窦笑晨汪玉兰刘希鹏

一、引言

习近平总书记在全国脱贫攻坚总结表彰大会上指出：“一部中国史，就是一部中华民族同贫困作斗争的历史。”2020年，我国脱贫攻坚战取得了全面胜利，完成了消除绝对贫困的艰巨任务，书写了人类发展史上的伟大传奇。在这一伟大的实践和征程中，我国积累了丰富宝贵的贫困治理经验，值得系统总结和提炼。目前，国内外学者围绕贫困起源、发展和治理等话题进行了大量有价值的研究，并形成了丰富的研究成果。作为经济细胞的微观企业，其在参与我国精准扶贫的过程中发挥了举足轻重的作用。据证监会统计，2019年共有1 287家上市公司披露扶贫工作情况，共投入扶贫资金489.18亿元，涵盖农林产业扶贫、资产收益扶贫、旅游扶贫、电商扶贫和消费扶贫等扶贫方式。由此可见，上市公司为我国实现全面脱贫发挥了积极作用，但并非所有上市公司都积极响应号召参与精准扶贫，上市公司是否参与精准扶贫以及精准扶贫的程度，其背后的影响机制和具体动机值得深入探究。

现有研究表明：企业履行社会责任的动机包括经济动机、声誉动机和政治动机等(山立威等，2008[1]；方军雄，2009[2]；徐莉萍等，2011[3]；张敏等，2013[4]；张建君，2013[5]；Cahan等，2015[6]；Lin等，2015[7]；傅超和吉利，2017[8])，这些动机中既包括“利己”偏好，也包括“利他”偏好。除了以上动机，企业社会责任的发生行为可能还与高管个人意识和心理偏好相关(1)在许年行和李哲(2016)[9]一文中，将这种无意识发生行为称为“移情”。，即企业高管可能出于同情心或恻隐之心而履行企业社会责任，而这种道德情感的表现往往与个人早年经历相关(许年行和李哲，2016[9])。上市公司的董事长和总经理作为企业最高决策者和执行人，其个人性格特征和偏好对公司经营管理具有直接影响，而精准扶贫作为一种特殊的企业社会责任履行方式，是一项重要的企业经营管理决策，并且具有政府性、长期性、投入大等特点。源于高管早年贫困经历而形成的对贫困群体的同情心以及感同身受的心理体验，是否能够影响其所在企业参与精准扶贫以及扶贫的力度？而高管的某些个人特征，例如年龄、性别和是否为中共党员等，是否在一定程度上影响其早期贫困经历形成的同情心，强化其对精准扶贫战略的价值认同？此外，精准扶贫作为中央政府实施的国家战略，具有很强的政治属性，因此产权性质和政治关联对高管贫困经历与精准扶贫两者关系又有什么影响？对这些问题进行深入研究对于了解高管个人早期经历以及高管个人特征如何影响企业经营决策行为具有重要的理论价值和现实意义。

为了回答上述问题，本文以2016—2019年我国上市公司为样本，从微观企业层面考察高管贫困经历是否影响上市公司的精准扶贫行为。研究发现：首先，当上市公司高管成长于贫困地区，其所在公司更倾向于进行精准扶贫，并且精准扶贫程度更高。其次，高管个人特征会影响高管贫困经历与精准扶贫关系，具体来讲，当具有贫困经历的高管为女性、党员或年龄较大时，其所在上市公司进行精准扶贫的概率和程度都显著更高。最后，进一步研究发现，高管的贫困经历对企业扶贫行为的促进效应在国企和具有政治关联的民企中表现得更显著。

