政治资源与企业精准扶贫：公益项目下的资本性考量

奥鹏网院作业

政治资源与企业精准扶贫：公益项目下的资本性考量
杨义东 程宏伟
(四川大学商学院，四川 成都 610065)
摘 要： 企业高歌猛进的精准扶贫表现引发了对公益支出无偿性与资本逐利性这一焦点矛盾的反思，而行为动机是考量公益项目资本性的重要维度。本文以2016-2018年沪深A股上市公司为样本，运用手工收集的精准扶贫数据实证检验了政治资源对企业精准扶贫的影响，并分别从行业同构和产权性质两个视角对这一影响的调节效应进行研究。研究发现：政治资源是企业精准扶贫的驱动因素，并且政治资源价值越高，驱动力越强；行业同构对企业精准扶贫行为产生积极影响，行业同构程度越大，政治资源对企业精准扶贫的驱动力越强；国有企业表现出参与度高但支出水平低的行为特征，而民营企业呈现出参与度低但支出水平高的行为特征。进一步考察还发现，企业精准扶贫确实为企业在融资、税收规避等政治资源相关方面创造了经济利益，夯实了政治资源驱动企业精准扶贫的观点。研究结论不仅丰富了企业精准扶贫社会责任的动机研究，而且对政府优化政治资源配置和把握精准扶贫政策走向有借鉴意义。
关键词： 政治资源； 企业精准扶贫； 资源依赖理论； 动机
一、引言和文献综述
慈善公益支出无偿性与资本逐利性的矛盾一直是企业社会责任研究领域广受关注的焦点问题。企业精准扶贫是指在精准扶贫思想和行为准则指引下，企业自愿、无偿地运用有权支配的合法资源去救济贫困群体的慈善公益行为。2016年精准扶贫信息年报披露政策(1)证监会2016年9月8号颁布《国证监会关于发挥资本市场作用服务国家脱贫攻坚战略的意见》，当年12月沪深交易所颁布《关于进一步完善上市公司扶贫工作信息披露的通知》和《关于做好上市公司扶贫工作信息披露的通知》，细化了精准扶贫信息披露的格式要求，本文将此系列政策简称为精准扶贫信息年报披露政策。实施以来，上市公司在公司年报或社会责任报告中披露相关信息，根据整理的数据显示：2016年至2018年，参与精准扶贫的公司数量从667家增至1 237家，增长率达85.5%；精准扶贫支出金额从78.8亿元增至241.5亿元，增长率达206.5%。但是，企业的存在依赖于资本的逐利性。上市公司高歌猛进的精准扶贫表现不禁使人产生疑问，究竟什么在驱动企业精准扶贫？这种驱动力能否满足资本的逐利本性？
获取政治资源往往被视为企业履行社会责任的重要驱动因素[1-2]。站在企业角度，政治资源包括政府可配置的财政资金、土地和政策等资源[3]；还包括企业拥有的可以影响政府分配资源的能力[4-6]，比如高管的政治身份等。一些学者探讨了慈善捐赠的政治资源动机，戴奕一等(2014)[3]从地方政府换届视角研究发现企业慈善捐赠是一种“政治献金”，并在后续检验中证实了这种“政治献金”在融资、政府补助、投资机会方面发挥了作用。张敏等(2013)[7]的研究也通过慈善捐赠与政府补贴间的正相关关系验证了企业慈善捐赠的“政企纽带”作用。但是，这些研究所涉慈善捐赠的受众群体众多(2)从公益性慈善捐赠支出明细可知，捐赠名目繁多，比如一场自然灾害、一次节日慰问、供销商的一次体育赛事、校企合作的一个知识竞赛等，受众范围几乎涵盖所有利益相关者，扶贫占比大小不一。、主体指向性宽泛，使结论不能简单地代入精准扶贫研究场景。那么，企业精准扶贫是否在政治资源驱动下为之？从现有研究看，尚无对此直接开展的论证和检验。
现有研究表明政治资源可以为企业在合法性[8-9]、商业准入[10]、融资约束[11-12]、税收规避[13]等方面提供便利，甚至增加企业价值[14-15]。显然，政治资源隐含的各种收益可以满足资本逐利的生存需要，那么一个自然延伸的关键问题是企业精准扶贫是否获得了与政治资源相关的好处？这一问题关系到政治资源动机的论点是否成立，亟需进一步验证。
目前，社会学、经济学等宏观视角开展的精准扶贫研究俯拾即是，但微观视角关于企业精准扶贫的研究仍处于初级阶段，代表性成果较少，这些研究主要围绕企业精准扶贫的影响因素[16]、行为特征[17-18]、行为后果[19-20]等方面，鲜有以动机为主题开展的研究。这些研究的不足之处体现在：(1)大多忽视必要的理论分析，研究根基薄弱使结论可能仅停留在统计意义上；(2)普遍脱嵌于行为动机的探讨，研究逻辑略显跳跃，尤其是行为后果方面的文献。鉴于以上分析，本文聚焦“动机-行为”研究逻辑，以资源依赖理论和利益相关者理论为支撑，剖析政治资源对企业精准扶贫的驱动及其作用机理，并在此基础上探讨了政治资源驱动的企业精准扶贫在行业同构和产权性质上的差异化表现；在进一步分析中模拟精准扶贫“准自然实验”场景，借助倾向得分匹配(PSM)与双重差分(DID)模型从税收规避和债务融资两个视角验证企业是否从政治资源动机下的精准扶贫中获得实惠。上述问题运用2016-2018年上市公司精准扶贫的年度数据进行实证检验。
本研究可能的贡献在于：第一，从政治资源角度研究企业精准扶贫动机，丰富了企业精准扶贫社会责任动机研究的成果，拓展了企业社会责任政治动机的细分领域边界；第二，以资源依赖理论和利益相关者理论为支撑，在揭示企业精准扶贫政治资源动机，拓展理论应用边界的同时，弥补了精准扶贫微观领域理论研究不足的局面；第三，探讨企业精准扶贫的政治资源动机，丰富了政治资源对企业行为影响方面的研究文献，为政治资源的微观效应提供新证据。
二、理论分析与研究假设
(一)政治资源与企业精准扶贫
政治资源是关乎企业生存和发展的关键资源[2]，是企业取得成功的重要基础[4]。现有研究已证实，政治资源可以为企业提供合法性[8-9]、商业准入[10]、融资[11-12]、税收[13]、财政补贴[21]等便利。 Feng等(2016)[14]、Li等(2006)[22]、余明桂和潘红波(2008)[15]、李健等(2012)等[23]的研究表明拥有政治资源有利于增加企业的价值。刘慧龙等(2010)[24]指出政治关联为企业搭建了获得政府保护和帮助的通道，从而降低经营中可能出现的各种不确定性。甚至当企业面临财务危机时，拥有政治资源的企业获得政府救助的可能性更大[21]。然而，政治资源并非用之不竭，它是一种具有不可再生性和排他性的稀缺资源[13, 25]。企业间竞争政治资源的方式是典型的零和博弈，并且随着参与角逐的公司数量增多而变得愈发激烈。可见，政治资源隐含的各种收益对保持企业竞争力和维系资本生存需要至关重要。
