印 重, 孙萌晨, 吴艺博

(1. 吉林大学 数量经济研究中心, 吉林 长春 130012; 2. 吉林大学 商学院, 吉林 长春 130012)

一、问题的提出

改革开放以来,中国农村绝对贫困人口大幅减少。随着改革的深入,扶贫目标从解决温饱问题到实现“两不愁”“三保障”,扶贫模式也从简单救济式转变为侧重提高发展能力的开发式扶贫。党的十九大以来,我国一直通过各种政策扶贫防贫,直至2021年2月25日,脱贫攻坚战取得全面胜利。但新冠疫情及国际形势的不确定性对脱贫及边缘人口提出了新的挑战,而完善社会帮扶机制、强化企业协同参与能够为新形势下巩固脱贫攻坚成果、助力乡村振兴提供坚实基础。

习近平总书记2013年在湘西考察时首次提出“精准扶贫”,将重点对准致贫原因,因人因地采取有针对性的科学有效的扶贫方式,鼓励企业积极参与扶贫工作。央企民企均积极响应,在兼顾企业自身发展的同时,先后参与“百县万村”“万企帮万村”等扶贫行动。杜世风等(2019)[1]研究发现参与精准扶贫的企业中,上市公司业绩、公司规模和产权性质均对企业精准扶贫投入有显著影响。

在精准扶贫的具体方式上,黄承伟等(2017)[2]认为产业精准扶贫更加具体,有利于脱贫攻坚目标实现。林万龙等(2018)[3]通过总结贫困县扶贫案例认为瞄准型产业扶贫方式支持贫困人口参与生产经营,最有利于可持续发展和贫困人口的能力提升。企业参与精准扶贫既具备利他性又具备利己性。企业参与产业发展脱贫充分利用当地资源,能够提高建档立卡家庭收入,对贫困地区的经济具有产业拉动效应,促进地区经济发展。对企业自身而言,精准扶贫属于社会责任,有利于提升绩效和企业价值。

“融资难”是中国企业面临的普遍问题,对于上市公司也不例外。Fazzari等(1988)[4]认为信息不对称导致外部融资成本过高,企业受制于可获得资金的充足性,导致投资偏离最优化决策,从而产生融资约束问题。国内外学者就如何缓解融资约束问题展开诸多讨论。在宏观层面,唐建新等(2009)[5]从金融发展角度,谢军等(2014)[6]从区域金融角度,均发现缓解融资约束的途径。货币政策是央行的调节工具,会影响企业的资本成本和对未来经济的预期。杜传文等(2018)[7]的研究结果表明紧缩货币政策使企业会过度依赖内部资金流,而宽松货币政策会降低融资约束。

基于上述政策背景和企业自身融资难的现状,本文旨在从政策导向下的企业社会责任视角探究企业参与产业精准扶贫除了为社会创造价值外,是否会缓解企业自身的融资约束问题,实现社会价值与企业价值的双赢。本文运用ACW模型,对2016—2019年度沪深A股上市公司数据进行回归分析,研究精准扶贫政策的实施能否缓解中国企业的融资约束,并进一步检验在不同产权性质、债务规模、市场化程度的企业中是否有差异。精准扶贫的概念始于2013年,多数文献研究该政策的宏观影响,少有文献基于政策导向下的企业社会责任视角探究精准扶贫政策对企业融资约束的作用机制,本文可以为企业开展精准扶贫进而缓解融资约束提供经验证据,有助于企业积极开展和披露精准扶贫项目情况,为企业缓解融资约束提供新途径,同时也有利于监管部门进一步优化社会责任披露制度和监管机制,积极鼓励企业在欠发达地区开展投资项目助力乡村振兴。

二、企业社会责任对缓解企业融资约束的作用机制

Porter等 (2002)[8]提出,企业履行社会责任存在提升效益和吸收社会资源的战略性动机。李正(2006)[9]认为企业社会责任能产生有益于企业长久发展的、有效益的社会资本。企业的精准扶贫行为不仅包括捐赠、资助,还包括增加就业、产业发展等方面,是企业战略性社会责任的重要组成部分。

