参与精准扶贫对融资约束的影响——基于我国A股上市公司的实证分析

曹馨月

（上海工程技术大学，上海 200336）

引言

2013年，***总书记在湖南省首次提出了“精准扶贫”的概念。2016年，证监会颁布相关政策，要求上市公司披露与扶贫相关的社会责任信息。自此之后越来越多的上市公司响应国家号召，积极融入扶贫计划，参与精准扶贫。而对于企业这一市场主体来说，具有追求利益的基本特性，将资金用来开展精准扶贫对其有何影响呢？本文以融资约束为出发点，检验企业参与精准扶贫对融资约束的影响以及这种影响在不同市场化程度下的效果，丰富了精准扶贫对企业经济后果的相关研究，也解释了企业参与精准扶贫的动机。

目前对于精准扶贫的相关研究主要集中于实事描述和扶贫评价、影响因素等，将参与精准扶贫企业为主体来进行经济后果的研究较少。针对经济后果主要研究了企业精准扶贫的影响因素如媒体关注度[1]、地方财政压力[2]、产权性质、业绩水平、企业规模[3]，参与精准扶贫对企业绩效的影响[4]，主要认为是会提升绩效，同时企业参与精准扶贫能产生积极市场反应[5]，这在不同产权性质和不同精准扶贫方式中有差异。参与扶贫能够缓解融资约束[6]，同时还能促进企业研发资金与研发人员投入[7]，并且参与精准扶贫水平越高，其股票市场风险越低[8]。

本文区别于以往文献将社会责任视为整体去研究，而是细化到精准扶贫这一社会责任方式对融资约束的影响，并且保证了数据的可研究性和代表性，企业从2016年开始披露扶贫相关信息与数据，因此之前针对精准扶贫相关研究的数据跨度较小且主要是从企业年报中手工收集，因此可能存在内生性问题和遗漏问题。本文选取2016—2019年数据，并通过数据库获取能一定程度上避免以上问题。

一、理论分析与研究假设

（一）精准扶贫对融资约束的影响

社会责任的研究一直是学术界的热点，Carroll认为社会责任包括四个方面：经济责任、法律责任、伦理责任和慈善责任。其中，扶贫属于慈善责任的范畴，企业承担精准扶贫工作是企业履行社会责任的重要内容[3]。当前我国企业仍面临着融资约束问题，主要是股权融资困难重重，而信贷融资又受到信息不对称和道德风险的影响。因此，信息不对称成为融资约束产生的关键问题。而由信号传递理论可知，企业主动披露相关社会责任信息能够向外界传递财务方面良好的信号，同时树立良好的形象和声誉，进而获得外界投资者的信任和关注。我国市场经济体制不够健全，政府拥有大量关键资源。资源依赖理论认为，企业发展离不开各种资源。在脱贫攻坚背景下，企业积极参与精准扶贫，响应国家号召可能会获得政府资源支持。因此，企业参与精准扶贫能降低融资中的信息不对称问题，缓解融资约束。基于此，本文提出假设H1。

H1：企业参与精准扶贫能有效缓解融资约束

（二）市场化程度下的精准扶贫对融资约束的影响

中国改革开放以来，市场化进程推动了资源的合理配置[9]，但仍有地区经济发展水平较低，因此市场化程度在一定程度上能反映地区贫困程度。对于市场化程度低的地区，正式制度不够完善，根据资源依赖理论，企业为保证自身能顺利开展经济活动、获取资源，降低高昂的融资成本，企业需要积极寻求解决方案。企业积极履行社会责任能建立非正式“政治关系”，在国家大力倡导精准扶贫战略的背景下，参与精准扶贫的方式能够让企业获得更为密切的“政治联系”，进而获得有利于企业发展的资源。对于市场化程度较高的地区来说，市场能够公平运作且资源能够得到有效配置，这就促使企业对通过履行社会责任改善融资能力的动机和依赖程度显著下降，因此精准扶贫对融资约束的缓解作用会不那么明显。基于此，本文提出假设H2。

H2：以市场化程度作为调节变量，处于市场化程度低地区的企业，参与精准扶贫能更明显地缓解融资约束。

二、研究设计

（一）样本选择与数据来源

由于2016年公司开始在年报中披露精准扶贫相关数据，故本文选择2016—2019年作为研究期间。以中国A股上市公司为初始样本，并对样本做如下筛选：一是金融行业具有特殊性，故剔除其样本；二是剔除ST、*ST的样本；三是剔除模型中各控制变量有缺失值以及相关数据异常的样本，最终得到12 405个样本。本文主要运用了MS Excel和Stata15.0完成数据处理和回归分析。

