\beta _2}Poveall{e_{i,t}}+\\ & {\beta _3}Peer\;Poveall{e_{ - i,p,t - 1}} + \lambda Control{s_{i,t}} + {\varepsilon _{i,t}} \end{aligned} $ (3)

其中,被解释变量企业价值采用TobinQ衡量,解释变量为目标企业精准扶贫与同群企业精准扶贫变量的交乘项(Povealleit×Peer Povealle-ipt-1),通过交乘项的系数β1判断精准扶贫同群效应对企业价值的影响。回归结果显示,无论从是否参与精准扶贫还是从精准扶贫投入金额的角度看,精准扶贫同群效应都改善了当期的企业价值,并对未来一期的企业价值也产生了持续性的正向影响。上述结果也反映出企业从精准扶贫同群效应中获取了收益,这进一步解释了企业愿意学习和模仿同群企业精准扶贫决策的原因。

六、稳健性检验 (一) 工具变量法

同群效应认为目标企业与同群企业之间存在内生互动关系,即某一企业的精准扶贫决策受到同群企业的影响,但是同群企业的精准扶贫决策也是该企业决策的函数,即存在“反向因果”的内生性问题。本文借鉴Leary和Roberts(2014)、Grennan(2019)等研究,采用工具变量法来缓解潜在的内生性问题。选用的工具变量为同群企业特质股票收益率(Peer Idiorisk),同群企业的特质性股票收益率会影响同群企业履行社会责任的能力,而同群企业的特质性股票收益率不会对目标公司的精准扶贫行为产生影响,因而该工具变量满足相关性和外生性要求。在第二阶段中,拟合的解释变量系数均显著为正,说明本文的实证结果稳健。

(二) 公司固定效应模型

考虑到同行业、同地区的企业面临相似的制度环境和特征,例如拥有相似的生产技术、投资机会、消费者群体等,这些因素都可能影响企业的精准扶贫行为或社会责任履行动机,即存在“遗漏变量”问题。本文在模型中进一步控制省份固定效应和公司层面固定效应。由实证结果可知,解释变量的系数依然显著为正,说明本文的结论稳健。

(三) 改变精准扶贫变量的衡量方式

考虑到精准扶贫是本文的关键变量,本文采用替代指标进行回归:(1)在计算同群企业精准扶贫平均参与水平和同群企业精准扶贫平均金额时,采用加权平均的方法,按照同群企业的总资产规模进行加权,重新计算出同群企业精准扶贫平均参与水平和平均金额;(2)在计算各企业精准扶贫投入金额时,采用精准扶贫金额与企业规模的比值和精准扶贫金额与企业销售收入的比值,重新确定目标企业的精准扶贫金额与同群企业精准扶贫的平均金额;(3)考虑到当企业决定投入多少资源来参与精准扶贫时,可能会参考行业内已经开展精准扶贫公司的投入情况,而非行业内的所有企业,因此在计算同群企业精准扶贫投入金额时,剔除未开展精准扶贫的企业,重新界定同群企业精准扶贫投入金额变量。改变精准扶贫衡量指标的回归结果显示,精准扶贫变量的估计系数均显著为正,说明本文的研究结果稳健。

(四) 改变模型估计方法

考虑到目标企业精准扶贫投入金额变量的中位数是0,存在较为明显的截尾特征,因此采用Tobit模型进行稳健性检验。回归结果表明,采用Tobit回归模型后,同群企业精准扶贫投入金额变量的估计系数仍然显著为正,进一步验证了本文结论的稳健性。

(五) 采用开展精准扶贫子样本进行回归

由于部分企业在样本期间内从未开展精准扶贫工作,因而本文将研究样本限定在开展精准扶贫的企业中,进而避免精准扶贫投入金额数据的截尾特征对结果造成影响。采用子样本回归的结果表明,同群企业精准扶贫投入金额变量显著为正,说明限定精准扶贫子样本时,同群企业精准扶贫投入金额对目标企业依然具有显著正向影响,本文的结论依然稳健。

七、结论与启示

精准扶贫是我国治理贫困的重要创新举措,也是打赢脱贫攻坚战的制胜法宝。作为资本市场的重要主体,上市公司参与精准扶贫行为的动因及经济后果值得深入探究。本文实证检验中国上市公司参与精准扶贫行为是否存在行业同群效应,并探究其作用机制、影响因素及经济后果。研究发现:第一,中国企业的精准扶贫决策存在明显的行业同群效应;第二,向领先者学习以及面临的同行竞争压力影响精准扶贫同群效应的形成;第三,企业精准扶贫同群效应主要体现在非产业发展脱贫项目,在产业发展脱贫项目和精准扶贫质量方面的同群效应并不显著;第四,不同产权性质、融资约束与信息透明度的企业在精准扶贫行业同群效应的影响上存在差异;第五,基于同群效应的精准扶贫行为对企业当期及未来的价值均具有正向影响,说明模仿和学习对同行业企业的精准扶贫行为发挥了积极作用。