第一,从政企关系的角度出发,企业承担社会责任有利于政企关系改善,良好的政企关系会改善银企关系[10],影响企业获得外部资金的能力。张敏等(2013)[11]研究发现政府补助有利于企业履行社会责任。吴莉昀(2019)[12]认为政府补助可直接增加企业资金来源,减少对内部资金的依赖,这能够部分缓解企业外部融资约束。中华全国工商业联合会于2016年发布的《企业参与扶贫“百问百答”》中明确指出,各部门应在信息、政策、融资等方面积极支持企业的扶贫工作。企业参与精准扶贫可以通过政策优惠这一机制直接影响融资约束。国有银行响应政府政策对完成政策导向下社会责任的企业进行激励,拓宽银行贷款这一融资渠道,有利于缓解融资约束。

第二,从企业声誉的角度出发,声誉是与企业利益相关者之间非正式的联系,提升声誉能够扩大企业竞争优势。Fombrun等(1990)[13]认为企业战略性社会责任行为相比于企业财务状况良好更能提高企业声誉。Koschate-Fischer等(2012)[14]发现企业采用与公益事业相关的营销手段可以提升客户的支付意愿和公司形象。Lin-Hi等(2018)[15]认为社会责任提升企业声誉。无形资产的自愿信息披露能够降低信息不对称程度,缓解融资约束[16]。优秀扶贫案例公示以及政府奖励制度的设置使企业精准扶贫行为公开透明化,有利于企业形象的提升,可以传递利好信息,进而降低资本市场信息不对称。精准扶贫等社会责任行为通过声誉机制提高企业知名度,有利于企业在资本市场股价提升,间接影响企业的融资约束。

三、理论分析及假设提出

企业的利益相关者除了包括内部成员、上下游企业、竞争对手等与企业经营相关的个体或群体, 还包括政府部门、媒体舆论等宏观方面。 企业除了要实现经营目标,还需重点考虑利益相关者关系和政府政策。 若企业忽视社会责任, 短期内可以减少企业与生产经营无关的支出, 但于企业长期发展不利, 对企业声誉产生消极影响; 企业积极承担社会责任, 虽然在短期内会提高成本, 但传递利好信息, 有利于吸引投资, 降低融资约束程度。

投资者与企业内部人员掌握的信息存在不对称,劣势方掌握公开信息的准确性会对自身的投资决策产生影响。由于信息劣势,投资者仅能掌握公开信息,很可能会低估企业价值,且金融交易双方搜集信息时也会产生交易成本,导致投资者降低投资意愿;对企业而言,投资者减少,不利于企业外部融资。企业参与精准扶贫项目并披露具体情况,表示企业财务状况良好,降低资本市场的信息不对称,有利于增加投资者信心,提升企业的市场声誉。

从我国目前的制度背景来考虑, 首先,企业积极开展精准扶贫项目有利于政企关系改善, 有助于政府政策倾斜和银企关系改善, 国有银行响应国家政策对开展精准扶贫的企业进行激励, 进而缓解企业融资约束。 其次,企业在年报中会详细披露企业精准扶贫项目投入金额和项目脱贫情况, 政府官方网站和企业公示在一定程度上向市场传递积极信号, 降低信息不对称,建立良好声誉。 从社会资本的角度看,进行精准扶贫的企业社会声誉良好, 这有利于企业自身价值增长, 同时增加了投资者的兴趣和信心, 有利于缓解融资约束。 因此,提出假设H1: 开展精准扶贫项目能够缓解企业融资约束。假设H2:在开展精准扶贫的企业中, 精准扶贫力度越大, 融资约束程度越低。

国有资本控股企业是我国社会主义市场经济微观基础的重要组成部分,其行为往往带有一些行政色彩;同时国有企业拥有国有银行强大资金支持,享有更多政府调控资源,融资渠道和可获得贷款额度都优于非国有企业,对于政策导向下承担社会责任的积极性低于非国有企业。非国有企业普遍面临“融资难”问题,开展精准扶贫项目可以降低信息不对称,响应国家号召进而建立良好的政企关系和银企关系,从而缓解融资约束。因此,提出假设H3:非国有企业开展精准扶贫力度越大,越能缓解融资约束。