本文的可能贡献有：首先，拓展和丰富了有关企业社会责任领域的研究。现有文献主要从企业慈善捐赠、企业社会责任履行等方面进行研究(Moon和Shen，2010[10]；Cho等，2012[11]；朱金凤和杨鹏鹏，2011[12]；周浩和汤丽荣，2015[13]；靳小翠，2017[14])，精准扶贫作为中央政府实施的国家战略，上市公司参与精准扶贫，是一种特殊的、新型的企业社会责任履行方式，本文对上市公司精准扶贫及其影响因素的研究，拓展了企业社会责任的研究范畴，进而丰富了该领域的相关研究。其次，本文的研究丰富了高管个人经历如何影响企业经营决策的研究。以往研究大多基于高阶理论，从高管的性别、学历、年龄等个人特征视角出发，研究其对企业决策行为的可能影响(许年行和李哲，2016[9]；Malmendier等，2011[15]；Benmelech和Frydman，2015[16]；王士红，2016[17]；王波，2018[18])。不同于上述固有的个人特征，高管的成长环境及其个人经历将对其性格和行为方式产生较大影响，成长在贫困地区的高管对于贫困的认知更加深刻，更能够产生同理心和感同身受的心理体验，进而影响其是否参与精准扶贫行为。因此，本文选择高管成长过程中的贫困经历作为其个人特征变量，对企业精准扶贫这一可能直接受到影响的行为进行研究，进而为上市公司参与精准扶贫的动机提供可能解释。最后，本文的研究也具有一定的现实意义。本文研究发现，上市公司是否参与精准扶贫以及精准扶贫的力度大小与高管个人经历相关，并且高管个人特征、企业产权性质以及政治关联等，均会影响上市公司的精准扶贫行为，这对于理解上市公司精准扶贫的动机，评价精准扶贫效果，打赢脱贫攻坚战提供了有力的理论依据和政策参考。

二、文献与研究假说

(一)高管贫困经历与精准扶贫的文献

一般来说，以董事长和总经理为代表的公司高管是企业社会形象的代言人，是企业重要决策的主导者与推动人(Graham等，2015[19]；Steven等，2015[20])。相比于公司层面特征而言，高管的个人特征对公司政策具有更强的解释力度(Malmendier等，2011[15])。已有研究主要从高管团队特征(Carpenter等，2004[21]；王雪莉等，2013[22])、高管薪酬(Hwang和Kim，2009[23]；唐松和孙铮，2014[24])以及高管变更(Chang和Wong，2009[25]；刘青松和肖星，2015[26])等方面，对高管个人特征与公司经营决策的关系进行研究。而从心理学的角度，研究高管早年经历对其个人行为方式的影响进而影响企业经营决策的研究还较为鲜见。

基于高层梯队理论和心理学视角的分析认为高管的出生环境以及早年成长经历会影响其价值观的形成，进而对企业行为和决策产生影响。例如，Hambrick和Mason(1984)[27]认为，企业高管并非经济学假设的“完全理性人”，行为金融学也认为企业高管通常是感性的，高管的个人经历、年龄、性别以及教育水平等个人特征都对企业的管理决策具有重要的影响(王士红，2016[17])。Batson 和Slingsby(1991)[28]研究指出，高管个人经历形成的道德与情感对企业履行社会责任的影响较大。Carpenter和Fredrickson(2001)[29]研究发现，高管的国际化工作经历是影响企业全球化战略的重要因素，如果高管团队具有国际化工作经历，可以促进企业实施全球化战略。Barker和Mueller(2002)[30]从高管职业背景视角出发，研究发现，拥有技术类工作背景的高管更倾向于进行技术研发。

在高管的人生经历中，早年贫困经历是一种重要的人生体验，对其价值观和人生观的形成具有重要影响。由于身处贫困地区，从小就能接触到与贫困相关的事物和人，耳濡目染了与贫困相关的经历，会逐渐形成其价值观和个人特质的一部分，并影响个人的行事风格和价值取向。而价值观是人们认定事物、辨别是非的一种思维或取向，可以通过影响人的行为方式进而影响行为目的选择。国内外相关研究也表明，高管的价值观对企业履行社会责任具有重要影响(Ullmann，1985[31]；辛杰和吴创，2015[32])。荷兰著名心理学家霍夫斯塔德认为，经历过贫困的人更具有帮扶他人的意识，尤其是贫困经历所形成的价值观，能够对高管未来职业的道德情感和社会同情心的培养产生积极影响(Holman和 Silver，1998[33]；Hahn和Gawronski，2015[34])。

随着该领域研究的不断深入，近年来，高管贫困经历对企业经营管理存在怎样的影响的话题引起了学者们的极大兴趣。Malmendier和Tate(2011)[35]认为，贫困经历深刻影响了个体价值观和同情心的塑造，拥有贫困经历的高管其内心情感更易被触动，更能设身处地为他人着想，从而更易发自内心地履行社会责任。许年行和李哲(2016)[9]发现，具有贫困经历的高管其进行慈善捐赠的水平更高。综上所述，本文认为，高管个人贫困经历会影响其道德和情感认知，在一定程度上塑造了其对贫困和弱势群体发自内心的，真实情感的同情与理解，并更可能对国家实施的精准扶贫战略表现出价值认同。因此，具有贫困经历的高管更可能进行精准扶贫，并且扶贫力度更大。因此，本文提出假说H1。

