许志冬，张慧明，周德群，曹杰

(1.南京信息工程大学 管理工程学院，江苏 南京210044；2.南京航天航空大学 经济与管理学院，江苏 南京 211106；3.徐州工程学院 管理工程学院，江苏 徐州 221111)

一、引 言

中国幅员辽阔、地理环境复杂、人口众多，是受气象灾害严重影响的国家之一，气象灾害在我国自然灾害中所占比例高达75%(1)数据来源：来自新华网http://www.xinhuanet.com//2017-05/11/c_1120957915.htm。。依据《中国气象灾害年鉴》公布的数据，仅2016-2018年，因气象灾害及其次生、衍生灾害而受灾的人数分别达到1.9亿人次、1.4亿人次和1.4亿人次，累计造成直接经济损失超过1万亿元(2)数据来源：作者根据《中国气象灾害年鉴》(2017-2019)计算整理得到。。企业是气象灾害的受众之一，也是承担社会责任的重要主体。目前，参与精准扶贫已经成为企业履行社会责任的一种新形式，这对于国家建立长效扶贫机制具有重要作用，因此得到了中央政府的高度重视。在相继颁布或制定的《中央企业定点帮扶贫困革命老区百县万村活动的通知》(2014)、《关于打赢脱贫攻坚战的决定》(2015)、《推进“万企帮万村”精准扶贫行动向深度贫困地区倾斜的落实方案(2018-2020年)》(2018)等政策文件中，中央政府提出企业参与精准扶贫活动的战略决策，并分别就如何引导国有企业和民营企业积极参与精准扶贫作了详细规划。“十四五”是精准扶贫与乡村振兴两大战略的历史更迭期。从宏观政策层面来看，2020年中央“一号文件”提出解决绝对贫困问题后，扶贫工作重心将转向解决相对贫困；2021年中央又明确提出在完成脱贫攻坚任务后，对摆脱贫困的县，从脱贫之日起设立5年衔接过渡期，持续巩固脱贫攻坚成果，进而逐步实现由脱贫攻坚向乡村振兴的过渡。从脱贫攻坚战略与乡村振兴战略的内在逻辑关系来看，后者是对前者的进一步升级，前者是后者的基础和保障[1]，并且能够为后者的实施提供有效借鉴[2]。要想实现两者之间的有效衔接，就必须巩固脱贫攻坚成果、补齐脱贫攻坚短板，以及充分借鉴脱贫攻坚经验。企业是履行精准扶贫社会责任的重要群体，也是政府打赢脱贫攻坚战的重要帮手[3]，对于巩固脱贫攻坚成果，实现脱贫攻坚与乡村振兴两大战略有效衔接具有重要作用。因此，对企业精准扶贫的驱动因素及扶贫成效的探讨极为重要。

目前，国内已有部分文献从企业层面[4-6]以及外部环境压力[4，7-8]等角度对精准扶贫行为展开了研究。在企业层面，有研究表明公司规模越大、业绩越好，其参与精准扶贫的可能性以及支出水平就越高[4]。产权性质也会影响企业精准扶贫行为，杜世风等[4]发现国有企业在履行精准扶贫这一社会责任方面要优于非国企，该论点得到了易玄等[5]人的支持。不过，杨义东和程宏伟[6]从企业参与精准扶贫意愿与扶贫支出两个维度进一步分析，指出相对于民营企业，国有企业参与精准扶贫的意愿较高，但扶贫支出水平却较低。其结论虽肯定了不同产权性质企业精准扶贫行为的差异，但与杜世风等[4]以及易玄等[5]的研究结果略有区别。在外部环境压力层面，聂军等[7]与黄珺等[8]分别发现地方政府财政压力与媒体关注会显著提高企业在精准扶贫上的投入。此外，还有学者基于行业竞争的角度，揭示了“行业同构压力”对企业精准扶贫行为的正向作用[6]。基于上述分析，可以发现鲜有学者探讨气象灾害这一外生性冲击对企业扶贫行为的影响。考虑到气象灾害日益频发，且可能对企业生产运营产生负面影响，在这一背景下，企业受灾后的扶贫意愿及其成效有待于深入剖析。基于此，本文采用2016-2018年中国A股上市公司面板数据，探究气象灾害对中国上市公司精准扶贫这一新型企业社会责任的影响效应，试图揭示企业灾后扶贫行为隐藏的动机，并检验了企业灾后扶贫行为对扶贫成效的影响。