企业履行社会责任被视为接近和获取政治资源的重要途径。根据资源依赖理论[26]，企业要不断与拥有关键资源的组织进行互动从而寻求关键资源能够稳定供给的方法，来抵抗外部环境变化带来的冲击。中国作为转型期的发展中国家，企业社会责任的驱动因素和执行模式有其独特性[27-28]，政府在其中扮演着重要角色[7, 29]。尽管市场化程度不断提升，但政府对政治资源仍有较强的控制力和垄断性的配置权[10, 25]。企业社会责任履行情况体现了为政府分忧的程度，往往是政府在配置政治资源时重点考量的方面。Shleifer和Vishny(1994)[1]指出满足政府的需要(比如扩大就业、扶危济贫等)是与政府建立联系并获取资源支持的有效途径。戴奕一等(2014)[3]运用地方政府换届视角研究发现企业慈善捐赠是一种“政治献金”，并在后续检验中证实这种“政治献金”在融资、政府补助、投资机会方面发挥了作用。张敏等(2013)[7]的研究也说明企业慈善捐赠与政府补贴存在显著的正相关关系，验证了企业慈善捐赠的“政企纽带”作用，进一步研究发现慈善捐赠在国有企业和市场化程度低的省份有更强的纽带效应。因此，通过提升社会责任表现，企业加强了与政府的互动，从而确保政治资源的稳定供给。诚然，企业精准扶贫即是企业为获取政治资源而与政府进行的理性互动。脱贫攻坚是国家发展优先事项，从2013年精准扶贫思想提出至今，政府陆续颁布多项对企业精准扶贫影响深远的政策，空前的政策强度彰显了政府对企业参与精准扶贫的高度期待。同时，政策强度也向企业传递了政府需求重要程度的信息，政策强度越大表明政府的需求越重要。满足政府的重要需求无疑会增加政府回馈政治资源的可能性。因此，政策强度不仅是一种外部压力，更是政府配置政治资源的风向标，其暗含着政府对政治资源的回馈承诺(对拥有政治资源的企业还意味着政治资源损失风险)，为政企资源互惠交换创造机会，并催化了企业精准扶贫的动力。对于感知到这些信息的企业来说，通常会借助积极的精准扶贫表现来传递自己的善意以获取政府的信任和好感[30]，以期在政治资源的竞争中获得优势地位。
此外，利益相关者理论也能为政治资源驱动下的企业精准扶贫行为提供支持。利益相关者理论认为企业不能只考虑股东的利益，还要对包括员工、客户、供应商、银行、环保人士、政府和其他能够帮助或损害公司的所有利益相关者的利益诉求予以回馈[31-33]。按照Mitchell等(1997)[33]提出的利益相关者显著性理论，政府具备权力(Power)、合法性(Legitimacy)、紧迫感(Urgency)三重属性(3)权力和合法性属性毋庸置疑，紧迫感属性体现在政府对企业精准扶贫空前的政策强度和高度期待。，属于决定型利益相关者(Definitive Stakeholder)，企业的理性选择应优先回馈政府的利益诉求。然而，企业精准扶贫的直接受益者是贫困人员，贫困人员是否为企业利益相关者至今尚存争议[34-36]。此时，政府发挥的巨大作用是作为贫困人员的“代言人”，运用具象的精准扶贫政策向企业传递参与精准扶贫的利益诉求。对企业来说，这一诉求不仅代表着利益相关者利益而且还隐含着令企业心向往之的政治资源的配置倾向，在政治资源驱动下企业积极参与精准扶贫。由此，企业、政府、贫困人员三方共同构成了资源互惠交换的利益主体，企业成为精准扶贫主体，而系结的政府和贫困人员成为反馈政治资源的主体。
综上所述，政治资源是企业精准扶贫的驱动力，本文将借助拥有政治资源的企业在精准扶贫中的表现对其进行验证。政治资源驱动企业精准扶贫的一个重要表象是拥有政治资源的企业将更积极地响应政府利益诉求从而表现出更大的精准扶贫意愿和支出水平，这一行为特征还体现在以下几方面：(1)政治资源是长期经营的结果[37]，一旦损失短期内很难弥补，拥有政治资源的企业会采取更积极的行动来维护这些得之不易的关键资源；(2)拥有政治资源的企业已经充分认识到政治资源对企业发展的重要性，会更积极地参与到政治资源的竞争中[38]；(3)拥有政治资源意味着政企间信息交流通畅，企业更容易获悉政府的真正意图，降低了反应时间，有助于抢占竞争政治资源的先机；(4)长期形成的政治资源竞争格局相对稳定，拥有政治资源本身就是政治资源竞争能力强的象征，这种威慑力会令其他企业“望而却步”。此外，政治资源价值也会影响到企业精准扶贫行为表现，政治资源价值越高，企业从中获取的收益越大，政府对企业的精准扶贫支出期望随之上升，那么维系它的成本也会越高[39-40]，企业将表现出更大的精准扶贫意愿和支出水平。据此，提出以下假设。
H1 政治资源是企业精准扶贫的驱动因素。表现为，拥有政治资源的企业相对于其他企业而言将表现出更强的精准扶贫意愿和更多的精准扶贫支出。
H2 政治资源价值正向影响政治资源对企业精准扶贫的驱动作用。表现为，企业拥有的政治资源价值越高，精准扶贫意愿越强烈，精准扶贫支出也越多。
(二)行业同构对政治资源与企业精准扶贫关系的影响
行业同构源于企业社会责任的“制度同构(Institutional Isomorphism)”现象。制度同构的基本观点是类似的企业在面临类似的制度压力时表现出类似的企业社会责任战略和实践[41-43]，其本质是企业间因制度因素而导致的相互模仿行为。学者从多个层面的制度同构验证了其对企业社会责任的影响，Husted等(2016)[44]指出企业社会责任密度高的地区企业社会责任表现更好，从侧面反映出区域层面制度同构对个体企业社会责任的影响。Marquis等(2007)[45]在“社区同构(Community Isomorphism)”模型中验证了社区层面制度同构如何作用于个体企业社会责任实践。行业内企业面临类似的制度环境，普遍存在行业层面的制度同构现象，简称行业同构。刘柏和卢家锐(2018)[46]曾证实企业社会责任的行业传染机制，认为行业平均企业社会责任水平会显著正向影响个体企业社会责任行为。张建君(2013)[10]将行业内企业类似的慈善捐赠行为称为“实践扩散(Practice Diffusion)”，并证实行业平均捐款水平正向作用于个体企业捐款。虽然上述文献未直接论及制度因素的作用，但传染机制和实践扩散的本质也是行业内企业间的相互模仿行为。
行业同构对政治资源与企业精准扶贫关系的作用机制主要体现在其对政治资源竞争格局产生的影响，并进而作用于个体企业精准扶贫行为。借鉴张建君(2013)[10]、刘柏和卢家锐(2018)[46]的做法，本文运用行业内企业精准扶贫平均表现水平代理行业同构程度。那么，如果行业同构程度越大，表明行业内企业精准扶贫积极性越高，政治资源竞争则越激烈，而企业对这一竞争局面的认知角度将对企业精准扶贫决策产生推动或抑制作用。一方面，从政治资源相对数量来看，由于行业内企业在投资项目、融资渠道、土地竞标等诸多环节存在激烈竞争，而政治资源的相对多寡某种程度上决定了这些竞争环节的成败，那么企业有动力提升精准扶贫积极性，力争在政治资源数量竞争上胜出。行业同构程度越大，企业竞争政治资源紧迫感越强，越能激发企业精准扶贫积极性，这种情形下行业同构对政治资源与企业精准扶贫的关系产生推动作用；另一方面，从政治资源绝对数量来看，归因于政治资源的稀缺性，行业内企业竞争政治资源的方式是零和博弈，随着精准扶贫企业的数量增加，吃“蛋糕”的越来越多，所得份额也会越来越小，一旦满足不了资本的增值需要，企业精准扶贫积极性会降低。行业同构程度越高，企业产生的消极竞争心理越强烈，企业精准扶贫积极性就越低，这种情形下行业同构对政治资源与企业精准扶贫的关系产生抑制作用。鉴于以上分析，提出以下竞争性假设。
H3a 行业同构正向作用于政治资源与企业精准扶贫的正相关关系，表现为行业同构程度越大，政治资源与企业精准扶贫意愿及支出水平的正相关关系越强。
H3b 行业同构负向作用于政治资源与企业精准扶贫的正相关关系，表现为行业同构程度越大，政治资源与企业精准扶贫意愿及支出水平的正相关关系越弱。
(三)产权性质对政治资源与企业精准扶贫关系的影响
不同产权性质的企业对政府的依赖程度存在显著差异[47-48]，那么对待政治资源的态度也将不同，进而导致企业精准扶贫在产权性质上的差异表现。