H1:上市公司高管成长于贫困地区，则公司更倾向于进行精准扶贫，精准扶贫程度更高

(二)个人特征对精准扶贫的影响

高管个人特征主要是指高管的年龄、性别、受教育程度、政治信仰和工作经历等特征(Bantel和Jackson，1989[36]；Hambrick，1995[37]；Simsek，2007[38])。根据管理学和心理学理论，个人特征对人们的行为具有重大影响(Boone等，2004[39]；Preston等，2006[40])。对于高管而言，不同的个人特征都会影响其价值观的形成，而价值观又将影响个体决策行为，导致其对企业社会责任的关注度不同，进而会影响企业参与精准扶贫的态度。因此，分析高管个人特征对企业精准扶贫的影响，具有重要的研究价值和意义。

随着年龄的增长，人们越趋于遵守既定的道德伦理原则，因此年龄大的高管在决策制定时较为保守和谨慎(Kohlberg，1986[41]；何威风和刘启亮，2010[42])。近年来，高管年龄与企业社会责任履行的关系逐渐引起人们的注意，Krishna(2008)[43]研究认为，企业高管团队的平均年龄分布越大，越会通过履行社会责任来规避风险。郑冠群等(2015)[44]的研究也证实了这一观点，他们发现，高管的年龄越大，在制定和实施公司经营决策时考虑得越周全，并会顾及多方利益，越容易履行企业社会责任。通过上述文献的研究可以发现，年龄大的高管经历中国贫困发展的历程更长，对中国贫困发展的印象更为深刻，这能够进一步强化其参与精准扶贫的动机。另外，年龄大的高管对于企业和社会的发展认知更加全面深入，决策时更为谨慎全面。参与精准扶贫一方面能够促进社会发展，帮助贫困地区的人民、响应国家号召，同时也能够为企业树立良好的社会形象和市场声誉。因此，本文认为，高管年龄可能强化了高管贫困经历与企业精准扶贫之间的正向关系。根据上述研究与分析，提出假说H2a。

H2a：高管年龄对其贫困经历与精准扶贫的关系有正向调节作用。

著名伦理学家卡罗尔·吉利根认为，性别差异会导致道德观念和伦理价值的不同。研究表明，与男性高管喜好竞争和目标导向的功利性特征不同，女性高管在管理方式上更加注重合作与分享(Eagly等，2003[45]；Dezsg和Ross，2012[46])。女性凭借自身的特点能够帮助公司增加创造力、更为有效地解决问题(任颋和王峥，2010[47])。女性在管理层中比例增加可能对企业社会责任有良好的影响(Manner，2010[48]；Harjoto等，2015[49])。因此越来越多的学者开始关注高管性别对企业社会责任的影响。相较于男性而言，女性高管在公司中具有更加强烈的社会责任导向和更强的监督动机(Gul等，2011[50])，尤其是女性高管具有区别于男性的价值取向。Adams和Ferreira(2009)[51]的研究表明，由于女性高管天生具有较强的慈善意识和帮扶心理，因此拥有女性高管的公司越会履行企业社会责任。杜兴强和冯文滔(2012)[52]、Fernandez-Feijoo等(2012)[53]、Harjoto等(2015)[49]的研究均验证了这一观点。综上所述，本文认为，女性高管天生同情弱者的心理，促使其更容易实施精准扶贫，对贫困经历与精准扶贫的关系具有正向调节作用，由此提出假说H2b。

H2b：女性高管对其贫困经历与精准扶贫的关系有正向调节作用。

中国共产党的宗旨是全心全意为人民服务，拥有党员身份的高管可以将党的宗旨内化到企业决策行为中(Hutton等，2014[54]；Francis等，2016[55])，因此，党员高管在企业经营决策中，不仅要考虑到为股东创造价值，还要在与国家和社会利益相关的决策中起到模范带头作用，党员身份所带来的政治信仰与忠诚，往往促使党员高管的社会责任感更强，更积极地为社会做贡献(李焰和王琳，2013[56])。国内外学者对党员高管的相关研究中也发现，党员高管对企业慈善捐赠、企业社会责任履行以及精准扶贫等具有积极影响。例如，Layman(2001)[57]、周怡和胡安宁(2014)[58]等研究高管的政治信仰与慈善捐赠的关系，发现党员具有先锋模范作用，具有信念和担当精神。梁建等(2010)[59]研究发现民营企业家的党组织建设对慈善捐赠具有显著的正向影响。由此说明，高管的“红色基因”能够促进其履行企业社会责任的意识，从而积极响应国家的号召。杨丽娇和赵立彬(2019)[60]研究高管党员身份与公司履行精准扶贫社会责任情况，结果表明，高管拥有党员身份的公司更积极主动参与精准扶贫并且投入金额更高。综上所述，提出假说H2c。