本文的边际贡献如下：(1)基于外生性冲击的视角分析精准扶贫的驱动因素，延展了企业社会责任研究。从理论层面来看，现有文献对企业精准扶贫的驱动机制研究主要聚焦于微观层面的企业规模和企业业绩[4]、企业产权性质[5-6]等因素，以及外部宏观层面的政府财政压力[7]、行业同构压力[5]和媒体关注[8]等，鲜有研究考量外生的气象灾害冲击。因此，本文基于外生性冲击的视角分析精准扶贫的驱动因素，在一定程度上弥补了以上研究缺憾。(2)链接气象灾害与企业精准扶贫，拓展了气象灾害的微观效应研究。现阶段针对气象灾害与企业社会责任的关系研究多是剖析单一的地质灾害事件[9]或者台风灾害[10]对企业慈善捐赠行为的影响，较少涉及企业精准扶贫这一新型社会责任形式。(3)评估灾后扶贫行为对脱贫成效的影响，为企业参与脱贫攻坚与乡村振兴的有效衔接提供解决思路。研究指出企业灾后扶贫行为与扶贫成效存在脱钩现象，因此为推进乡村振兴，应从微观层面提高灾后脱贫攻坚效果。

二、理论分析与研究假设

(一)基准回归的研究假设

从微观层面来看，气象灾害的冲击尽管可能会使医药、空调等少数行业受益，但更多的是给企业的经营管理造成负面效应，包括厂房和机器设备等生产性资本受损[11，12]、企业物流中断[13]、人力资本流失[14]、创新效率降低[15]、资金的流动性下降[16]，以及费用增加、收入和利润降低[17]等。此外，气象灾害会导致银行监管力度增强，银行违约的可能性增加，银行信贷难度提升[18]，进而损害部分企业向银行借款的能力，给企业的生产经营造成较大的负面影响。鉴于此，企业在气象灾害发生后亟需资源补偿因灾害造成的损失，进而恢复正常的生产经营。在精准扶贫战略背景下，中央与地方两级政府为了按时完成既定的脱贫攻坚任务，会在贫困地区投入更多的扶贫资源(如补贴、贷款、税收优惠、建筑用地等)以助其脱困。这些资源对于企业灾后恢复正常生产经营同样具有重要作用。然而，“关系”社会是中国社会的一个根本特点[19]。企业若能与本地政府建立良好的“政企关系”，则更容易获取来自地方政府的资源[20]。在脱贫攻坚的战略背景下，参与精准扶贫是企业建立和维系良好政企关系的一种有效途径[21]。现实中，企业会选择在本地精准扶贫或者参与异地定点帮扶。从本地精准扶贫来看，气象灾害会导致受灾家庭的收入大幅度减少[22]，加剧收入不平等[23]，进而诱发贫困[24]。此外，气象灾害发生后，由于灾后恢复困难等原因，部分家庭的贫困程度可能会进一步加重[23，25]，这在中国特殊类型地区表现尤为突出[26]。这些地区往往因经济发展水平较低、基础设施薄弱，抵御气象灾害风险的能力较差，气象灾害的发生会加重地区贫困程度，甚至导致受灾人群大面积返贫[26-27]。在此背景下，如果企业灾后积极参与精准扶贫无疑会减轻政府的扶贫压力，有利于企业与地方政府建立良好的政治联系，从而获取地方政府的资源。从企业异地定点帮扶来看，《中共中央国务院关于打赢脱贫攻坚战的决定》(2015)中明确要求东部地区要加强对西部贫困地区的对口帮扶力度，并健全定点扶贫机制。企业灾后如果仍能积极参与异地定点帮扶，那么既分担了对口帮扶的政治任务，还为帮扶地区实现脱贫攻坚做出贡献，有助于其在政治资源竞争中获得优势。基于上述分析，本文提出以下假设。

假设1a：限定其他条件，气象灾害会显著提高企业参与精准扶贫的意愿。

假设1b：限定其他条件，气象灾害会显著提高企业精准扶贫支出水平。

(二)动机检验部分的研究假设

尽管总体上气象灾害可能会对企业的精准扶贫行为产生一定的正向影响，但这种影响还可能因企业政治资源获取能力的不同而存在显著差异。根据资源依赖理论，企业的发展离不开外部资源，且由于气象灾害可能会导致企业损耗内部资源[11-12，14，16-17]，此时，企业更需要外部资源的稳定供给。相对于政治资源获取能力较强的企业，能力较弱的企业为扭转自身劣势更有动机参与灾后扶贫。大量研究已证实，由于我国政府对市场具有较强的干预能力[28]，企业积极参与精准扶贫能够稳固并加强与政府的政治联系，进而有助于获得财政补贴、融资便利[19，29]以及扶贫资金的使用权[29]等。这些政治资源对于保持企业竞争力至关重要[4]，能够帮助企业改善财务状况[28-30]、提高企业价值[31]、缓解企业融资约束[21]。基于此，本文提出研究假设2a、2b(见图1)。