对国有企业而言，一方面，国有企业参与精准扶贫积极性较高。政策指向一直是国有企业行为的观瞻，加之长期承担非经济功能的历史传统和行为惯性，使其履行社会责任(稳定经济、扩大就业、扶危济贫等)成为惯常[49]。公有资产的标签也使其背负更多政府和公众的期待[10]，这种政策、舆论的外部压力显然要高于民营企业。此外，政府对国有企业高层管理人员的人事分配权有较强控制力[24]，不参与精准扶贫相当于不认同政府在这方面的主张，这会对管理层的职位晋升产生较大负面影响。因此，国有企业更易于响应政策和配合政府完成包括精准扶贫在内的各项社会任务[7]；另一方面，国有企业精准扶贫投入较低。国有产权性质在获取信贷资源、产权保护、合法性等关键资源方面已经具有压倒性优势[50]，没必要像民营企业一样采取激进的企业社会责任手段去获取政府的信任和好感[3]，国有企业对精准扶贫产生的政治资源收益的期待心理没有民营企业迫切，并且表达与政府在精准扶贫上的观念认同并非一定要投入大量的资金。另外，国有企业在承担扩大就业、维持社会稳定、协调经济均衡发展等社会职能所投入的资金会自然挤占精准扶贫的投入。总之，国有企业是否参与精准扶贫比如何参与精准扶贫更重要，从而展示出普遍参与但支出水平低的行为特征。
对民营企业而言，一方面，民营企业参与精准扶贫积极性较低。受限于政治资源的稀缺性，政府在配置资源时只能惠及少部分企业或过往“表现”尚可的企业，无形中提高了政治资源竞争的门槛，使大部分民营企业只能游离于竞争之外或等待竞争的机会，并且民营企业并没有背负像国有企业那样的政策和舆论压力，不参与精准扶贫的影响较小。另外，参与政治资源竞争是有高额成本的[51]，不是所有民营企业都有多余的资源耗费在精准扶贫上。另一方面，民营企业精准扶贫投入较高。民营企业在诞生之初即缺乏政治地位，和国有企业相比仍有诸多体制上的制约和歧视[14]，民营企业显然对政治资源的依赖程度更大[38, 52]。Xin和Pearce(1996)[53]运用采访数据研究了中国式“关系”，研究指出相对国有企业，民营企业更依赖与政府的关系，愿意投入更多的资源维护创建这种关系，从而获得法律保护和政府信任。总之，民营企业如何参与精准扶贫比是否参与精准扶贫更重要，从而呈现出参与度低但支出水平高的行为特征。鉴于此，提出以下假设。
H4a 相对于民营企业，国有企业的产权性质会强化政治资源与企业精准扶贫意愿的正相关关系，表现为政治资源驱动下国有企业精准扶贫意愿更大。
H4b 相对于国有企业，民营企业的产权性质会强化政治资源与企业精准扶贫支出水平的正相关关系，表现为政治资源驱动下民营企业精准扶贫支出水平更高。
三、研究设计与样本选取
(一)数据来源与样本描述
2016年12月，沪深交易所分别下发《关于进一步完善上市公司扶贫工作信息披露的通知》和《关于做好上市公司扶贫工作信息披露的通知》，上市公司从2016年开始在年报中披露精准扶贫信息。因此，本文选取2016年-2018年沪深A股市场的上市公司作为初始研究样本，共3 485家上市公司的10 077个公司年度数据。考虑到IPO效应的影响[40]，以及确保分析结构的稳健性[10]，本文剔除了上市不满三年的公司样本及年度数据，共剔除386家公司样本，最终剩余3 099家上市公司的9 297个公司年度数据。
精准扶贫数据从上市公司年报和社会责任报告中手工进行提取，共翻阅10 173份年报与2 456份社会责任报告(可持续发展报告)(4)企业参与精准扶贫内涵丰富且形式多样，除了主要的资金支出形式外，还包括捐物、技术支持、培训、派驻人员等形式。考虑到数据的可得性，本文所探讨的企业精准扶贫仅指资金支出形式。其他形式虽然投入方式不同，但本质与资金支出无异，未做关注并不影响研究结论的代表性。。关于精准扶贫数据，本文并没有采取数据库直接提取的方式，主要原因是在数据整理和比对过程中，发现部分上市公司精准扶贫数据存在规范性和完整性问题，甚至在披露过程中存在许多显而易见的错误。比如一部分公司并未在年报披露而选择在社会责任报告中披露、金额单位不统一(有的是元，有的是万元)、精准扶贫金额总数不等于明细数之和、重复计算等等，使作者质疑数据库数据的准确性。为避免对研究结论产生重大影响，本文通过重分类和筛选方式手工提取精准扶贫数据，最大限度确保数据准确性。
政治关联是政治资源代理变量之一，该数据从年报高管简历数据中手工整理得到。稳健性检验中涉及到的法治水平和金融发展水平相关数据来源于各地区统计年鉴、《中国社会统计年鉴》、《中国金融年鉴》和《中国法律年鉴》。其他数据来源于CSMAR和RESSET数据库，部分数据运用搜索引擎填补和检验。
(二)模型设计与变量定义
为检验上述所提假设，构建以下模型
Tpa_d(or:LnTpa)=β0+β1*Pc_d(or:Pc_r)+φ*Control_variables+ε
(1)
1.因变量
借鉴Brown等(2006)[54]、Galaskiewicz(1997)[55]、戴奕一等(2014)[3]的做法，采用精准扶贫意愿(Tpa_d)和精准扶贫规模(LnTpa)两种方法定义企业精准扶贫，其中精准扶贫意愿为虚拟变量，当年参与精准扶贫取1，否取0；精准扶贫规模变量采用实际支出数额的自然对数。
2.自变量
运用政治关联作为政治资源的代理变量。借鉴Fan等(2007)[56]、Wu等(2018)[57]、贾明和张喆(2010)[40]的做法，以上市公司董事长或总经理是否为前任或现任各级人大代表、政协委员、政府官员来定义政治关联变量。具体地，采用是否具有政治关联的哑变量(Pc_d)和政治关联级别(Pc_r)两种方式获取政治关联数据。企业具有政治关联时Pc_d赋值为1，否则为0；政治关联级别按照中央、省、市、县分别赋值4、3、2、1。
从宏观、企业和高管三个层面选择模型必要的控制变量。借鉴Kolk和Van Tulder(2006)[58]、Ragodoo(2009)[28]的研究结论和做法，宏观层面的控制变量主要有地区(Province)、行业(Indus)和年度(Year)变量[10, 59]。地区以省为单位划分，行业划分依据证监会《上市公司行业分类指引》(2012年修订)，年度以2016年为参照年。
3.控制变量
企业层面的控制变量主要有：(1)内外部代理成本。基于代理理论，董事会规模越大，搭便车现象越普遍，希望从精准扶贫中获取利益的个人越多，贾明和张喆(2010)[40]的研究表明董事会规模正向影响企业的捐赠意向和捐赠水平。借鉴Brown等(2006)[54]、 贾明和张喆(2010)[40]的做法，用董事会规模(Board)作为内外部代理成本的代理变量；(2)研发投入(Lnresearch)。McWilliams和Siegel(2000)[60]研究结果表明公司的研发投入正向作用于企业的慈善捐赠，考虑到精准扶贫的捐赠特征，将研发投入取自然对数后放于模型中予以控制；(3)现金持有量。企业的各项经营指标中，现金持有量对企业精准扶贫支出意愿和程度的影响是最直观的，因此本文借助贾明和张喆(2010)[40]的做法，分别用现金持有量(Lncash)和现金持有比率(Cash_r)表示；(4)还控制了存续期(Date)、ROA和规模(Lnasset)[52, 59, 61]。