H2c：党员高管对其贫困经历与精准扶贫的关系有正向调节作用。

三、研究设计

(一)样本和数据

由于上市公司在2016年才开始在年报中披露精准扶贫数据，因此，本文选择2016—2019年作为研究期间。本文以沪深A股上市公司作为初始研究样本，并对样本做以下筛选：(1)剔除金融类上市公司；(2)剔除ST、*ST类股票样本；(3)剔除模型中各控制变量有缺失值的样本。最终共计得到6 372 个有效观测值。本文所需的精准扶贫数据从年报中手工整理和收集，财务数据来自国泰安(CSMAR)数据库。为了消除极端值的影响，我们对连续变量进行上下5%(2)文章之所以选择5%水平的缩尾处理是因为1%的缩尾处理后，样本中存在较多的极端值，为了避免极端值对本文研究结论的影响，我们采用了5%水平的缩尾处理方法。的Winsorize处理。

(二)变量定义

1.上市公司精准扶贫。

沪深交易所在2016年对上市公司年报中的披露事项进行了调整，要求上市公司在年报中的“重大事项”一章中，对上市公司关于开展精准扶贫工作的情况进行描述。本文采用两个指标衡量企业的精准扶贫。指标1：Poverty_dum，表示上市公司是否进行精准扶贫，如果上市公司在年报中披露了年度进行精准扶贫的情况，则表示其参与了精准扶贫，取值为1。指标2：Poverty_amt，表示上市公司精准扶贫的力度，以上市公司投入精准扶贫的资金和物资折算金额之和衡量，为了降低异常值对回归系数估计的影响，本文将以上计算方法得出的精准扶贫支出总金额加1，然后取自然对数。

2.高管贫困经历。

国内外学者对于贫困经历有不同的解释。Elder和Gimbel(1991)[61]、Hulme和Spepherd(2003)[62]认为贫困经历是个体生活所经历的特殊困难时期或贫困环境，对其形成的价值认同具有实质性的影响。许年行和李哲(2016)[9]将“CEO贫困经历”定义为包括CEO童年时期对贫困状况的经历，以及其对家乡贫困状况的所见所闻等经历。即对高管贫困经历的衡量不仅包括自身的亲身经历，也包括其对成长环境的感受。这些外部环境对于高管形成对贫困的同情心和国家实施精准扶贫战略的价值认同具有重要影响。张建君和张志学(2006)[63]也指出，高管早年的性格形成依赖于家乡的发展环境，区域共同的经济活动、集体记忆和精神特征对高管的早期的个性形成具有重要的影响。本文参照许年行和李哲(2016)[9]的研究，将高管贫困经历定义为，高管是否出生或成长于贫困地区。由于上市公司高管在披露其出生地/籍贯时，很少详细披露至县级，因此，在此基础上，考虑到样本的可得性，本文将高管贫困经历定义为：若高管的出生地所在地级市至少有一个国家级贫困县，则认为高管具有贫困经历。对国家级贫困县的划定参照国务院扶贫开发领导小组在2014年12月23日发布的全国832个贫困县名单(3)具体名单参见：http://www.cpad.gov.cn/art/2014/12/23/art_343_981.html。，将上市公司董事长和CEO的出生地与贫困县名单进行对比，如果董事长或CEO至少有一个人的出生地属于划定贫困县所在的地级市，则高管贫困经历取值为1，否则为0。

3.高管个人特征。

本文选取以下三种类别的高管个人特征：年龄(Age)，表示高管年龄的虚拟变量，若上市公司的高管平均年龄高于样本中位数，则Age取值为1，否则为0；性别(Gender)，表示高管团队中是否有女性高管，有女性高管则Gender取值为1，否则为0；是否为党员(Party)，表示高管团队中是否有中共党员，有中共党员则Party取值为1，否则为0。