假设2a：限定其他条件，气象灾害对企业精准扶贫行为的正向效应主要存在于资源获取能力较弱的企业。

假设2b：限定其他条件，资源获取能力较弱的企业在气象灾害发生后积极参与精准扶贫是出于政治动机。

除了政治动机，企业积极履行社会责任还可能出于其他机会主义动机，主要体现为企业为掩盖不良行为、转移或消除负面消息对其不利影响而积极履行社会责任[32]。根据印象管理理论与风险管理理论，企业履行社会责任能够帮助其积累声誉资本，从而起到“声誉保险”的作用[33-34]。这是因为企业可以利用社会责任形成的道德资本来转移公众以及监管机构等利益相关者对负面事件的注意力，降低负面事件对其造成的声誉损失，进而减少企业遭受的经济损失[31]。以企业慈善捐赠为例，该行为背后可能隐藏着一系列工具性动机[35-36]，其主要表现是企业为了降低诉讼风险给其造成的负面影响[33，37]、掩盖其不良行为甚至违规行为[38]会参与慈善捐赠，从而降低其遭受监管机构处罚或者社会制裁的风险。气象灾害会给社会经济造成不利影响[39]，这其中也包括对企业生产经营造成的负面效应，但企业社会责任投资的边际效用也可能会更大——灾害背景下企业积极履行社会责任能够向外界宣传其有担当的良好形象[10]，会进一步放大企业社会责任的“声誉保险”作用。因此，气象灾害发生后，作为企业社会责任新形式的精准扶贫，也可能成为企业掩盖不良行为或者转移负面消息对其不利影响的一种手段。基于上述分析，提出假设3(见图1)。

图1 企业灾后参与精准扶贫的动机分析

假设3：限定其他条件，其他机会主义动机也是企业灾后积极参与精准扶贫的重要动机之一。

三、研究设计

(一)样本选择与数据来源

本文以2016-2018年沪深A股上市公司作为样本，主要基于以下两点原因：(1)上市公司在公司年报中披露精准扶贫的相关信息始于2016年；(2)气象灾害数据存在滞后性，2019年以及之后年度的气象灾害数据尚未公布。本文使用的数据及来源如下：(1)企业扶贫数据、企业财务数据以及企业治理数据，来自国泰安(CSMAR)数据库；(2)气象灾害数据，来源于《中国气象灾害年鉴》；(3)地方经济发展程度数据，来自中国统计局公布的年度数据。在数据合并处理过程中，剔除主要变量数据缺失的样本企业，剔除金融和保险业以及ST、*ST公司样本，最后共计获得8387个有效观测值。为了避免样本中极端值对研究结果的干扰，本文对所有连续型变量进行了1%和99%的winsorize缩尾处理。

(二)变量选取与测度方式

1.被解释变量

参照王帆等[19]、聂军等[7]、黄珺等[8]的研究，从企业精准扶贫意愿(TPA1)和企业精准扶贫支出水平(TPA2)两个维度来定义企业的精准扶贫行为。其中企业精准扶贫意愿是虚拟变量，如果企业当年参与了精准扶贫，则赋值为1，否则为0；企业精准扶贫支出水平用企业当年扶贫支出总额加1取对数的方式来测度。

2.解释变量

本文的核心解释变量是气象灾害强度指数。考虑到气象灾害年鉴中仅公布了各省的干旱、台风、暴雨洪涝、冻灾以及局地强对流天气这五类气象灾害数据，本文首先构造了省级层面气象灾害总强度指数以及各类灾害的灾害强度指数，然后以上市公司所在省份为依据，利用Stata15.0将各年度各省气象灾害强度指数以及各类气象灾害的灾害强度指数分配给每个上市公司，以此从微观层面来探究气象灾害对企业精准扶贫行为的影响。借鉴林煜恩等[12]、朱保美等[40]的研究，气象灾害总强度指数以及各类灾害强度指数具体定义如下：(1)采用气象灾害发生后总成灾面积与总受灾面积的百分比测度气象灾害总强度；(2)采用各类气象灾害发生后成灾面积与受灾面积的百分比测度各类气象灾害的灾害强度。

3.控制变量

参考企业慈善捐赠相关研究[10，41-42]以及企业精准扶贫研究[4，6-7，19，29-30]，从企业财务因素、企业治理因素、地区经济发展水平三个层面选取控制变量。其中，企业财务层面控制了企业规模、负债水平、盈利能力、现金资产比率、企业成长性等五个变量；企业治理结构层面控制了产权性质、上市年龄、独立董事比例、股权集中程度、董事长与总经理是否二职合一、是否经四大会计师事务所审计等六个变量。考虑到地方经济发展水平可能对企业精准扶贫行为有影响，本文加入了控制变量省份人均GDP。此外，在模型中还控制了时间与行业固定效应。

(三)计量模型设定

为检验假设1和假设2，本文构建了两个回归模型：

Logit(TPA1i,t=1)=β0+β1*disasteri,t+γ*Xi,t+λt+θj+εi,t

(1)

TPA2i,t=β0+β1*disasteri,t+γ*Xi,t+λt+θj+εi,t

(2)