高管层面主要控制了董事长或总经理的年龄(Age)、性别(Gender)和教育程度(Education)个人特征[52]，董事长或总经理的选择以政治关联为准。
为检验行业同构和产权性质对政治资源与精准扶贫关系产生的影响，构建以下模型
β1=α0+α1*Influence_variables+μ
(2)
将式(2)代入式(1)，并对扰动项、常数项整合后得到以下简化模型
Tpa_d(or:LnTpa)=β0+β1*Pc_d(or:Pc_r)+β2*Pc_d(or:Pc_r)*Right_type+β3*Pc_d(or:Pc_r)*Indus_tpap(or:Indus_lntpaa)+φ*Control_variables+ε
(3)
4.调节变量
(1)行业同构程度。借鉴张建君(2013)[10]、刘柏和卢家锐(2018)[46]的做法，本文运用上市公司所在行业参与精准扶贫的公司数量占全行业公司数量之比(Indus_tpap)和行业内参与精准扶贫的企业实际支出额的平均值(Indus_lntpaa)作为行业同构程度的两个代理变量；(2)产权性质(Right_type)，国有企业取值0，民营企业取值1。
上述变量的表达符号、取值和计算公式详见表1。
表1 研究变量的定义

四、实证结果分析
出于稳健性考虑，本文根据因变量取值特征采用面板Probit二值选择模型和面板Tobit归并回归模型。具体地，由于政治关联哑变量和级别、董事会规模、产权性质、性别、教育程度等重要变量在组间取值并无差异或者部分年份无差异，这些不随时间而变的样本会被固定效应模型删除从而造成样本丢失过多，因此面板Probit固定效应模型不适合于本研究，本文采用面板Probit随机效应模型对精准扶贫意愿及其影响因素进行分析；精准扶贫规模因变量模型的求解属于典型的边角解情形，即精准扶贫支出为0或者大于0的一个正数，如果用OLS模型进行回归分析可能会造成不一致的估计，归因于无法获取充分的个体异质性统计量，面板Tobit并不适用固定效应模型，因此，本文采用面板Tobit随机效应模型对精准扶贫规模及其影响因素进行分析。两个模型都控制了时间固定效应，避免其带来的估计偏差。
(一)描述性分析
表2汇报了描述性分析结果。从表2可知，精准扶贫意愿均值为0.3，说明有30%的上市公司参与了精准扶贫，为回归分析提供充足的样本。精准扶贫支出均值为528.24万元，总体上表明企业精准扶贫投入力度较大，通过最大取值也可略见一二。精准扶贫支出标准差为6 440.38万元，离散程度较大。另外，70%的上市公司精准扶贫支出金额为0，验证了精准扶贫规模变量模型的边角解特征。41%的上市公司存在政治关联，政治关联级别均值为1.14，总体上来说存在政治关联的上市公司数量较多。行业精准扶贫均值为497.11万元，标准差为707.07万元，离散程度明显小于上市公司精准扶贫规模数据。产权性质均值为0.67，说明民营企业数量占比略大。董事会人数均值为8.55，标准差1.81，表明董事会规模存在一定差异。现金持有量比率均值0.26，标准差0.38，说明上市公司现金持有水平存在较大差异。其他变量的分布规律总体来说较为合理。
表2 变量描述性统计分析

注：Tpa与Indus_tpaa的单位万元；Research、Cash、Asset的单位亿元。
表3汇报了变量间的相关系数。分析结果表明精准扶贫意愿和精准扶贫规模与核心解释变量政治关联哑变量和政治关联级别在1%显著性水平上存在正相关关系，与前文假设基本一致。从控制变量与因变量的正负相关系数来看，总体上与代表性文献的研究结论较为吻合，比如行业精准扶贫占比和行业精准扶贫均值与因变量存在正相关关系，表明行业同构对个体精准扶贫产生正向影响。产权性质与因变量存在显著的负相关，表明国有企业比民营企业更积极的参与精准扶贫，与理论分析存在一定出入，主要因为表3中相关系数仅是全样本下的检验结果，所以未必能够完整展示产权性质与因变量的相关关系。董事会规模与因变量的正相关关系表明代理成本变动会影响到企业精准扶贫。研发投入、现金持有量等与因变量均存在正相关关系。另外，方差膨胀因子分析(VIF)结果显示，两个模型对应变量的vif值均小于2，不存在多重共线性问题。
表3 主要变量相关系数

注：相关系数矩阵以系数1为界线，左下部分为Pearson检验结果，右上部分为Spearman检验结果。*，**，***分别表示在10%，5%和1%水平下显著。下同。
(二)回归结果
全样本中企业精准扶贫规模为0的观测值为6 501个，占样本总量近70%，为确保结果稳健，本文采用两个样本对Tobit模型进行回归检验，分别是：(1)全样本，共9 297个观测值；(2)扶贫样本，即仅包括参加精准扶贫的企业子样本，共2 796个观测值。
表4汇报了H1和H2的回归检验结果。表4中列(1)和列(2)展示了Probit模型的分析结果，可以看出政治关联哑变量和政治关联级别均在1%的显著性水平上正相关于企业精准扶贫意愿，表明政治关联驱动了企业精准扶贫，并且随着政治关联级别的上升，这种驱动力增强；列(3)和列(4)展示了Tobit模型基于全样本的分析结果，列(5)和列(6)展示了Tobit模型基于扶贫样本的结果，从表中可知政治关联哑变量和政治关联级别也显著正相关于企业精准扶贫规模，表明相对于无政治关联的企业来说，政治关联企业的精准扶贫规模更大，且政治关联级别越高，精准扶贫规模越大。由此，H1和H2得到验证，说明政治资源是企业精准扶贫的重要驱动力。控制变量与因变量的相关关系及系数符号与预期基本相符，董事会规模在Probit和全样本的Tobit模型中均显著正相关于因变量，说明了内外部代理成本对企业精准扶贫的影响，但在扶贫样本下的Tobit模型中并无显著性。研发投入和存续期只有在Probit模型中具有显著性。现金持有量及比率在两个模型中均不显著。ROA和公司规模均表现出显著的正相关；高管层面的控制变量并没有表现出显著的相关关系。
表4 H1-H2假设检验结果

注：限于篇幅，在结果中隐去标准误取值和常数项等统计量结果，留存备索，下同。
表5汇报了H3和H4的回归结果。从列(1)-列(6)可知，包含行业同构两个代理变量的交互项系数除列(4)取值0.005且不显著外，其他至少在10%显著性水平上显著为正，说明行业同构程度越高，政治资源及级别与企业精准扶贫意愿和支出水平的正相关关系越强，H3a得到验证，也表明相对于政治资源竞争的绝对数量而言，政治资源的相对数量是企业更重视的指标。