（二）变量定义

1.被解释变量，即融资约束（FC）。融资约束的衡量方法较多，其中SA指数使用的是外生性的变量，能够有效减少研究结论的偏差本文借鉴Hadlock &Pierce（2010）[10]、鞠晓生[11]用SA指数来衡量融资约束，计算公式为：SA=-0.737*Size+0.043*Size2-0.040*Age。其中，Size为企业规模，Age为企业成立时间长短。对SA指数绝对值取对数来代表融资约束FC，FC越大，则企业受到的融资约束越严重。

2.解释变量，即精准扶贫（Alleviation）。用（企业精准扶贫总金额+1）的自然对数形式更好地来衡量。

3.调节变量，即市场化程度（Market）。市场化指数来源于《中国分省份市场化指数报告（2018）》，由于该报告的数据只到2016年，在此基础上根据马连福等[12]将市场化指数外推至2019年。该指数越小，表明对地方政府分配经济资源的比重越大，对经济资源的控制能力越强。

4.控制变量。结合已有研究[4～8]，本文选取控制变量主要有规模（Size）、资产负债率（Lev）、企业年龄（Age）、公司业绩（Roa）、成长性（Growth）、第一大股东持股比例（Top1）。

（三）研究模型

为了验证本文H1的研究假设，构建如下模型进行回归：

在模型（1）的基础上引入市场化程度（Market）以及精准扶贫与市场化程度的交互项（Alleviation×Market），验证H2的假设。

三、实证分析

（一）描述性统计

对变量进行描述性统计分析可以看到，其中FC最小值为1.18，最大值为1.517，说明企业大多面临着融资约束的问题。精准扶贫的投入程度相差较大，最少的为0，最大的为8.869，这反映了如今企业精准扶贫的特点，大部分参与到了精准扶贫中，但投入程度在公司个体之间差异较大。

（二）相关性分析

对本文模型中的被解释变量、解释变量以及控制变量进行Pearson相关性分析可知，各变量间的系数均小于0.55，除了成长性和第一大股东持股比例以外，其他变量间均在1%水平上显著，说明各变量间不存在严重的多重共线问题，并且在初步检验结果中可以发现企业参与精准扶贫与融资约束程度FC的相关系数为-0.033，在1%的水平上显著负相关，这初步表明企业积极开展精准扶贫能够降低其面临的融资约束。

（三）基本检验结果

续表

由表1可以看到，在控制年份和行业下的回归结果看来，精准扶贫对融资约束的系数为-0.0013，且在1%的水平下显著为负，表明精准扶贫对融资约束有缓解效应。同时由R2的数值看来，模型拟合程度较好，假设H1得到验证。第二列中，精准扶贫与市场化程度的交互项（Alleviation×Market）为-0.0021，且在1%的水平下显著，说明企业处于市场化程度较低的地区，通过精准扶贫这种社会责任方式，在一定程度上补偿因正式制度不足导致的资源分配不公，进而缓解融资约束问题。

表1 精准扶贫与融资约束

四、研究结论与启示

本文以2016—2019年我国A股上市公司为研究对象，实证研究了精准扶贫对融资约束的影响。实证结果表明，企业积极响应并参与精准扶贫能够缓解融资约束的问题，并且在市场化程度低地区的企业选择精准扶贫的方式，缓解融资约束的效果更明显。

从本文研究结论出发，首先对于企业而言，长期积极参与精准扶贫是能向外界传递积极信号，企业应意识到精准扶贫和企业利益并不存在必然矛盾，进而利用这种社会责任方式来缓解融资约束问题，最终在衡量自身情况后可将扶贫作为一种长期战略，此举更有利于企业长远发展。其次，从政府层面来说，为消除贫困、抑制返贫、实现共同富裕的目标，相关部门应建立完善的社会公益体系，使资源能得到充分有效的配置，引导我国企业积极履行社会责任。政府作为资源分配的主要决策者，应通过一些优惠政策，鼓励企业积极参与进来，挖掘企业在扶贫工作中的潜力，进而建立长期有效的减贫机制。