其中，模型(1)用于检验气象灾害对企业扶贫意愿的影响，考虑到企业扶贫意愿是取值为0或1的哑变量，故本文选择Logit模型进行检验；模型(2)用于检验气象灾害对企业扶贫支出水平的影响效应，鉴于企业扶贫支出为受限变量，采用Tobit模型。模型中disasteri,t是核心解释变量，Xi,t代表各控制变量，λt和θj分别表示时间和行业固定效应，εi,t为干扰项。各变量具体定义和测度方式见表1。此外，模型(1)和模型(2)均采用了企业层面的聚类稳健标准误，主要关注回归系数β1的显著性和符号。

表1 变量定义及其测度方式

四、实证结果分析与讨论

(一)描述性统计

由表2可知，企业精准扶贫意愿(TPA1)的均值为0.231，表明样本中有23.1%的上市公司参与了精准扶贫。企业精准扶贫支出水平(TPA2)的均值为3.159，最大值和最小值分别为18.22和0，且标准差达到了5.853，表明不同公司的精准扶贫支出水平差距较大。气象灾害总强度指数(disaster)以及干旱(drought)、台风(typhoon)、暴雨洪涝(flood)、冻灾(freeze)、局地强对流天气(local strong-convection)各类气象灾害强度指数的最大值与最小值之间差距明显，表明各省份之间的气象灾害强度存在显著差异。

表2 主要变量的描述性统计

(二)灾害强度对企业扶贫行为的影响：总样本检验

表3为基准回归结果：其中第(1)列和第(4)列未加入任何控制变量，第(2)列和第(5)列加入了企业财务层面控制变量，第(3)列和第(6)列则加入了所有控制变量(企业财务层面变量、企业治理层面变量、地区经济发展水平变量)。实证结果揭示，无论是否加入控制变量，核心解释变量disaster的系数均显著为正，其中，第(3)列气象灾害强度指数对企业精准扶贫意愿的估计系数为0.6712，且在10%的水平下显著；第(6)列气象灾害强度指数对企业精准扶贫支出水平的估计系数为3.3652，且在5%的水平下显著。以上结果表明，企业所处地域气象灾害强度对企业精准扶贫意愿和精准扶贫支出水平均具有显著的正向影响。随着企业所处地域气象灾害强度的提升，企业参与精准扶贫的意愿增强，精准扶贫支出进一步增加，假设1a和假设1b得到了验证。

表3 气象灾害强度对企业精准扶贫行为的影响

控制变量的回归结果：企业盈利能力(Roa)、企业规模(Size)、企业成长性(Growth)、产权性质(Soe)以及地区人均GDP较为显著。企业盈利能力(Roa)、企业规模(Size)与企业的扶贫支出水平、扶贫意愿的回归系数均显著为正，说明公司盈利能力与公司规模提升了企业扶贫意愿与支出。企业成长性(Growth)与扶贫支出水平、扶贫意愿的回归系数均在1%的水平下显著为负，表明企业成长性越高，其扶贫意愿与扶贫支出水平则越低，究其原因，可能是成长性高的企业忙于企业扩张，对扶贫起到挤出效应[43]。产权性质(Soe)与企业扶贫支出水平、扶贫意愿的回归系数均显著为正。这可能是因为国有企业肩负着更多的政治任务，需要配合政府完成重大战略任务[19]，而扶贫是国家重大战略任务之一。地区人均GDP变量的系数显著为负，与黄珺等[8]的研究结论一致，表明地区经济发展程度越高会抑制企业的扶贫意愿和扶贫支出水平。结合企业扶贫的实际，本文认为地区经济发展水平越高，地方政府财政资源相对丰裕，该地区贫困人口较少，则地区的扶贫任务量相对较轻。其他的控制变量对企业扶贫行为的影响均不显著。

(三)灾害强度对企业扶贫行为的影响：分样本检验

1.基于不同灾害类别的检验

本文进一步分析了不同气象灾害对企业扶贫行为的影响。表4分别展示了干旱、台风、暴雨洪涝、冻灾以及局地强对流等五种气象灾害的灾害强度指数对企业扶贫意愿和扶贫支出水平的效应。其中，列(1)-(5)是仅加入单一气象灾害变量后的回归结果，为了确保本文研究结论的可靠性，列(6)展示了五类气象灾害全部加入到回归方程的实证检验结果。表4中Panel A的回归结果揭示：无论是单独加入各类气象灾害变量还是加入全部气象灾害，干旱的灾害强度指数对企业扶贫意愿的估计系数均在1%的水平下显著为正，台风的灾害强度指数对企业扶贫意愿的估计系数均为负，且通过了1%的显著性水平，其他三种气象灾害的强度指数不显著。依据表4中Panel B的回归结果，干旱的灾害强度指数对企业扶贫支出水平的估计系数在1%的水平下显著为正，而台风与冻灾的灾害强度指数对企业扶贫支出水平的估计系数均在1%的水平下显著为负，暴雨洪涝与局地强对流两类气象灾害的强度指数不显著。实证结果表明，干旱会显著提高企业的扶贫意愿并提高企业的扶贫支出额度；而随着企业所在地区台风强度指数提升，企业的扶贫意愿与扶贫支出水平均会下降；随着企业所在地区冻灾强度指数的提升，企业的扶贫支出水平会下降，对企业扶贫意愿的估计系数不显著，但是符号为负，基本证实冻灾对企业扶贫行为的负面效应。总而言之，干旱对企业扶贫行为具有显著的正向效应，而台风与冻灾则对企业扶贫行为具有显著的负面效应。结合气象灾害的特征，本文将可能的原因归结为旱灾对农业生产的影响更大，对企业的生产经营影响相对较小，灾害发生后，企业仍然有能力参与扶贫；然而，相比干旱，台风与冻灾给企业生产经营造成较大不利影响，企业遭受的损失会抑制其精准扶贫行为。其他控制变量的回归结果与总样本回归结果基本一致。