从列(1)和列(2)的Probit模型检验结果可知，包含产权性质变量的交互项系数显著为负，表明相对于民营企业而言，国有企业的政治资源及级别与精准扶贫意愿的正相关关系更强，即在政治资源驱动下，国有企业比民营企业更积极地参与精准扶贫，H4a得到验证。然而，在Tobit模型中，包含产权性质的交互项系数在全样本和扶贫样本两种情形下的符号相反，列(3)和列(4)为全样本的检验结果，交互项系数显著为负，表明在政治资源驱动下，全样本范围内国有企业比民营企业的精准扶贫投入更多；列(5)和列(6)为扶贫样本的检验结果，交互项系数显著为正，表明在政治资源驱动下，扶贫样本范围内民营企业比国有企业的精准扶贫投入更多。差异的实证结果印证了两个假设，第一，从考察精准扶贫规模在产权性质上的差异这一视角来看，应把分析范围缩小至参加精准扶贫的企业，那么扶贫样本的检验结果无疑更符合行为逻辑，即民营企业在政治资源驱动下精准扶贫支出水平更高，假设H4b得到验证；第二，全样本的Tobit模型中，回归模型的均值分析方式使民营企业精准扶贫规模被全样本稀释，导致参加精准扶贫的民营企业支出水平被较大程度低估，这也充分体现民营企业参与度较低的事实，旁证了H4a。
表5 H3-H4假设检验结果

注：限于篇幅，仅汇报核心变量结果；除非另有说明，否则控制变量保持不变，下同。
(三)稳健性检验
为确保实证结果稳健，本文主要从以下几个方面开展稳健性检验，最终检验结果与原有结论并无本质区别。
第一，工具变量。通过前文检验，在政治资源驱动下企业表现出积极的精准扶贫行为，但企业与政府的政治资源博弈并非一次性，而是在决策中相互影响、不断学习和调整的重复博弈过程[2, 7]。一方面，企业当期兑现参与精准扶贫的承诺很可能是过往的政治资源收益在驱使它这么做，这也是目前回归模型主要解决的问题，即政治资源驱动企业参与精准扶贫。但另一方面，企业精准扶贫行为又反作用于政府，使其回馈更多的政治资源给企业。因此，政治资源与企业精准扶贫之间或许存在双向因果关系带来的内生性问题。为此，本文选择公司所在地法治水平作为政治关联的工具变量，并采用两步法的Probit和Tobit工具变量模型对假设进行估计，尽可能降低可能存在的内生性影响。法治水平对企业的政治关联或政治参与产生影响[21-22, 62]，符合工具变量与内生变量相关性条件，而当地的法治水平与企业在贫困地区的精准扶贫行为并无直接的理论联系，符合工具变量外生性条件。借鉴卢峰和姚洋(2004)[63]、余明桂和潘红波(2008)[15]的做法，用当地律师人数占常住人口的比例作为法治水平的代理变量。为降低时间干扰和工具变量内生性问题，本文对收集的数据均进行滞后一期三年移动平均法处理。根据弱工具变量检验结果，法治水平工具变量满足与自变量相关性前提。表6和表7汇报了回归结果，从系数符号可知，结论与前文基本一致。
表6 H1-H2假设的工具变量稳健性检验

注：使用聚类(cluster)稳健标准误进行估计，原结论依然稳健。
表7 H3-H4假设的工具变量稳健性检验

第二，高管变更。本文关注到高管变更这个细节，高管政治关联如从无到有，表明企业有明显的获取政治资源的动机，根据上文的分析，这一类企业在面对政府对企业精准扶贫的利益诉求时，应该表现出积极的精准扶贫行为；而对于高管政治关联从有到无，一定程度表明企业降低了对政治资源收益的预期，相应地，精准扶贫意愿也将随之下降。为了验证这些推论，本文对发生高管(董事长或总经理)变更的上市公司数据进行手工整理，筛选出高管政治关联从无到有和从有到无的两种变更方式。作为两个变量替代政治关联哑变量和政治关联等级变量放入Probit和Tobit模型中对H1进行稳健性检验。经过筛选共获取240家上市公司的720个观测值。变量No_yes定义为政治关联从无到有，赋值规则为：上年度7月1日后至当年6月30日前变更的取值1，否为0；变量Yes_no定义为政治关联从有到无，赋值规则类似，即上年度7月1日后至当年6月30日前变更的取值1，否为0。表8汇报了回归结果，从列(1)和列(3)结果可知高管政治关联从无到有的变更与精准扶贫意愿和精准扶贫规模显著正相关，表明了企业精准扶贫的政治资源动机，验证了H1；列(2)和列(4)结果显示高管政治关联从有到无的变量系数并不显著，说明从有到无的变更对企业精准扶贫没有产生显著影响，主要原因可能是政治关联是企业长期维护的结果[37]，其影响已经内化于企业生产经营中而产生行为惯性，并不会因政治关联的消失在短期内对企业产生显著影响。这一结果也体现出政治资源对企业影响的长期性和重要性，旁证了前文结论。
表8 高管变更稳健性检验

表9 政府补助稳健性检验

第三，政府补助。根据政治资源的涵义，政府补助是政府资源在企业端的外在表现，获得政府补助的结果显然是企业拥有政治资源的象征。政府补助对企业而言往往是一笔可观的收入[64]，会驱使企业通过转变部分经营方向、调整财务绩效等方式来迎合政府补助发放的偏好[65]。企业为提高政府补助“青睐”的可能性，有一定动力积极参与精准扶贫来传递与政府利益取向趋同的信号，由此，政府补助能够对企业精准扶贫发挥驱动作用。本文使用政府补助(取自然对数)作为政治资源的另一代理变量替代政治关联作为模型自变量对假设进行稳健性检验。获取政府补助在企业中是较为普遍的现象，在9 297个公司年度样本中，有8 368个存在不同程度政府补助的公司年度样本，占比达90.1%，没有必要对H1进行检验。考虑到政府补助对企业行为影响的滞后性，比如激励企业做出参与精准扶贫决策的很可能是上年获取的政府补助情况，因此，选取前一期政府补助数据放入模型进行假设检验。表9汇报了回归结果，与前文的结论基本一致。样本数量的损失主要归因于政府补助数据的缺失，并且缺乏有效途径补齐这些缺失数据。尽管如此，充足的样本数量使缺失数据并不影响结论的代表性。
第四，其他稳健性检验。主要包括：首先，转换回归模型。分别用Logit随机效应模型和FGLS随机效应模型替代上文所用的Probit和Tobit模型再次进行回归分析，结论与前文基本一致；其次，采用稳健标准误进行模型估计。面板Probit随机效应模型采用聚类(cluster)稳健标准误进行估计，面板Tobit随机效应模型采用自助(bootstrap)稳健标准误进行估计，最终回归结果与原结论无本质差异；再次，变更因变量精准扶贫规模的取值。将精准扶贫支出金额分别与平均总资产、总收入和净利润的比值做标准化处理后作为精准扶贫规模变量放入模型中检验假设，回归结果显示与原结论基本一致；最后，变更样本容量。剔除金融行业样本，排除影响后回归结果依然稳健。以上回归结果限于篇幅并未详细报告，留存备索。
五、进一步研究与讨论
政治资源驱动企业精准扶贫本质上是资本的逐利本性使然，前已述及政治资源能够为企业在融资、税收、合法性、商业准入等诸多方面提供便利。前文已验证政治资源对企业精准扶贫的驱动作用，那么，一个自然延伸的关键逻辑问题是企业是否通过精准扶贫真正获得了与政治资源相关的好处？这一问题关乎前文立论的准确性，本文从税收规避、债务融资两个视角进行验证。选择税收规避和债务融资的主要原因是它们与政治资源联系紧密，税收规避行为一定程度体现了企业税收激进程度与税务机关容忍程度之间的博弈结果，而债务融资行为一定程度反映了企业搭建融资渠道能力与外部信贷资源认可程度之间的博弈结果。政治资源在这两种财务行为中都能发挥较大作用，符合验证前文研究结论的需要。
本文结合倾向得分匹配(PSM)和双重差分模型(DID)对上述问题进行实证检验。企业精准扶贫信息年报披露政策在2016年12月实施之后，上市公司的参与度和投入规模连年攀升。由于大部分企业以往并未将精准扶贫列入生产经营计划中，所以年报披露政策对上市公司来说具有外生性特点。那么受到年报披露政策冲击而参与精准扶贫这个过程可以模拟为一个“准自然实验”，适合采用倾向得分匹配和双重差分相结合的方法最大程度规避自选择偏差带来的估计量无效和内生性问题，还可有效过滤税收规避和债务融资的其他影响因素，使研究结论更可靠。借鉴周黎安和陈烨(2005)[66]、薛安伟(2017)[67]的做法，设定如下双重差分模型。