4.控制变量。

为了控制其他变量对回归结果的影响，本文参照已有对企业捐赠和企业社会责任履行的研究文献(徐莉萍等，2011[3]；Brammer和Pavelin，2004[64]；Zhang等，2010[65]；高勇强等，2011[66])，在模型中控制了以下变量：公司规模(Size)、资产负债率(Lev)、资产收益率(Roa)、现金持有量(Cash)、销售费用比率(Saleratio)、公司价值(Tobinq)、董事会规模(Boardsize)、股权集中度(Shrhfd3)、独立董事比例(Indep)、是否两职合一(Dual)。此外，为了控制了年度效应和行业效应，本文还加入年度和行业哑变量。各变量的定义请见表1。

(三)实证模型

本文采用模型(1)来检验高管贫困经历是否影响精准扶贫行为(假说H1)：

Povertyi,t=α+α1BornPoori+α2Controli,t+ε

(1)

其中，因变量Poverty分别由t年的Poverty_dum和Poverty_amt来度量，分别表示是否进行精准扶贫和精准扶贫的金额。BornPoor表示高管童年的贫困经历。Control为一组控制变量，由于Poverty_dum是虚拟变量，Poverty_amt是连续因变量，因此分别采用Probit回归和OLS回归进行。若假设1成立，则α1应显著为正。

本文采用模型(2)、(3)和(4)来检验高管个人特征是否影响高管贫困经历与精准扶贫之间的关系(假说H2a～H2c)：

Povertyi,t=β0+β1BornPoori+β2BornPoori×Agei

+β3Agei+β4Controli,t+ε

(2)

Povertyi,t=γ0+γ1BornPoori+γ2BornPoori×Genderi

+β3Genderi+γ4Controli,t+ε

(3)

Povertyi,t=δ0+δ1BornPoori+δ2BornPoori×Partyi

+δ3Partyi+β4Controli,t+ε

(4)

其中，自变量Age、Gender和Party分别表示高管平均年龄、性别和是否为党员。同样地，由于因变量包含了虚拟变量，因此分别采用Probit回归和OLS回归进行检验。若假设H2a～H2c成立，则三个模型的β2、γ2和δ2均应显著为正。

表1变量定义

四、实证结果分析

(一)变量描述性统计

表2列示了本文主要变量的描述性统计。表2结果显示：平均有26%的上市公司参与了精准扶贫，上市公司进行精准扶贫的金额(实际金额加1去自然对数后的值)，均值为1.07，最大值为9.00，标准差为2.22，说明上市公司精准扶贫投入金额差异较大。从上市公司高管出生经历来看，平均有19%的上市公司具有贫困经历。为了进一步说明实施精准扶贫以来，上市公司历年的资金投入情况，表3列示了在合并高管出生地数据前，剔除精准扶贫资金投入金额为0的上市公司样本后的各年度实际金额投入情况。从表3可知，实施精准扶贫以来，参与精准扶贫的上市公司不断增加，投入金额也不断增多，不同上市公司的投入金额也差异较大。总体上来说，精准扶贫取得了良好的效果。

表2主要变量描述性统计

表3上市公司历年精准扶贫资金投入情况表

(二)高管贫困经历与精准扶贫行为

表4列示了高管贫困经历对上市公司精准扶贫的影响，其中，列(1)、列(2)是高管贫困经历对上市公司精准扶贫可能性的影响，无论是在列(1)中没有控制其他变量的影响还是列(2)中控制其他变量的影响后，BornPoor的回归系数均在1%的显著性水平上为正。这说明，上市公司高管出生于贫困地区，上市公司进行精准扶贫的可能性越大，进而验证了本文的研究假说H1。表4的列(3)和列(4)列示了高管贫困经历与精准扶贫力度的关系，结果显示，无论是否控制其他变量，BornPoor均在1%的置信度上显著为正。这说明出生于贫困地区的高管任职上市公司的精准扶贫投入金额显著高于出生于非贫困地区的高管任职上市公司。总之，表4的回归结果均支持本文的假说H1，即上市公司高管早年的经历或所处的贫困环境会影响其心理和行为，进而影响高管在未来是否进行精准扶贫以及精准扶贫的程度，这种童年的经历会影响其决策行为。