表4 气象灾害对企业扶贫行为的影响(分灾害类别)

2.基于地区经济发展水平与市场化程度的分样本检验

中国地域辽阔，各地经济发展水平存在较大差异，市场化水平也参差不齐。从现有研究来看，企业的社会责任行为还会受到地区经济发展水平以及市场环境的影响[44]。因此，本文进一步考察企业灾后扶贫行为在经济发展水平与市场环境不同的地区是否存在显著差异。

(1)基于企业所在地区经济发展程度的分组检验。本文采用人均GDP衡量地区经济发展水平[19，45]：若企业所在地区的人均GDP高于当年全国人均水平，则将其划分为“经济发展程度较高”的样本组；反之，则为“经济发展程度较低”的样本组。使用模型(1)和模型(2)分别进行回归，结果如表5中的Panel A所示：两类地区气象灾害强度指数与企业精准扶贫意愿、精准扶贫支出水平的回归系数均显著为正。进一步通过费舍尔组合检验(Fisher’s Permutation test)分析组间系数发现，模型(1)和模型(2)中核心解释变量disaster的经验p值分别为0.001和0.004(见表5中的列(5)和列(6))，表明“经济发展程度较高”和“经济发展程度较低”两组中的disaster系数存在显著差异。地区经济发展程度较低组中的气象灾害强度指数与企业扶贫意愿和扶贫支出水平的回归系数明显高于地区经济发展程度较高的组，凸显了经济发展程度低的地区企业灾后扶贫的积极性更高。究其原因可能在于受自身发展水平限制，气象灾害会加重经济发展水平较低地区的贫困程度甚至导致受灾人群大面积返贫[27]；此外，地区经济发展水平与扶贫资源支持力度呈反向关系[46]，政府往往会投入大量的资源于经济发展水平低的地区进行扶贫。由此，气象灾害发生后，当地企业可能为了获得地方政府的资源而响应政府号召，积极参与这些地区的精准扶贫。

(2)基于企业所在地区市场化程度的分组检验。借鉴戴亦一等[37]、李晓玲等[38]的研究，本文采用公司所在地区当年的市场化指数测度市场化程度。依据企业所在地将样本企业划分成“地区市场化程度较高”和“地区市场化程度较低”两组，然后使用模型(1)和模型(2)分别进行回归。表5中的Panel B显示，在地区市场化程度较低的组中，气象灾害强度指数与企业精准扶贫意愿、精准扶贫支出水平的回归系数均在1%的水平下显著为正；但是在地区市场化程度较高的地区，气象灾害强度与企业扶贫意愿、扶贫支出水平的回归系数均不显著。在市场化程度较低的地区，随着气象灾害强度的提升，企业更积极参与灾后扶贫，可能的原因在于市场化程度较低的地区制度环境相对较弱，政府在资源配置的过程中仍然发挥着主导作用，气象灾害发生后，企业通过精准扶贫来履行社会责任，进而换取政府资源的政治动机更强[47]。一般而言，经济发展程度低的地区，制度环境也较弱[44]，本文发现气象灾害的扶贫效应在这些地区均较为显著，两类分组检验结果在逻辑上具有一致性。