yi,t=β0+β1*Gi*Dt+φ1*Covesi,t+μi+λt+εi,t
(4)
其中Gi为实验组虚拟变量，若上市公司参与精准扶贫Gi=1，否则为0。Gi等于1的上市公司构成实验组，Gi等于0的上市公司构成对照组。Dt为实验期虚拟变量，上市公司参与精准扶贫的当年及以后年份Dt=1，否则为0。μi为个体固定效应，λt为时间固定效应。用Gi和Dt的交互项系数β1来刻画上市公司在“实验”前后税收规避和债务融资的变动情况。
因变量yi,t为税收规避和债务融资。税收规避采用实际有效税率(Etr=所得税费用/税前总利润)代理；债务融资采用借款率(Debt=总借款/总资产，其中总借款=短期借款+长期借款+1年内到期非流动负债)代理。
出于稳健性考虑，在模型中引入协变量Covesi,t。在税收规避为因变量模型中，借鉴李增福等(2016)[13]、叶康涛和刘行(2014)[68]的研究，选择政治关联哑变量(Pc_d)、业绩波动(Sdroa=当年及过去两年共三年间ROA的标准差)、上年亏损哑变量(Loss，上年度亏损取1，否取0)、股权集中度(Ec=前十大股东持股比例之和)、机构投资者持股比例(Srii=机构投资者持股比例之和)、企业规模对数(Lnasset)、ROA、资产负债率(Lev)、资本密集度(Cint=固定资产/总资产)、存货密集度(Iint=存货/总资产)、无形资产密集度(Iaint=无形资产/总资产)、总资产投资收益(Vii=投资收益/总资产)、总资产周转率(Tato=营业收入/总资产)为协变量；在债务融资模型中，借鉴李维安等(2015)[2]、张敦力和李四海(2012)[69]、余明桂和潘红波(2008)[15]的研究，选择Pc_d、不良贷款率(Non_loan)、成长性(Growth=销售收入增长率)、Sdroa、ROA、Lev、Cint为协变量。
考虑到产权性质差异下的企业精准扶贫复杂表现，本文将考察不同产权性质的企业精准扶贫在税收规避和债务融资上的差异表现，为前文结论寻求更多支撑。由此，构建异质性双重差分模型，将产权性质(Right_type)、Gi和Dt的三重交互项放入模型中，模型如下。
yi,t=β0+β1*Gi*Dt+β2*Gi*Dt*Right_type+φ1*Covesi,t+μi+λt+εi,t
(5)
三重交互项的系数β2即反映不同产权性质的企业精准扶贫在因变量上的差异。采用近邻1∶1倾向得分匹配方法对实验组样本逐年匹配形成年度匹配样本(5)遵照可忽略性假设要求，结合前文研究基础，选择公司存续期(Date)、资产负债率(Lev)、政治关联(Pc_d)、股权集中度(Ec)、机构投资者持股比例(Srii)、资本密集度(Cint)、存货密集度(Iint)、无形资产密集度(Iaint)、行业同构(Indus_tpap)作为协变量对实验组样本进行匹配。。此外，由于精准扶贫信息年报披露政策于2016年颁布，为了确保2016年受到政策冲击而参与精准扶贫的样本存在实验前后2期数据，本文基于2016年的匹配样本新增2015年数据，最终形成包含2015-2018年度数据的匹配样本，在匹配样本基础上进行双重差分检验。
表10 企业精准扶贫与税收规避、债务融资(PSM+DID)

表10汇报了基于匹配样本的双重差分检验结果。从列(1)和列(3)交互项系数可知，在精准扶贫信息年报披露政策冲击下，企业避税程度和债务融资水平比政策冲击前显著提高，这一结论表明企业精准扶贫收获了政治资源所隐含的收益，对前文论点提供有力支撑。从列(2)和列(4)三重交互项系数可知，相对于国有企业而言，民营企业的避税程度和债务融资水平比政策冲击前提高得更多，结论表明民营企业更沉湎于发挥政治资源作用，通过精准扶贫获取的政治资源隐含收益也更大，这也是民营企业精准扶贫支出水平较高的重要原因，与前文论点形成呼应。综上，企业致力于精准扶贫能够为其带来税收、融资等政治资源相关收益，印证了政治资源驱动企业精准扶贫的观点，也揭示了企业精准扶贫慈善公益下对资本逐利性的考量和实现途径。
六、结论
企业精准扶贫的行为动机是考量慈善公益项目资本性的重要维度。遗憾的是，目前学界对此问题鲜有针对性解答。本文立足“动机-行为”研究逻辑，在资源依赖理论和利益相关者理论分析基础上，对2016-2018年沪深A股上市公司精准扶贫数据进行实证研究，集中探讨了政治资源对企业精准扶贫的驱动作用，并进一步考察了行业同构和产权性质对政治资源驱动作用的调节效应。在此基础上，本文还从税收规避和债务融资两个视角验证了企业精准扶贫是否带来政治资源相关收益。研究得出以下结论。
第一，政治资源是企业精准扶贫的驱动因素。资源依赖理论和利益相关者理论分析表明，在政治资源隐含的诸多收益和政策强度传递的资源回馈承诺共同作用下，企业通过积极参与精准扶贫来加强与决定型利益相关者-政府的理性互动，以确保政治资源的稳定供给。政治资源动机使企业精准扶贫调和了慈善公益支出与资本逐利本性的矛盾，有利于形成企业社会效益和经济效益共存局面。
第二，行业同构对个体企业精准扶贫行为产生促进作用。对政治资源竞争形势的认知角度决定了行业同构发挥作用的方向，尽管竞争可得政治资源的绝对数量因行业同构程度的提升而下降，但相对数量对多环节竞争成败的决定性作用推动企业积极参与精准扶贫。研究结论不仅旁鉴了政治资源对企业的重要性，而且对行业政策走向有一定借鉴意义。
第三，源于对待政治资源的态度不同，产权性质差异导致企业精准扶贫的表现复杂。在政治资源驱动下，国有企业表现出参与度高但支出水平低的行为特征；民营企业呈现出参与度低但支出水平高的行为特征。结论为产权性质视角下政治资源配置方式的优化拓展了可行空间。
第四，企业精准扶贫确实为企业在融资、税收规避等政治资源相关方面创造经济利益，不仅力证了政治资源驱动企业精准扶贫的观点，而且为企业精准扶贫慈善公益支出下资本逐利本性的实现途径提供经验证据。
鉴于本文的研究结论，提出以下几点建议：第一，完善和落实企业精准扶贫扶持政策，以提升政治资源价值和强化资源回馈承诺，从而激励企业持续服务脱贫攻坚。近几年颁布的众多精准扶贫优惠政策正是提高政治资源收益的微观体现，但扶持政策主要围绕税收优惠，领域略显单一，建议在财政补贴、信贷资源等方面扩展政策扶持领域；第二，重视行业行为对个体企业精准扶贫行为的积极影响，结合行业发展特性制定细分的精准扶贫政策以推动行业内企业积极参与精准扶贫；第三，摒弃政治资源对国有企业一边倒的配置偏好，优化政治资源配置机制，应强化国有企业政治资源竞争意识以激励国有企业提升精准扶贫支出水平，为更多民营企业创造政治资源竞争机会以鼓励民营企业增加精准扶贫参与度。
参考文献
[1]SHLEIFER A, VISHNY R W. Politicians and firms [J]. Quarterly Journal of Economics, 1994,109(4):995-1025.