本文拓展了上市公司精准扶贫的影响因素和同群效应领域的研究,同时为企业社会责任决策以及国家持续性减贫和乡村振兴战略提供现实参考:(1)为上市公司积极参与扶贫工作、履行社会责任提供依据。本文的研究结论表明,基于精准扶贫的行业同群效应对企业价值具有正向影响,说明资本市场认可和鼓励上市公司参与精准扶贫。积极投身到精准扶贫和乡村振兴的行列,能够帮助企业自身走上长期高质量发展之路。企业应当转变传统的以慈善捐赠为主体的社会责任履行方式,创新产业扶贫模式,努力在“授人以渔”的同时实现自身的价值增长。(2)为地方政府巩固脱贫攻坚成果、稳步推进乡村振兴工作提供参考。本文研究发现,在履行社会责任时,企业具有向行业领先者学习的强烈动机,并且竞争压力会进一步强化这种学习效应。因此,政府应当恰当利用企业社会责任履行行为中的“同群效应”,进而达到事半功倍的政策效果。例如,积极宣传和推广企业参与扶贫的优秀典型案例,在同群企业中树立标杆,并给予适当的奖励,鼓励落后企业向先进企业看齐,形成良好的政策溢出效应,充分调动上市公司的积极性,进而巩固脱贫攻坚的成果,稳步推进乡村振兴。(3)为证券监管部门引导和完善企业社会责任信息披露提供借鉴。企业在模仿和学习同行业企业的精准扶贫行为时,存在只注重扶贫的形式而不注重扶贫质量的现象。当前我国正处于由脱贫攻坚向乡村振兴发展的过渡期,部分脱贫地区的发展基础仍相对薄弱,为了避免企业的精准扶贫行为只追求短期利益和表面达标的问题,监管部门可以定期对企业扶贫的目标对象进行调研和访谈,建立健全精准扶贫成效评价体系,同时让更多社会主体参与到对扶贫的多元共治中来,以探索政府和市场机制的融合之道。在要求企业完善社会责任信息披露时,除了引导企业披露是否履行社会责任以及投入金额之外,监管部门也应鼓励企业披露社会责任建设成效,进而提升企业社会责任的履行质量。