表5 基于地区经济发展水平与市场化程度的分样本检验结果

(四)稳健性检验

为了验证基准回归结果的可靠性，本文通过以下四种方法进行稳健性检验：(1)将模型(1)中被解释变量企业扶贫支出的绝对指标替换为相对指标(表6中的列(1)和列(2))。借鉴企业慈善捐赠水平的相关研究，采用企业当年实际扶贫金额与期末资产总额比值的1000倍，以及企业当年实际扶贫金额与当年营业收入比值的1000倍来衡量企业的扶贫支出水平。除以当年营业总收入或期末资产总额是为了消除规模效应，而扩大1000倍是为了消除数级差[10，41-42]。结果显示，气象灾害强度指数对企业扶贫意愿以及扶贫支出水平的估计系数均显著为正。(2)替换核心解释变量(表6中的列(3)和列(4))。将基准回归中的绝对灾害强度指数替换为相对灾害强度指数。借鉴赵映慧等[48]与王秋京等[49]的方法，相对灾害强度指数等于(成灾面积*0.3+绝收面积*0.7)/受灾面积。实证结果支持了基准回归的结论。(3)针对企业精准扶贫意愿检验，采用面板probit模型来代替面板logit模型进行回归检验(表6中的列(5))。回归结果揭示气象灾害强度指数对企业扶贫意愿的估计系数在10%的水平下依然显著为正。(4)倾向得分匹配(PSM)检验。基于年度全国气象灾害强度指数的中位数，将样本企业分成气象灾害强度较高(处理组)和气象灾害强度较低(对照组)两组，所有控制变量均作为协变量，进行1:1的近邻有放回匹配，匹配样本通过了平衡性检验。表6的列(6)和列(7)显示，经过PSM匹配后，气象灾害强度指数与企业精准扶贫意愿以及精准扶贫支出水平的回归系数分别在10%和5%的水平下显著为正。继续以年度全国气象灾害强度指数的平均数来划分对照组和处理组，并进行1:1近邻有放回匹配的PSM匹配估计，如表6的列(8)和列(9)所示，结果依然较为稳健。显然，以上四种稳健性检验均支持了基准回归结果，证实气象灾害确实提升了企业扶贫的意愿与支出水平，结论稳健。

表6 稳健性检验结果

五、进一步研究

(一)政治动机检验

如理论分析部分所述，本文认为资源获取能力相对较弱的企业更可能出于政治动机在气象灾害发生后积极参与精准扶贫。鉴于此，本文尝试从微观层面(企业产权性质与银行贷款水平)分组检验证实假设2a，并结合对资源获取能力较弱的企业灾后扶贫的经济后果的检验来证实假设2b。

1.基于资源获取能力强弱的企业分组检验

(1)基于企业产权性质的分组检验。国有企业在资源获取方面具有天生优势[20，38]。然而，不同于国有企业，民营企业因为政策上的“歧视”，在外部资源获取方面面临诸多制约[50-51]。由此，将样本分为国有企业和民营企业两组进行检验，其中，后者的资源获取能力相对较弱(如表7中的Panel A所示)。民营企业组的气象灾害强度与企业扶贫意愿、扶贫支出水平的回归系数均在5%的水平下显著为正；而国有企业组的回归系数不显著，即相比于国有控股的上市公司，民营上市公司在气象灾害发生后更愿意参与精准扶贫且扶贫支出水平较高。国有企业肩负社会责任这一职责，其实施扶贫活动主要是为辅助实现国家重大战略目标这一政治任务[19]；而民营上市公司来自于市场竞争，与政府关系等方面的压力更大[9]，具有较强的功利性动机[52]。因此，气象灾害的发生可能促使民营企业借此机会积极参与扶贫，以获取更多的政治资源。上述结果验证了假设2a。

表7 基于资源获取能力强弱的企业分组检验结果

注：括号内为标准差，*、**、***分别表示在10%、5%、1%的显著性水平下显著

(2)基于银行贷款水平的分组检验。借鉴聂军等[7]以及Chen等[53]的研究，采用气象灾害发生前一年企业所获银行贷款总额/总资产表征企业银行贷款水平，并作为企业资源获取能力强弱的另一种测度方式。依据所有样本企业气象灾害发生前一年的银行贷款水平的中位数，将样本分为银行贷款水平较高组和银行贷款水平较低组进行检验。表7中的Panel B显示，在上期银行贷款水平较低的企业样本中，气象灾害强度与企业精准扶贫意愿、精准扶贫支出水平显著正相关；而在银行贷款水平较高的样本企业中，气象灾害强度与企业精准扶贫意愿和精准扶贫支出水平的回归系数均不显著。显然，气象灾害对企业扶贫行为的正向效应仅在银行贷款水平较低的企业中显著存在。实证结论进一步印证了假设2a。

2.企业灾后扶贫的经济后果检验

上述分组检验揭示气象灾害对企业扶贫行为的正向效应仅显著存在于那些获取政府资源能力较弱的企业，本文认为造成这种现象的主要原因可能是上述企业试图通过灾后扶贫获取政治资源。因此，为了验证假设2b，基于上文的分组样本，采用模型(3)和模型(4)分别进行灾后扶贫经济后果的检验。考虑到政府补贴是企业精准扶贫能够获得的主要政治资源[6，19]，故重点分析资源获取能力较弱的企业灾后扶贫行为是否对其下期政府补贴有显著正向影响。本文在两个计量检验模型中均加入了气象灾害与企业精准扶贫行为的交叉项(disaster*TPA1与disaster*TPA2)，其他控制变量与上文中模型(1)和模型(2)保持一致，模型中均控制了时间与行业固定效应。