[2]李维安, 王鹏程, 徐业坤. 慈善捐赠、政治关联与债务融资——民营企业与政府的资源交换行为 [J]. 南开管理评论, 2015,18(1):4-14.
[3]戴奕一, 潘越, 冯舒. 中国企业的慈善捐赠是一种"政治献金"吗:来自市委书记更替的证据[J]. 经济研究, 2014(2):74-86.
[4]田志龙, 高勇强, 卫武. 中国企业政治策略与行为研究[J]. 管理世界, 2003(12):98-106.
[5]胡旭阳, 史晋川. 民营企业的政治资源与民营企业多元化投资——以中国民营企业500强为例[J]. 中国工业经济, 2008(4):5-14.
[6]卫武, 李克克. 基于政府角色转换的企业政治资源、策略与绩效之间的相互影响[J]. 管理科学学报, 2009,12(2):31-43.
[7]张敏, 马黎珺, 张雯. 企业慈善捐赠的政企纽带效应——基于我国上市公司的经验证据[J]. 管理世界, 2013(7):163-171.
[8]BAI C E, LU J Y, TAO Z G. Property rights protection and access to bank loans:evidence from private enterprises in China [J]. Economics of Transition, 2006,14(4):611-628.
[9]潘红波, 夏新平, 余明桂. 政府干预、政治关联与地方国有企业并购[J]. 经济研究, 2008(4):41-52.
[10]张建君. 竞争—承诺—服从:中国企业慈善捐款的动机[J]. 管理世界, 2013(9):118-129.
[11]CHAN K S, DANG V Q T, YAN I K M. Effects of financial liberalization and political connection on listed Chinese firms’ financing constraints [J]. World Economy, 2012,35(4):483-499.
[12]KHWAJA A I, MIAN A. Do lenders favor politically connected firms? Rent provision in an emerging financial market [J]. The Quarterly Journal of Economics, 2005, 120(4):1371-1411.
[13]李增福, 汤旭东, 连玉君. 中国民营企业社会责任背离之谜[J]. 管理世界, 2016(9):136-148.
[14]LIU F, LIN H, WU H Y. Political connections and firm value in China:an event study [J]. Journal of Business Ethics, 2016,152(8):1-21.
[15]余明桂, 潘红波. 政治关系、制度环境与民营企业银行贷款[J]. 管理世界, 2008(8):9-21.
[16]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):104-115.
[17]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):98-104.
[18]张功富, 张木子. 区域文化、生命周期与家族企业精准扶贫[J]. 财会月刊, 2020(4):108-116.
[19]张曾莲, 董志愿. 参与精准扶贫对企业绩效的溢出效应[J]. 山西财经大学学报, 2020,42(5):86-98.
[20]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):109-120.
[21]FACCIO M, MASULIS R W, MCCONNEL J J. Political connections and corporate bailouts [J]. The Journal of Finance, 2006,61(6):2597-2635.
[22]LI H B, MENG L S, ZHANG J S. Why do entrepreneurs enter politics? Evidence from China [J]. Economic Inquiry, 2006,44(3):559-578.
[23]李健, 陈传明, 孙俊华. 企业家政治关联、竞争战略选择与企业价值——基于上市公司动态面板数据的实证研究[J]. 南开管理评论, 2012,15(6):147-157.
[24]刘慧龙, 张敏, 王亚平. 政治关联、薪酬激励与员工配置效率[J]. 经济研究, 2010,45(9):109-121.
[25]李四海, 陆琪睿, 宋献中. 亏损企业慷慨捐赠的背后[J]. 中国工业经济, 2012(8):148-160.
[26]PFEFFER J, SALANCIK G R. The external control of organizations:a resource dependence perspective [M]. New York:Harper and Row, 1978.
[27]CAZURRA A C. The evolution of business groups’ corporate social responsibility [J]. Journal of Business Ethics,2018, 153: 1-20.
[28]RAGODOO N J F. CSR as a tool to fight against poverty [J]. Social Responsibility Journal, 2009,5(1):19-33.
[29]BRAMMER S J, JACKSON G, MATTEN D. Corporate social responsibility and institutional theory:new perspectives on private governance [J]. Socio-Economic Review, 2011,10(1):3-28.
[30]MA D, PARISH W L. Tocquevillian moments:charitable contributions by Chinese private entrepreneurs [J]. Social Forces, 2006,85(2):943-964.
[31]FREEMAN R E. Strategic management: a stakeholder approach [M]. Boston:Pitman, 1984.
[32]CLARKSON M. A stakeholder framework for analyzing and evaluating corporate social performance [J]. The Academy of Management Review, 1995,20(1):92-117.
[33]MITCHELL R K, AGLE B R, WOOD D J. Toward a theory of stakeholder identification and salience:defining the principle of who and what really counts [J]. The Academy of Management Review, 1997, 22(4):853-886.
[34]BARKEMEYER R. Beyond compliance-below expectations? CSR in the context of international development [J]. Business Ethics: a European Review, 2009,18(3):273-289.
[35]JENKINS R. Globalization, corporate social responsibility and poverty [J]. International Affairs, 2005,81(3):525-540.
[36]LOBEL S. Predicting organizational responsiveness to poverty: exploratory model and application to Brazil and the United States [J]. European Management Journal, 2013,31(5):522-535.
[37]罗党论, 唐清泉. 政治关系、社会资本与政策资源获取:来自中国上市公司的经验证据[J]. 世界经济, 2009(7):84-96.