表4高管贫困经历与精准扶贫

在控制变量方面，公司规模(Size)、公司现金持有量(Cash)、销售费用比率(Saleratio)、董事会规模(Boardsize)与独立董事比例(Indep)与上市公司精准扶贫各指标均存在一定正相关性。这说明，公司规模越大、现金持有量越多、销售费用比率越高、董事会规模越大以及独立性越强，上市公司进行精准扶贫的可能性越高，精准扶贫力度越大。这与许年行和李哲(2016[9]的研究结论基本一致，说明企业参与精准扶贫的动机还受到企业盈利能力、公司治理等约束条件的影响。

(三)稳健性检验

1.改变样本范围，将样本限定在拥有贫困县的省份。

精准扶贫作为国家战略，在具体实施过程中很多省份均有一定任务指标，尤其是对于那些拥有贫困县的省份，其精准扶贫的任务相比没有贫困县的省份任务更重，这些省份的上市公司很可能也需要承担这些政治压力。因此，为了降低不同省份由于省情不同而造成上市公司进行精准扶贫的差异，稳健性检验中将样本限定于拥有贫困县的省份。比较在拥有贫困县的省份中，这些省份的上市公司，其高管是否具有贫困经历对精准扶贫的影响。如果这些省份的上市公司高管具有贫困经历，则BornPoor取值为1，否则为0。表5列示了回归结果。列(1)～列(4)BornPoor的回归系数均为正数，且列(1)～列(3)均通过了显著性检验，说明具有贫困经历的高管更容易进行精准扶贫，并且扶贫力度更大；从列(4)的回归结果来看，在控制相关控制变量后，高管贫困经历对企业参与精准扶贫程度的影响不再显著，这说明贫困经历能够提高企业参与精准扶贫的概率，但是参与精准扶贫金额的大小具体还受到其他方面因素的影响。

表5将样本限定在拥有贫困县的省份的回归结果

2.使用532家国家贫困县名单。

由于我国对贫困县的认定口径存在差异，因此贫困县的名单也有所不同。本文采用国务院扶贫开发领导小组办公室在2012年3月发布的《国家扶贫开发工作重点县名单》(4)详情请参见：http://www.cpad.gov.cn/art/2012/3/19/art_343_42.html。作为衡量贫困县的标准，该名单共包括全国592个贫困县，如果上市公司高管出生地所在地级市包含以上贫困县，则认为高管具有贫困经历，BornPoorkey取值为1，否则取值为0。表6列示了高管贫困经历与精准扶贫的关系，由表可知，BornPoorkey的回归系数在是否进行精准扶贫以及精准扶贫力度上均为正，并且均通过了显著性检验，因此，采用其他统计口径下的贫困县名单作为衡量高管贫困经历的稳健性检验指标，结论依然不变。

表6采用其他贫困县统计口径的高管贫困经历与精准扶贫

3.使用时间层面的贫困经历作为替代指标。

高管出生在贫困地区是一种空间上的贫困经历，而高管在时间层面上可能有过贫困经历。为此，本文参照许年行和李哲(2016)[9]的研究，将高管早年时代是否经历我国“三年困难时期”作为高管贫困经历的替代指标。参照以往研究，本文选取0～14岁作为高管的童年时间范围，也即，如果高管的出生年份在1947—1961年，则认为其在儿童时期经历了“三年困难时期”，解释变量Famine取1，否则取0。表7列示了高管在时间层面的贫困经历与精准扶贫的关系，结果显示，Famine回归系数均显著为正，这说明，经历过三年困难时期的高管更可能进行精准扶贫，但参与精准扶贫的力度不一定更大。

表7是否经历“三年困难时期”与精准扶贫

4.直接使用高管出生地是否在国家级贫困县。

正文中用高管出生的地级市是否有贫困县来衡量高管贫困经历，在稳健性检验中，本文直接使用高管出生地是否为国家贫困县作为替代衡量指标。如果高管出生地为国务院扶贫开发领导小组在2014年12月23日发布的全国832个贫困县，则BoonPoor_County取值为1，否则取值0。由于披露出生地详细到县级市的高管样本量很少，因此，本研究中，BoonPoor_County为1的样本量仅为190条。表8列示了高管出生地为国家级贫困县与精准扶贫的关系。由表可知，列(1)～列(4)的BoonPoor_County回归系数均为正，并通过了显著性检验，因此出生在国家级贫困县的高管更可能进行精准扶贫，并且精准扶贫力度更大。