Subsidyi,t+1=β0+β1*disasteri,t+β2*TPA1i,t+β3*disasteri,t*TPA1i,t+γ*Xi,t+λt+θj+εit

(3)

Subsidyi,t+1=β0+β1*disasteri,t+β2*TPA2i,t+β3*disasteri,t*TPA2i,t+γ*Xi,t+λt+θj+εit

(4)

其中，Subsidyi,t+1表示企业下一年获得的政府补贴；TPA1i,t和TPA2i,t分别表示企业精准扶贫意愿与精准扶贫支出；disasteri,t*TPA1i,t与disasteri,t*TPA2i,t分别表示气象灾害与企业精准扶贫意愿、气象灾害与企业精准扶贫支出的交叉项。借鉴陈晓姗[52]的做法，对企业下一年获得的政府补贴取自然对数。表8中Panel A是基于不同产权性质企业的检验结果，揭示了民营企业中气象灾害与企业精准扶贫行为的交叉项系数显著为正(列(3)和列(4))，而在国有企业中不显著(列(1)和列(2))。Panel B所示，在银行贷款水平较低的样本企业中交叉项系数显著为正(列(3)和列(4))，而银行贷款水平较高的企业不显著(列(1)和列(2))。上述结果表明，灾后参与精准扶贫有助于政府资源获取能力较弱的企业得到更多的政府补贴。因此，假设2b得到验证。

表8 企业灾后扶贫的经济后果检验

(二)其他机会主义动机检验

基于理论分析可知，企业履行社会责任还可能出于掩盖那些可能会影响到其生存发展的重大不利因素[36]或者不良行为[37]的机会主义动机。以慈善捐赠为例，面临重大诉讼风险[37]或者存在违规行为[38]的企业往往捐助较多，因为以上两种情境会导致企业资源的流失，或者给企业声誉造成极大损害[32，37]。鉴于此，本节从以下两个方面分别检验假设3：首先，依据气象灾害发生前一年企业是否存在违规行为进行分组检验。使用模型(1)和模型(2)分别对企业扶贫意愿和扶贫支出水平进行回归(见表9的panel A)。结果表明，在上年无违规行为的企业样本中，气象灾害强度对企业扶贫意愿、扶贫支出水平的回归系数分别为0.8166、3.5325，且均通过了5%水平下的显著性检验；而存在违规行为的企业组，气象灾害强度与企业扶贫意愿、扶贫支出水平的回归系数均不显著，即相对于违规企业，无违规行为的企业受气象灾害影响而积极参与精准扶贫的意愿更强烈，且扶贫力度也更大。其次，根据气象灾害发生前一年企业是否有重大诉讼进行分组检验，分组回归结果如表9中的panel B所示。针对上期无重大诉讼的企业组，气象灾害强度与企业扶贫意愿和扶贫支出水平的回归系数分别在5%和10%的水平下显著为正；而针对存在重大诉讼的企业样本检验结果表明，气象灾害强度的回归系数不显著。可见，随着气象灾害强度的提升，没有重大诉讼的企业参与扶贫的积极性会更高。综上所述，气象灾害对企业扶贫行为的正向效应仅存在于外部声誉风险较低的企业中(无重大诉讼与无违规行为的企业)。因此，假设3并未得到验证，即其他机会主义动机并不是企业灾后积极参与精准扶贫的重要动机。

表9 机会主义动机检验结果

六、拓展性分析：企业灾后扶贫成效检验

前文验证了企业灾后扶贫主要出于获取政府资源的政治动机，说明企业灾后扶贫行为存在利己的目的。那么，这种带有利己动机的灾后扶贫行为会对企业扶贫成效产生怎样的影响？因此，本文采用以下模型进一步检验企业灾后扶贫行为的扶贫成效。

PovPopi,t=β0+β1*disasteri,t+β2*TPA1i,t+β3*disasteri,t*TPA1i,t+γ*Xi,t+λt+θj+εit

(5)

PovPopi,t=β0+β1*disasteri,t+β2*TPA2i,t+β3*disasteri,t*TPA2i,t+γ*Xi,t+λt+θj+εit

(6)

其中，PovPopi,t表示企业扶贫成效，借鉴张静和朱玉春的做法[54]，用建档立卡贫困人口脱贫数加1取对数测度(下文简称企业帮扶人数)；TPA1i,t和TPA2i,t分别表示企业精准扶贫意愿与精准扶贫支出；disasteri,t*TPA1i,t与disasteri,t*TPA2i,t分别是气象灾害与企业精准扶贫意愿、气象灾害与企业精准扶贫支出的交叉项，表示企业灾后扶贫行为；其他控制变量与模型(1)和模型(2)均保持一致，模型中还控制了时间与行业固定效应。回归结果如表10所示，其中前两列是基于总样本的实证检验结果，后四列采用人均GDP衡量地区经济发展水平[20，45]，并以此为基础分样本检验结果。研究发现：企业灾后扶贫行为对企业帮扶人数的回归系数不显著(列(1)和列(2))；分地区来看，企业灾后扶贫行为的回归系数在经济发展程度较高地区也不显著(列(3)和列(4))，而在经济发展程度较低的地区显著为负(列(5)和列(6))。这表明，整体而言企业灾后扶贫行为未能有效提升扶贫成效，而在经济发展水平薄弱地区，灾后企业扶贫行为显著削弱了脱贫成效。