[38]张建君, 张志学. 中国民营企业家的政治战略[J]. 管理世界, 2005(7):94-105.
[39]GODFREY P C. The relationship between corporate philanthropy and shareholder wealth: a risk management perspective [J]. Academy of Management Review, 2005,30(4):777-798.
[40]贾明, 张喆. 高管的政治关联影响公司慈善行为吗?[J]. 管理世界, 2010(4):99-113.
[41]FRANSEN L. The embeddedness of responsible business practice: exploring the interaction between national-institutional environments and corporate social responsibility [J]. Journal of Business Ethics, 2013,115(2):213-227.
[42]DOH J P, GUAY T R. Corporate social responsibility, public policy, and NGO activism in Europe and the United States: an institutional stakeholder perspective [J]. Journal of Management Studies, 2006,43(1):47-73.
[43]HOLDER-WEBB L, COHEN J. The cut and paste society: isomorphism in codes of ethics [J]. Journal of Business Ethics, 2012,107(4):485-509.
[44]HUSTED B W, JAMALI D, SAFFAR W. Near and dear? The role of location in CSR engagement [J]. Strategic Management Journal, 2016, 37(10):2050-2070.
[45]MARQUIS C, GLYNN M A, DAVIS G F. Community isomorphism and corporate social action [J]. Academy of Management Review, 2007,32(3):925-945.
[46]刘柏, 卢家锐. “顺应潮流”还是“投机取巧”:企业社会责任的传染机制研究[J]. 南开管理评论, 2018,21(4):182-194.
[47]TAN J, LI S M, XIA J. When iron fist, visible hand, and invisible hand meet:firm-level effects of varying institutional environments in China [J]. Journal of Business Research, 2007,60(7):786-794.
[48]周林洁, 邱汛. 政治关联、所有权性质与高管变更[J]. 金融研究, 2013(10):194-206.
[49]BAI C E, LI D D, TAO Z G, et al. A multitask theory of state enterprise reform [J]. Journal of Comparative Economics, 2000,28(4):716-738.
[50]BRANDT L, LI H B. Bank discrimination in transition economies: ideology, information or incentives? [J]. Journal of Comparative Economics, 2003,31(3):387-413.
[51]FAN J, WONG T J, ZHANG T. Institutions and organizational structure:the case of state-owned corporate pyramids [J]. Journal of Law, Economics, and Organization, 2013,29(6):1217-1252.
[52]梁建, 陈爽英, 盖庆恩. 民营企业的政治参与、治理结构与慈善捐赠[J]. 管理世界, 2010(7):109-118.
[53]XIN K R, PEARCE J L. Guanxi:connections as substitutes for formal institutional support [J]. Academy of Management Journal, 1996,39(6):1641-1658.
[54]BROWN W O, HELLAND E, SMITH J K. Corporate philanthropic practices [J]. Journal of Corporate Finance, 2006,12(5):855-877.
[55]GALASKIEWICZ J. An urban grants economy revisited:corporate charitable contributions in the twin cities, 1979-81,1987-89 [J]. Administrative Science Quarterly, 1997, 42(3):445-471.
[56]FAN P H J, WONG T J, ZHANG T Y. Politically connected CEOs, corporate governance, and Post-IPO performance of China’s newly partially privatized firms [J]. Journal of Financial Economics, 2007,84(2):330-357.
[57]WU H Y, LI S H, YING S X, et al. Politically connected CEOs, firm performance, and CEO pay [J]. Journal of Business Research,2018,91:169-180.
[58]KOLK A, VAN TULDER R. Poverty alleviation as business strategy? Evaluating commitments of frontrunner multinational corporations [J]. World Development, 2005, 34(5):789-801.
[59]高勇强, 陈亚静, 张云均. “红领巾”还是“绿领巾”:民营企业慈善捐赠动机研究[J]. 管理世界, 2012(8):106-114.
[60]MCWILLIAMS A, SIEGEL D. Corporate social responsibility and financial performance: correlation or misspecification? [J]. Strategic Management Journal, 2000,21(5):603-609.
[61]BARKEMEYER R. Corporate perceptions of sustainability challenges in developed and developing countries:constituting a CSR divide? [J]. Social Responsibility Journal, 2011,7(2):257-281.
[62]LI J J, ZHAO L M. The costs of socializing with government officials:a new measure of corporate political connections [J]. China Journal of Accounting Research, 2015,8(1):25-39.
[63]卢峰, 姚洋. 金融压抑下的法治、金融发展和经济增长[J]. 中国社会科学, 2004(1):42-55.
[64]赵璨, 王竹泉, 杨德明. 企业迎合行为与政府补贴绩效研究——基于企业不同盈利状况的分析[J]. 中国工业经济,2015(7):130-145.
[65]王红建, 李青原, 邢斐. 金融危机、政府补贴与盈余操纵——来自中国上市公司的经验证据[J]. 管理世界, 2014(7):157-167.
[66]周黎安, 陈烨. 中国农村税费改革的政策效果:基于双重差分模型的估计[J]. 经济研究, 2005(8):44-53.
[67]薛安伟. 跨国并购提高企业绩效了吗——基于中国上市公司的实证分析[J]. 经济学家, 2017(6):88-95.
[68]叶康涛, 刘行. 公司避税活动与内部代理成本[J]. 金融研究, 2014(9):158-176.
[69]张敦力, 李四海. 社会信任、政治关系与民营企业银行贷款[J]. 会计研究, 2012(8):17-24.
Political Resources and Targeted Poverty Alleviation of Enterprises: Capital Consideration under Public Welfare Projects
YANG Yi-dong, CHENG Hong-wei
(School of Business, Sichuan University, Chengdu 610065, China)
Abstract：The performance of targeted poverty alleviation led to a reflection on the contradiction between the free nature of public welfare expenditure and the profit-seeking nature of capital, and the behavioral motivation is an important dimension to consider the capital nature of public welfare projects. This paper takes A-share listed companies in Shanghai and Shenzhen in 2016-2018 as a sample, and empirically tests the impact of political resources on targeted poverty alleviation by using the data collected by hand, and studies the regulatory effect of this impact from the perspectives of industry isomorphism and property right nature. It is found that: political resources are the driving factors of targeted poverty alleviation of enterprises, and the higher the value of political resources, the stronger the driving force; industry isomorphism has a positive impact on targeted poverty alleviation of enterprises, the greater the degree of industry isomorphism, the stronger the driving force of political resources on targeted poverty alleviation of enterprises; state-owned enterprises show the obedient behavior characteristics of high participation but low expenditure level, while the private enterprises show the catering behavior characteristics of low participation but high expenditure. Further investigation also found that targeted poverty alleviation of enterprises did create economic benefits for enterprises in financing, tax evasion and other aspects of political resources, and consolidated the view that political resources drive enterprises to targeted poverty alleviation. The conclusion not only enriches the motivation research of corporate social responsibility for targeted poverty alleviation, but also has reference significance for the government to optimize the allocation of political resources and grasp the trend of targeted poverty alleviation policies.
Key words：political resource; targeted poverty alleviation of enterprises; resource dependence theory; motivation
中图分类号：F275.5
文献标识码：A
文章编号：1005-1007(2020)09-0064-19
收稿日期：2020-02-19
作者简介：杨义东，男，四川大学商学院博士生，主要从事企业社会责任和公司税收研究；程宏伟(通讯作者)，男，四川大学商学院教授，博士生导师，主要从事公司税收、公司财务管理研究。
责任编辑 胡少龙