表8高管是否出生在国家级贫困县与精准扶贫

5.剔除2019年的样本数据。

在统计分析过程中，笔者发现2019年上市公司扶贫支出发生了急剧增加，这可能是因为外部事件的发生产生的影响，进而可能影响本文研究结论的可靠性，文章剔除2019年的样本，对2016—2018年的数据进行回归。结果见表9，从表中可以看出，高管的贫困经历仍然与上市公司是否参与扶贫、扶贫程度显著正相关。

表9高管贫困经历与精准扶贫(剔除2019年数据)

6.控制公司固定效应。

为了控制公司层面固定效应，文章在控制变量中增加公司固定效应变量，进而控制某些公司可能更愿意雇用具有贫困经历的高管这一现象，进而缓解由此产生的内生性问题。具体回归结果见表9列(5)。从表中可以看出，在控制公司层面的固定效应后，本文的研究结论依然成立。

五、进一步分析：高管个人特征对高管贫困经历与精准扶贫关系的影响

前文研究表明，高管贫困经历会影响上市公司参与精准扶贫，为此，我们进一步考虑高管所具有的个人特征是否对这两者关系产生影响。首先，表10列示了高管年龄对高管经历与精准扶贫关系的影响，其中高管年龄是指具有贫困经历的董事长或者CEO的年龄，本文对董事长或CEO的年龄加1取自然对数进行处理，作为高管年龄(Age)的替代指标。表10列(1)～列(4)中，高管年龄(Age)的回归系数均显著为正，并通过了1%的显著性水平检验，这说明上市公司的高管平均年龄越大，其进行精准扶贫的可能性越高、力度越大。列(2)的交乘项Age×BornPoor的回归系数为正，但不显著，列(4)中的交乘项Age×BornPoor的回归系数显著为正，这说明年龄越大的高管对精准扶贫的投入越大。

表10高管贫困经历、高管年龄与精准扶贫

表11列示了高管性别对高管贫困经历与精准扶贫关系的影响，其中高管性别是指具有贫困经历的董事长或者CEO的性别，当具有贫困经历的董事长或CEO为女性时，Gender取1，否则取0。列(1)～列(4)中，高管性别(Gender)的回归系数均不显著，说明上市公司的高管性别这一因素单独对企业是否参与精准扶贫没有影响。列(2)的交乘项Gender×BornPoor的回归系数显著为正，列(4)中的交乘项Gender×BornPoor的回归系数也显著为正，这说明出生于贫困地区的女性高管，更愿意进行精准扶贫且在此过程中投入了更多的扶贫资金。

表12列示了高管是否为党员对高管贫困经历与精准扶贫关系的影响。由于国有企业的高管一般来说都是党员，因此在回归时剔除了国有企业，而只比较民营企业中的高管是否属于党员对精准扶贫的影响。其中是否为党员是指具有贫困经历的董事长或者CEO是否为党员，当具有贫困经历的董事长或CEO是中共党员时Party取1，否则取0。表12列(1)～列(4)中，党员高管(Party)的回归系数均显著为正，但并非都显著。列(2)和列(4)中的交乘项Party×BornPoor的回归系数均为正，并通过了显著性水平检验，这说明来自贫困地区的党员高管更愿意参与精准扶贫，实施力度也更大。

表11高管贫困经历、高管性别与精准扶贫

表12高管贫困经历、高管是否为党员与精准扶贫

总之，表10～表12的回归结果说明，高管年龄越大、女性高管以及党员高管可以在一定程度上促进高管的贫困经历与精准扶贫的正向关系，高管的个人特征对于是否进行精准扶贫以及精准扶贫的力度大小具有重要影响。

六、结论

文章以2016—2019年沪深A股上市公司为研究对象，基于高阶理论，研究上市公司高管的个人贫困经历对其所在上市公司参与精准扶贫行为的影响。结果发现：当上市公司高管(董事长或CEO)具有贫困经历时，其所在上市公司更愿意参与扶贫，且参与扶贫的金额也更高。这可能是因为个人成长经历会对其价值观产生一定的影响，进而影响上市公司对扶贫行为的感同身受，最终促进了上市公司参与扶贫的意愿。进一步研究发现，具有贫困经历的高管为女性、党员或年龄越大时，其所在上市公司参与扶贫的意愿更高且扶贫金额更高。上述结论在经过一系列稳健性测试后依然稳健。本文的研究对于理解上市公司背后的精准扶贫行为提供了个人特征层面的经验证据，进而为最终打赢脱贫攻坚战提供了理论依据和政策参考。