表10 企业灾后扶贫成效的检验结果

七、结论与政策建议

本文以2016-2018年沪深A股上市公司为样本，探究了气象灾害与上市公司精准扶贫行为之间的联系，并检验了企业灾后扶贫行为对扶贫成效的影响。研究发现：(1)总体来看，气象灾害对企业的扶贫行为产生正向影响。随着气象灾害强度的提升，企业参与精准扶贫的意愿会进一步加强，且企业的扶贫支出水平也会提高。(2)不同类型气象灾害对企业扶贫行为存在显著差异。干旱对企业扶贫行为具有显著的正向效应，而台风和冻灾这两类气象灾害对企业扶贫行为具有显著的负面效应，暴雨洪涝与局地强对流天气对企业扶贫行为无显著影响。(3)进一步的截面异质性检验显示，气象灾害发生后，地方经济发展程度较低与市场化程度较低的地区上市公司会更积极参与精准扶贫。(4)在气象灾害发生后，企业积极响应政府号召参与扶贫是出于政治动机，其他机会主义动机并不明显。具体而言，气象灾害对企业扶贫行为的正向效应主要存在于资源获取能力较差的企业(民营上市公司、银行贷款水平较低企业)，而且这些企业灾后积极扶贫有助于其获取政府补贴，而在其他机会主义动机研究中，发现气象灾害仅对外部声誉风险较低的企业的扶贫行为有显著正向效应。(5)整体上企业灾后扶贫行为的脱贫成效并不明显，在经济发展水平薄弱地区，存在显著的企业灾后扶贫行为与扶贫成效脱钩现象。基于实证研究结论，本文提出以下政策建议。

一是企业应当根据灾害类别来加强自身灾害风险管理能力建设。尽管总体上气象灾害对企业的扶贫行为产生正向影响，但不同类型的气象灾害对企业扶贫行为却存在显著差异。针对台风、冻灾、暴雨洪涝与局地强对流天气等负向冲击企业扶贫行为或对扶贫行为影响不显著的灾害，一方面评估以上类别灾害对企业造成的损失，提高后者的灾害应急管理能力；另一方面通过提取灾害风险基金或者设立灾害保险等方式来对冲气象灾害可能造成的损失，以缓解企业压力，为企业继续参与精准扶贫以巩固脱贫攻坚成果提供保障。

二是政府应当对享受政策优惠程度高的企业加强监管。气象灾害发生后，相对于受到政策优惠程度较高的企业，信贷能力较差的公司反而参与精准扶贫的意愿更强。基于此，在巩固脱贫攻坚成果的过渡期中，政府需要进一步完善现有的精准扶贫政策，在优化政府补贴、税收优惠、信贷支持等政治资源分配机制的基础上，建立企业扶贫资源使用的信息披露机制，加强对企业扶贫资源具体用途的监督，避免企业“寻租现象”的发生，促使那些享受政策优惠程度较高的企业响应政府号召积极参与精准扶贫，进而实现巩固脱贫攻坚成果与乡村振兴的有效衔接。

三是引导国有企业积极参与灾后精准扶贫。依据企业产权性质的异质性检验，民营企业较之于国有企业在气象灾害发生后更有意愿参与精准扶贫，且扶贫支出水平更高。考虑到国有企业本身就肩负辅助国家重大战略目标实现的职责，为了充分调动国有企业灾后参与精准扶贫的积极性以实现巩固脱贫攻坚成果与乡村振兴有效衔接的目标，政府要加强对其精准扶贫工作的考核，并深入推进国有企业精准扶贫相关信息披露机制建设。此外，政府还可以引入市场竞争机制，优化政治资源配置，强化国有企业的政治资源竞争意识，破解政治资源对国有企业一边倒的配置偏好[6]，从而激励国有上市公司进一步提升并巩固其精准扶贫水平。

四是提高经济发展程度较低地区的企业参与精准扶贫的社会责任意识。依据实证结果，气象灾害发生后，地方经济发展程度与市场化程度较低地区的企业灾后反而更有意愿参与精准扶贫，且扶贫支出水平也更高。然而，这一地区的脱贫效果反而较弱，表明存在扶贫投入与扶贫成效脱钩的瓶颈。因此，在脱贫攻坚任务完成后的5年衔接期内，对于经济发展程度较低的地区，政府有必要厘清企业灾后扶贫成效不明显的原因，从而确保巩固脱贫攻坚成果与乡村振兴的有效衔接。