资产负债率能够反映企业的负债情况, 由于其可由公开财报数据计算, 具有公开性, 投资者可以在财报公告后获得估计企业是否具有偿债能力的信息。 企业的资产负债率越高, 对外部投资者而言风险越大, 这时企业的利益相关者就会在评估企业负债情况的基础上谨慎投资, 企业能够获得的资金来源减少, 不利于企业债务融资, 此时银行基于政策性导向给予的激励对缓解企业融资约束极为重要。 因此,提出假设H4:高资产负债率企业开展精准扶贫力度越大, 越能缓解融资约束。

我国幅员辽阔,不同地域拥有的资源、开放程度、交通便利程度等差别较大。改革开放后,历史基础、人文资源等因素导致不同地域的发展策略和侧重点不同,东部地区市场化程度高于中西部。市场化程度较高的区域金融环境良好,有利于信息流通,这些企业参与精准扶贫项目有利于传递利好信号,降低信息不对称,有利于缓解融资约束。因此,提出假设H5:市场化程度高的地区企业开展精准扶贫力度越大,越能缓解融资约束。

四、样本及模型构建

1. 样本选择和数据来源

2016年底,企业开始于年报中披露精准扶贫具体信息,故本文选择2016—2019年度的沪深A股上市公司为初始样本,并对样本作如下处理:剔除金融行业样本,银行等金融类行业披露的精准扶贫数据多为其他企业精准扶贫专项贷款,与其他企业数据存在一定的重合;剔除变量缺失的样本;剔除PT、ST、*ST上市公司。本文所用数据均来自于CSMAR数据库,对所有连续变量进行1%的winsorize处理。

2. 模型构建与变量定义

本文借鉴Almeida(2004)[17]的现金-现金流敏感性模型(ACW模型)衡量融资约束,具体模型见公式(1):

其中,各变量的定义见表1。α0为常数项;α1为现金-现金流敏感度,α1越大,融资约束越强;αi(i=2,3,4,5,6)为各变量回归系数;ε表示误差项。

表1 变量定义表

为研究精准扶贫力度对企业融资约束程度的影响,根据刘建生等(2017)[19]的研究,产业精准扶贫更有利于脱贫攻坚目标实现,本文使用CSMAR数据库精准扶贫数据子库中产业发展脱贫投入的自然对数作为精准扶贫的变量值,用来衡量企业在精准扶贫领域作出的努力,具体模型见公式(2):

其中,各变量的定义见表1;α0为常数项;αi(i=1,2,…)为各变量回归系数;ε表示误差项。本文主要关注的系数α3,表示产业发展脱贫投入对融资约束的影响。

3. 描述性统计分析

主要变量描述性统计结果如表2所示,ΔCash最小值为-0.256 0,企业经营的现金及现金等价物较上一报告期减少。衡量产业发展脱贫投入的变量PA最大值为20.444 3,最小值为9.169 5,标准差为2.377 0,说明参与精准扶贫的企业在产业发展脱贫项目投资中投入差距较大。开展精准扶贫企业的规模标准差达到1.516 4,精准扶贫力度差距较大,这可能是由于不同规模不同行业的企业根据自身发展状况响应精准扶贫政策导致的。

表2 变量描述性统计结果

五、实证结果与分析

1. 精准扶贫与融资约束的回归结果

首先,本文根据模型1对筛选后的2016—2019年度的沪深A股上市公司进行回归,表3中模型1的估计结果分为全部样本、未开展精准扶贫项目企业以及开展精准扶贫项目企业三组样本回归,三组样本回归结果的CF系数显著为正,显著性水平达到1%,且开展精准扶贫项目样本的CF系数为0.202 7,小于全样本组和未开展精准扶贫样本组,这表明沪深A股上市公司普遍存在融资约束问题,开展精准扶贫项目的企业融资约束程度较低,假设H1成立。为研究精准扶贫力度对企业融资约束的影响,本文以披露精准扶贫数据的企业为样本,对模型2进行估计,结果显示,无论是否加入控制变量,CF系数均在1%水平上显著为正,精准扶贫力度与CF的交互项系数显著为负,现金-现金流敏感度随着精准扶贫力度的增加而下降,这表明企业在精准扶贫项目投入金额越多,越能缓解企业的融资约束程度,假设H2成立。对于上述实证结果,是由于政府的直接优惠政策以及国有银行出于激励目的对企业承担政策导向性的社会责任进行了激励,拓宽了企业外部资金来源渠道,企业财务报表中精准扶贫项目的披露降低了信息不对称,利好信号有利于股价提升,从而缓解企业融资约束。