① “目标企业”又称“焦点企业”(focal firm),是与同群企业相对应的概念。

② 如果采用同期解释变量(同群企业精准扶贫行为)对被解释变量(目标企业精准扶贫行为)进行回归,本文的结论依然成立,限于篇幅,该结果未予列示,备索。

③ 因篇幅限制,本文省略了该结果,如有需要,可向作者索取。

④ 因篇幅限制,本文省略了稳健性检验的实证结果,如有需要,可向作者索取。

主要参考文献
[1] 陈仕华, 马超. 企业间高管联结与慈善行为一致性——基于汶川地震后中国上市公司捐款的实证研究[J].管理世界,2011(12).
[2] 邓博夫, 陶存杰, 吉利. 企业参与精准扶贫与缓解融资约束[J].财经研究,2020(12).
[3] 杜世风, 石恒贵, 张依群. 中国上市公司精准扶贫行为的影响因素研究——基于社会责任的视角[J].财政研究,2019(2).
[4] 胡浩志, 张秀萍. 参与精准扶贫对企业绩效的影响[J].改革,2020(8).
[5] 黄珺, 李云, 段志鑫. 媒体关注、产权性质与企业精准扶贫[J].华东经济管理,2020(6).
[6] 李秋梅, 梁权熙. 企业“脱实向虚”如何传染? ——基于同群效应的视角[J].财经研究,2020(8).
[7] 李晓慧, 张明祥, 李哲. 管理层自利与企业内部控制缺陷模仿披露关系研究——基于制度理论分析[J].审计研究,2019(2).
[8] 李志生, 苏诚, 李好, 等. 企业过度负债的地区同群效应[J].金融研究,2018(9).
[9] 刘建生, 陈鑫, 曹佳慧. 产业精准扶贫作用机制研究[J].中国人口·资源与环境,2017(6).
[10] 陆蓉, 常维. 近墨者黑: 上市公司违规行为的“同群效应”[J].金融研究,2018(8).
[11] 陆蓉, 王策, 邓鸣茂. 我国上市公司资本结构“同群效应”研究[J].经济管理,2017(1).
[12] 沈洪涛, 苏亮德. 企业信息披露中的模仿行为研究——基于制度理论的分析[J].南开管理评论,2012(3).
[13] 王帆, 陶媛婷, 倪娟. 精准扶贫背景下上市公司的投资效率与绩效研究——基于民营企业的样本[J].中国软科学,2020(6).
[14] 严若森, 唐上兴. 上市公司参与精准扶贫能获得政府资源支持吗?[J].证券市场导报,2020(11).
[15] 易玄, 吴蓉, 谢志明. 产权性质、企业精准扶贫行为与资本市场反应[J].贵州财经大学学报,2020(2).
[16] 原东良, 周建. 高管团队认知多样性与上市公司精准扶贫行为[J].华东经济管理,2020(11).
[17] 张玉明, 邢超. 企业参与产业精准扶贫投入绩效转化效果及机制分析——来自中国A股市场的经验证据[J].商业研究,2019(5).
[18] 赵颖. 中国上市公司高管薪酬的同群效应分析[J].中国工业经济,2016(2).
[19] 钟田丽, 张天宇. 我国企业资本结构决策行为的“同伴效应”——来自深沪两市A股上市公司面板数据的实证检验[J].南开管理评论,2017(2).
[20] 祝继高, 辛宇, 仇文妍. 企业捐赠中的锚定效应研究——基于“汶川地震”和“雅安地震”中企业捐赠的实证研究[J].管理世界,2017(7).
[21] Bikhchandani S, Huang C F. The economics of treasury securities markets[J].Journal of Economic Perspectives,1993,7(3):117–134.
[22] Bizjak J M, Lemmon M L, Naveen L. Does the use of peer groups contribute to higher pay and less efficient compensation?[J].Journal of Financial Economics,2008,90(2):152–168.
[23] Borgatti S P, Cross R. A relational view of information seeking and learning in social networks[J].Management Science,2003,49(4):432–445.
[24] Cao J, Liang H, Zhan X T. Peer effects of corporate social responsibility[J]. Management Science,2019,65(12):5487–5503.
[25] Chen M J. Competitor analysis and interfirm rivalry: Toward a theoretical integration[J].Academy of Management Review,1996,21(1):100–134.
[26] Chen M J, Miller D. Competitive dynamics: Themes, trends, and a prospective research platform[J].Academy of Management Annals,2012,6(1):135–210.
[27] Dodgson M. Organizational learning: A review of some literatures[J].Organization Studies,1993,14(3):375–394.
[28] Foucault T, Fresard L. Learning from peers’ stock prices and corporate investment[J].Journal of Financial Economics,2014,111(3):554–577.
[29] Grennan J. Dividend payments as a response to peer influence[J].Journal of Financial Economics,2019,131(3):549–570.
[30] Leary M T, Roberts M R. Do peer firms affect corporate financial policy?[J].The Journal of Finance,2014,69(1):139–178.
[31] Lieberman M B, Asaba S. Why do firms imitate each other?[J].Academy of Management Review,2006,31(2):366–385.
[32] Manski C F. Identification of endogenous social effects: The reflection problem[J].The Review of Economic Studies,1993,60(3):531–542.
[33] Trueman B. Theories of earnings-announcement timing[J].Journal of Accounting and Economics,1990,13(3):285–301.
The Peer Effect of Targeted Poverty Alleviation Activities of Listed Firms
Wen Wen1, Zhu Peiqing2, Song Jianbo2     
1.International Business School,Beijing Foreign Studies University,Beijing 100089,China;
2.Renmin Business School,Renmin University of China,Beijing 100872,China
Abstract: Targeted poverty alleviation is a major transformation measure for China to overcome poverty. Prior literature on the motivations of listed firms participating in targeted poverty alleviation mainly focuses on firms’ own characteristics, such as financial performance, property right, and managerial heterogeneity. It assumes that firms make their targeted poverty alleviation decisions independently, without considering the mutual impact between different firms.  Firms intend to learn and imitate the activity of other firms in the same industry or the same region in the process of decision-making and implementation. This phenomenon is called the peer effect. Firms often consciously pay attention to the practice of competitors, and ultimately produce interactive decisions. Based on the data of Chinese listed firms from 2016 to 2019, this paper empirically tests whether the targeted poverty alleviation activity of listed firms has the peer effect, and further explores its mechanism, influencing factors and economic consequences.  The results show a significant positive industrial peer effect of targeted poverty alleviation activities of listed firms. The investment and amount of targeted poverty alleviation in the same industry will significantly positively affect the targeted poverty alleviation decision of other firms. The mechanism test shows that social learning and competitive pressure are the main reasons for the peer effect of targeted poverty alleviation activities of listed firms. Considering the types and quality of targeted poverty alleviation, we find that the peer effect is mainly reflected in the non-industry-development investments instead of industry-development investments. We do not find a significant peer effect in the quality of targeted poverty alleviation of listed firms. Further analyses show that state-owned firms, firms with more financial constraints , and firms with less information transparency tend to imitate peer firms’ targeted poverty alleviation activities. In addition, targeted poverty alleviation activities based on the peer effect have a positive impact on firm value.  The contribution of this paper is as follows: First, from the perspective of firm interaction, this paper expands the research on the influencing factors of targeted poverty alleviation, makes up for the deficiency of the existing research on the driving factors of targeted poverty alleviation, which only focuses on the characteristics of firms themselves, and helps to deeply understand the motivation of firms to fulfill their social responsibility. Second, the existing finance literature mainly investigates the peer effect in corporate financial decision-making and corporate governance mechanism, while this paper expands the field of peer effect from the perspective of corporate social responsibility. Third, in terms of practical significance, this paper provides decision-making reference for the regulatory authority to encourage and guide listed firms to participate in the practice of targeted poverty alleviation and give full play to the role of capital market in consolidating the national poverty alleviation achievements.
Key words: targeted poverty alleviation    peer effect    social learning    dynamic competition