表3 精准扶贫力度对缓解企业融资约束的影响

2. 进一步分析

为研究产权性质对精准扶贫缓解融资约束作用的影响,本文将精准扶贫企业样本按照企业最终控制人的所有权性质进行分组。回归结果如表4所示,CF系数均在5%的置信度水平上显著,但非国有企业组的CF系数为0.490 0,大于国有企业组,表明我国非国有企业面临更严重的融资约束,更有履行政策导向型社会责任的积极性。非国有企业组的交互项系数在10%的水平上显著为负,在国有企业组并不显著,这表明非国有企业精准扶贫的力度越大,现金-现金流敏感度越小,越能缓解融资约束,假设H3得到验证。国有企业的行政色彩决定其易受到银行的贷款支持,而非国有企业融资较难。非国有企业履行政策导向型的社会责任更有利于政企关系、银企关系的改善,进而通过债务融资渠道缓解融资约束。

表4 产权性质、负债水平和市场化程度对缓解融资约束程度的影响

为研究企业负债状况是否会影响精准扶贫力度对融资约束缓解作用,本文将样本企业以资产负债率中位数为标准进行分组。回归结果如表4所示,高资产负债率组CF系数为0.852 2,交互项系数为-0.049 6,显著性水平达到1%,这表明面临较严重融资约束问题的高资产负债率企业进行精准扶贫的力度越大,债务融资渠道越青睐这些企业,这些企业能够缓解融资约束的程度越大;低资产负债率组精准扶贫缓解作用并不显著,假设H4得到验证。

在市场化指数分组结果中,高市场化组的CF系数为0.873 6,显著性水平达到1%,低市场化组的CF回归系数仅为0.208 8,且不表现显著性,这说明在市场化程度高的区域注册上市的公司融资约束更严重。交互项系数仅在高市场化组显著为负,这表明高市场化组企业精准扶贫力度越大,越能缓解融资约束。地处市场化程度较高地区的企业参与精准扶贫项目有利于传递利好信号,降低信息不对称,假设H5得到证明。

六、稳健性检验

1. 替换变量

为检验上述回归结果的稳健性,本文采取更换衡量企业精准扶贫力度标准的方法,由企业产业发展扶贫投入金额的自然对数(PA)更换为企业产业精准扶贫工作统计总金额的自然对数(TA),其中,总金额中包括资金与物资折款。回归结果如表5所示,全样本组交互项系数为-0.014 3,显著性水平达到10%,企业精准扶贫投入金额越多,越能缓解融资约束,假设H2结果稳健。非国有企业组的CF系数为0.456 4,国有投入金额越多,越能缓解融资约束,假设H2结果稳健。非国有企业组的CF系数为0.456 4,国有企业组的CF系数为0.434 4,非国有企业融资约束更严重。高负债组的CF系数达到0.750 9,且显著性水平达到1%,融资约束问题较为严重。高资产负债率组的交互项系数显著为负,这说明高资产负债率企业精准扶贫对融资约束程度的缓解作用更强,假设H4的检验结果稳健。公司注册地位于高市场化区域组的交互项系数为-0.034 8,通过5%显著性检验,说明在高市场化指数地区企业进行精准扶贫的力度越大,越能缓解融资约束问题,与前文结果相同。

表5 精准扶贫政策缓解企业融资约束的稳健性检验结果

2. 内生性问题

开展精准扶贫项目的企业本身融资约束程度可能相对较低,资金充足,更有资源进行精准扶贫,本文以精准扶贫投入金额作为解释变量,可能存在样本选择偏误及反向因果的内生性问题。本文采取Heckman两步法消除样本选择偏误的影响,具体模型如下:

Heckman两步法回归结果如表6所示,CF系数显著为正,中国企业面临严重的融资约束问题,交互项系数为-0.025 1,显著性水平为5%,这说明企业参与精准扶贫能够缓解企业的融资约束。

表6 内生性检验结果

本文参考郭玥(2018)[20]的做法消除反向因果的影响,选取产业发展脱贫投入的行业年度均值作为工具变量,结合Heckman两步法和两阶段最小二乘法(2SLS)进行估计,首先运用2SLS第一阶段回归得出精准扶贫的预测值,将Heckman模型中的精准扶贫变量PA替换为预测值进行两步回归。回归结果如表6所示,CF系数显著为正,交互项系数为-0.119 6,显著性水平达到1%,表明考虑内生性问题之后,企业精准扶贫仍能缓解融资约束。

通过内生性检验发现,在充分考虑样本选择偏误及反向因果等内生性问题之后,实证结果不变,进一步说明了本文研究设计的科学性。

七、研究结论与政策建议

1. 研究结论

在国家大力推动企业践行社会责任、助力乡村振兴的背景下,本文选取2016—2019年度参与精准扶贫的企业为样本,采用ACW模型、Heckman模型以及两阶段最小二乘法,探讨了企业参与精准扶贫能否缓解企业的融资约束,以及产权性质、债务规模、市场化程度对该作用的影响,得出如下结论。

第一,企业开展精准扶贫工作能够缓解其融资约束问题。精准扶贫投入金额与融资约束的关系显著,精准扶贫力度越大,融资约束程度越低。产权性质会显著影响企业精准扶贫对融资约束的缓解作用。国有企业精准扶贫力度与融资约束关系不显著,非国有企业开展精准扶贫项目的投入力度越大,越能缓解企业的融资约束。

第二,负债规模会对精准扶贫与融资约束的关系产生影响。高资产负债率的上市公司融资约束问题更严重,进行精准扶贫的力度越大,越能缓解融资约束,这一缓解作用在低资产负债率组并不显著。

第三,上市公司注册地所在区域的市场化程度会显著影响精准扶贫对融资约束的缓解作用,按市场化指数高低进行划分,市场化指数高的样本组融资约束问题更突出,精准扶贫力度与融资约束程度呈现显著负相关关系。

2. 政策建议

第一,企业应在精准扶贫政策的导向下积极履行社会责任,依托精准扶贫项目,稳定脱贫攻坚成果,助力乡村振兴。在精准扶贫政策的“国策”背景下,企业参与精准扶贫有利于企业提升自身的知名度和在资本市场中的声誉。更为重要的是,企业参与精准扶贫有利于企业建立良好的政企关系和银企关系,打破债务融资难的局面,缓解融资约束问题,实现社会责任与经济利益的双赢。

第二,对于非国有企业、负债严重的企业以及身处市场化程度较高地区的企业,在面临严重融资约束的情况下,应更积极地参与精准扶贫项目,履行政策导向下的社会责任,这样有利于传递利好信号,激发在我国金融市场中占有主体地位的国有银行的“激励机制”,为这些企业提供融资支持,体现国有银行与政府和企业间的“纽带作用”。相较于非国有企业,国有企业的“不积极”将大量投资机会以及下一阶段的获得资金支持的渠道“让渡”给了非国有企业,激发了市场的活力,改善了非国有企业的流动性,优化了非国有企业的生存环境,对我国资本市场的平稳运行和宏观经济的均衡发展具有重要影响。

第三,政府部门应根据实际情况,因地制宜,建立奖励机制。对参与精准扶贫、巩固脱贫项目的企业给予一定的政策优惠,比如精准扶贫专项贷款低利率、减免税费、低息免息商业地产以及产业孵化等措施,留住现有企业并吸引更多的企业前来投资,激发贫困地区的经济活力,特别是由于新冠疫情影响,在已经“脱贫摘帽”的地区,要注意持久巩固脱贫成果,在政策的指引下,实现由产业脱贫到产业防贫,建立长效脱贫防贫机制;与此同时,政府应该进一步强化政策支持的制度化建设,形成法制化、规范化的制度环境,为维持欠发达地区的经济稳定发展提供保障。